神经网络与非线性分组码软判决译码

讨论了神经网络与纠错编码之间的关系．指出非线性分组码软判决最小距离译码等价于求神经网络能量函数最大值．     

神经网络在分组码软判决译码中的应用

本文探讨了神经网络与纠错编码之间的关系,将神经网络引入分组码软判决译码中.通过映射变换α→(Q-1)-2α,建立了分组码软判决译码与神经网络之间的关系;证明了线性分组码软判决最小距离译码等效于寻找对应的神经网络能量函数最大值,神经网络优化算法可用于分组码软判决译码中.     

自适应函数链神经网络在非特定人语音识别中的应用

根据加权倒谱距离测度，构造了一种用于非特定人语音识别的函数链神经网络，并结合所提出的自适应函数链神经网络学习算法，不但大大缩短了网络的学习时间，而且使得该网络具有较高的识别率，采用10人（5男、5女）的语音数据对汉语10个数字进行了实验，正确识别率为94．2％．     

基于最小熵值相似矩阵构造方法及其聚类过程

针对利用相似矩阵进行聚类分析的分类问题,定义了相似矩阵及其性质,并给出相似矩阵的一些常见构造方法.针对现有构造方法缺少含义的问题,尤其是针对模糊问题,提出了一种基于最小信息熵值聚类构造相似矩阵的方法.该方法首先利用最小信息熵值原理获得多准则决策中不同属性的权重信息,然后求解不同方案集间的加权距离.通过构造正负不同的理想解,求解方案集与正负理想解直接的加权距离,并利用方案间加权距离与正负理想解整体距离之间的比例构造相似矩阵.算例表明该方法切实可行.     

采用加权置信传播算法的LDPC码性能分析

LDPC码置信传播译码算法中,由于环路的存在,影响迭代译码的性能和迭代译码的收敛性。为减小这一影响,在迭代译码算法中引入加权因子,采用迭代加权的译码方法。该算法可使迭代信息趋于平稳,增加译码可信度,减少迭代次数,加快迭代译码的收敛,从而改善译码性能的方法。仿真结果表明,这种方法对最小环长小且环长分布较均匀的中短码长的码子性能影响较大。     

网络上的最优干线选择问题

考虑在网络上点到路的距离意义下的最优干线选择问题——最小加权距离和问题和最小最大加权距离问题.首先证明所讨论的两个问题的判定形式是NP-完全的,然后对于网络是树的情况,给出了求解问题的算法,该算法的复杂性是O(n2).     

连续相位调制的信号特性与译码研究

为利于选择合适的调制参数,尽可能提高最小欧式距离,改善功率谱密度,降低译码复杂度,基于Laurent分解,将球形译码方法应用于连续相位调制信号检测中。针对3种典型脉冲函数的连续相位调制信号,在不同调制参数情况下,比较其功率谱密度、最小欧氏距离和译码率等性能之间的关系,并进行了仿真验证。研究结果表明,GMSK的功率谱密度最好,旁瓣衰减更大;无论矩形脉冲还是升余弦脉冲,调制指数0.5时都比调制指数0.75时的最小欧氏距离高,误码率更低。     

基于SVM信息融合方法的人脸表情识别

提出一种基于支持向量机(SVM)的信息融合方法进行人脸表情识别．该方法首先对 预处理后的人脸图像进行局部特征和整体特征的提取;然后用最小距离分类器、最近邻距离 分类器、最大相关分类器、径向基函数(RBF)神经网络分类器进行表情识别;最后构造一 个三阶的多项式支持向量机对多个分类器的输出进行决策融合以达到人脸表情识别的目的．     

神经网络在移动信道卷积码译码中的应用

分析运用误差反向传播 (EBP)多层感知器神经网络 (NN)方法来进行卷积码译码的可能性 .仿真结果表明 :当涉及的码字位于译码窗口中间时 ,其性能最佳 ,而且即使考虑大的窗口性能也不会提高 .当神经网络规模较大时 ,神经网络体现出自适应、冗余容错性 .窗口宽度等于 3的系统最小 ,所以该系统是值得推荐的系统     

基于加权最小二乘支持向量机的下水道可燃气体分析

下水道可燃气体分析是城市下水道可燃气体监测预警系统的重要组成部分.该文针对BP神经网络对下水道可燃混合气体分析存在速度慢、容易陷入局部最优,以及标准最小二乘支持向量机鲁棒性差的缺点,建立了一种基于加权最小二乘支持向量机(WLS-SVM)的下水道可燃气体分析模型.加权最小二乘支持向量机模型采用最小二乘线性系统,对误差变量进行权值设定,提高了学习速度和学习精度.仿真结果表明:基于WLS-SVM的下水道可燃气体分析模型优于所比较的BP神经网络和最小二乘支持向量回归机2种模型,具有优良的预测精度和鲁棒性.     

神经网络能量函数在卷积码译码算法中的应用

文章分析了神经网络在信道编码领域的应用 .利用神经网络的退火算法 ,建立了新的基于 Hopfield神经网络的能量函数 ,借助卷积码的栅格 ( Trellis)图和新的能量函数提出了一种卷积码译码算法 ,仿真结果显示新的译码算法和最大似然 ( ML)译码算法的性能相似 ,该译码方案复杂度降低 ,易于软件实现     

城市物流配送的二阶段启发式算法

针对城市物流配送的特点