应用MATLAB实现非线性电子器件建模

指出了非线性电子器件数学模型的建立是工程实践中常需要面对的问题，提出了一种利用MATLAB语言中的有关函数对非线性器件的测量数据进行处理，从而得到该器件的二维数学模型的方法．重点介绍了建模的实现步骤、算法，并给出了典型实例．     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP（反向传播算法）神经网 络和RBF（径向基函数）神经网络作了理论上的分析比较，并采用实际数据进行训练，说明了RBF神经网 络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建 立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

高速公路交通流的RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上 ,针对在不同环境以及时变系统中对复杂非线性大系统的控制 ,提出了一种改进的快速 RBF神经网络算法对交通流进行建模 ,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷 .该算法是采用 APC- 单路径聚类算法确定 RBF神经网络结构参数的一种快速 RBF神经网络算法 ,网络训练速度快 ,效果良好 ,对实现交通流的在线建模与控制有重要意义 .文中进行了计算机仿真研究 ,结果表明了方法的有效性     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较。并采用实际数据进行训练。说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

基于RBF的交通流预测中加速OLS寻优

交通流量预测是目前研究热点之一,RBF神经网络对此类非线性问题有良好解决能力,故得到广泛应用.其中能自动确定RBF结构的OLS算法,因不依赖先验值且有助减少训练RBF的随机性,成为仿真建模的首选.探索了有助于加速OLS算法寻优的方法--S型函数标准化.数值实验结果证明该方法效果良好,具备应用价值.     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线连续函数有较好的逼近效果,对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较,并采用实际数据进行训练,说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络.最后,以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型,并进行了模型检验,证明了基于RBF网络的建模方法具有较高的精度.     

浅谈放大器分析的一般原则

电子器件是非线性器件，由其构成的电子线路是非线性电路，要用它对信号进行不失真地放大，必须设置适当的工作点，使电子器件工作在近似线性区域，这就决定了放大器的分析包括直流分析和交流分析。而非线性器件对直流信号和交流信号所呈现的性能不同，这就是放大器分析与一般线性电路分析的不同之处。当对放大器进行小信号分析时，其电路模型又是线性的。但电子器件的非线性对于放大器的分析却一直起着重要的作用。     

基于RBF自适应观测器的转台伺服系统的滑模控制

针对转台伺服系统中的难以精确建模、易受摩擦和外界不确定干扰的影响等问题,提出了一种基于RBF神经网络的观测器,利用RBF神经可以逼近任意非线性连续函数的特性,逼近模型未知非线性函数f(?)和g(?),并利用观测器得到转速信号,结合滑模控制提高了系统的鲁棒性,实现了无需建模信息和速度测量的滑模控制系统。仿真结果表明,该方法可以实现高精度的位置和速度跟踪,同时也证明了该方法的鲁棒性和有效性,值得在其他非线性系统中推广。     

粒子群优化的RBF神经网络功放行为模型

研究功率放大器的非线性行为模型建模问题.功率放大器既呈现非线性,又呈现记忆效应,为了对具有记忆效应的非线性功率放大器进行精确的行为模型建模,提出了基于粒子群优化的RBF神经网络射频功放行为模型.利用freescale半导体晶体管MRF6S21140器件模型及设计的电路从ADS中导出输入输出数据,对射频功率放大器模型进行了仿真实现,得出了输出电压幅度的拟合曲线以及误差曲线.仿真结果表明:PSO-RBF射频功放模型能够获得较好的精度,能够很好的描述射频功率放大器的非线性和记忆效应,为有效解决精确建立射频功放行为建模的问题提供了参考方法.     

基于神经网络的车轮运行状态的动态监控

在介绍神经网络的基础上，提出基于RBF神经网络的轮轨间滑行情况的动态监控的方法，包括神经网络类型的选用，RBF神经网络的建模方法，神经网络非线性仿真的特性，数据修正的方法，预测的具体过程等。     

一种改进BP算法在制冷系统仿真中的应用

采用了改进的BP算法,用网络输出关于学习率的线性展开法来自适应优化学习率,BFGS为尺度法来调整权重,对BFGS法作了局部改进以处理可能发生的BFGS公式中分母项为零的情况,以实际制冷系统的热力性能参数实验数据为样本,对比研究了标准BP算法,含学习率优化的最速下降法和含学习率优化的BFGS法的学习过程,结果表明,文中选用的含学习率优化的BFGS法学习效率与学习精度高,且自适应性能好。     

浅谈异步教学法在职高专业课教学中的应用

“异步教学法”以学情理论为基础,能体现学生的学习过程,是一种能够使学生在教师的指导下进行自主学习的现代教学模式,因而它能较好地提高课堂教学效果,符合新时代职业教育的发展规律,适合现代职高学生的学习特点,体现了“寓教于乐”的现代教育思想。     

高职高专非英语专业学生英语词汇学习策略

词汇学习是是学习英语的重要环节,然而,词汇也是众多高职高专学生学习英语的拦路虎。针对高职高专学生学习词汇效果差这一问题,本文采用定性定量相结合的方法对学生的学习策略进行了调查。结果表明,高职高专对词汇学习的重要性有足够的认识,但是他们缺乏有效的词汇学习策略,英语成绩较好的学生使用了较多的词汇学习策略。有鉴于此,本文从学习者的角度提出了一些建议。     

基于RBF网络的扫描体制雷达DOA估计方法

针对传统扫描体制雷达无法分辨半功率波束宽度内存在多目标的问题,利用阵列信号处理的思想,把RBF神经网络理论应用于机扫雷达的DOA高分辨估计.首先给出了扫描体制雷达DOA估计的信号模型,提出了一种基于RBF网络实现扫描体制雷达DOA高分辨估计的SRBF算法.然后针对RBF网络存在的学习收敛速度慢等问题,给出了基于模糊学习矢量量化(Fuzzy Algorithm for Learning Vector Quantization,FLVQ)的网络学习算法,FLVQ方法采用模糊C均值方法中的模糊权重函数在线自适应调整,来确定输入和中心之间的权值,使得网络具有更高的非线性逼近性能和高效的收敛性.理论分析和仿真结果均表明SRBF网络具有快速准确的DOA估计能力,算法便于工程实现,具有较高的实用价值.     

认知诊断支持下的合作学习互补分组方法研究

分组是合作学习的重要环节,能够培养学生的小组协作能力,提高学生合作学习的效率.然而,目前合作学习常采用人工方式进行分组,无法确保组内成员在知识结构上具有较高的互补性.因此,提出一种基于认知诊断的分组方法.该方法首先使用多层感知器神经网络对学生知识状态进行诊断,在诊断结果支持下通过获取知识点间的依赖关系生成知识状态迁移图并对其进行拓扑排序,最后按知识状态拓扑序对学生进行自动分组,使分组内成员在知识结构上具有较高的互补性.在此基础上应用该分组方法进行合作学习教学设计,并将其应用于《C程序设计》课程中开展教学实践.实践结果表明:该方法能够有效提高小组成员在知识结构上的互补性,从而提高问题解决率,改善学生学习效果.问卷调查结果显示:参与实验的学生对基于互补分组的教学方式满意度较高.     

流形学习方法及其在头部姿势估计中的应用

流行学习是一种新的数据降维方法,能揭示数据的内在变化规律,其目标是发现嵌入在高维数据空间中的低维流形结构,并给出一个有效的低维表示。目前流形学习以其出色的数据约简与可视化能力得到了越来越多模式识别与机器学习工作者的重视。本文介绍了一些常用的流形学习算法,分析了这些算法的优缺点,并利用流形学习中的局部线性嵌入(LLE)算法于头部姿势估计,取得了较好的识别效果。     

中国和瑞典高中生学习负担与课外活动的比较研究

中学生的学习负担与课余活动受国家的经济、文化和社会发展的影响，了解国外高中生的学习负担与课余活动，对反思和改善我国高中生的学习与生活状况具有重要的借鉴意义。因此，运用问卷调查法和访谈法，对我国宁波市和瑞典隆德市高中生的学习负担与课余活动进行了调查，比较分析结果显示：两国高中生在作息时间、课内外学习、学习兴趣、作业考试、校外休闲活动和心理状态等维度上存在显著差异，亦即，我国高中生的学习负担显著高于瑞典高中生，而课余活动明显比瑞典高中生单调。     

基于深度学习的盾构隧道衬砌病害识别方法

隧道衬砌病害的检测是隧道维护和保障运营安全的重要环节.以基于CCD线阵相机移动式地铁衬砌病害检测系统的采集图片为研究对象,利用计算机科学最前沿的深度学习方法,提出了一种完全区别于传统手段的隧道病害识别方法,通过提取并建立隧道病害样本库,搭建深度学习框架,利用深度卷积神经网络(Convolutional Neural Network,CNN)训练样本,建立隧道衬砌特征图像分类系统.针对既有的CNN模型GoogLeNet,采用优化的卷积核,并改进了其inception模块与网络结构,获得了准确率超过95%的网络模型.通过实例对目前流行的深度学习框架(Caffe与Torch)以及图像对比度增强处理方法(如直方图均衡化处理(Histogram Equalization,HE))进行了测试.测试结果表明,深度学习方法用于隧道衬砌图像处理,具有准确率高,速度快,可扩展性好等特点,特别是对背景复杂条件下的图像处理更具鲁棒性.     

Diagnosis of multiple faults using a double parallel two-hidden-layer extreme learning machine

Multiple faults are easily confused with single faults.In order to identify multiple faults more accurately,a highly efficient learning method is proposed based on a double parallel two-hidden-layer extreme learning machine,called DPTELM.The DPT-ELM method is a variant of an extreme learning machine(ELM).There are some issues with ELM.First,achieving a high accuracy requires too many hidden nodes;second,the direct connection between the input layer and the output layer is ignored.Accordingly,to deal with the above-mentioned problems,DPT-ELM extends the single-hidden-layer ELM to a two-hidden-layer ELM,which can achieve a desired performance with fewer hidden nodes.In addition,a direct connection is built between the input layer and the output layer.Since the input layer weights and the thresholds of the two hidden layers are determined randomly,this simplifies the improved model and shortens the calculation time.Additionally,to improve the signal to noise ratio(SNR),an adaptive waveform decomposition(AWD)algorithm is used to denoise the vibration signal.Then,the denoised signal is used to extract the eigenvalues by the time-domain and frequency-domain methods.Finally,the eigenvalues are input to the DPT-ELM classifier.In this paper,two groups of rolling bearing data at different speeds,which were collected from a real experimental platform,are used to test the method.Each set of data includes three single fault states,two complex fault states and a healthy state.The experimental results demonstrate that the DPT-ELM method achieves fast learning speed and a high accuracy.Moreover,based on 10-fold cross-validation,it proves to be an effective method to improve the accuracy with fewer hidden nodes.     

高校武术小群体学习教学模式研究

通过调查研究,揭示小群体学习法的作用以及应用注意的事项。认为到小群体学习法是一种很好的教学互动循环体系,也是一种课堂效率极高的教学组织形式。掌握技术提高技能快,教师指导自然及时,学生锻炼主动积极,学习兴趣浓,师生之间、学生之间交流频繁,是教师在教学中不可缺少的教学手段。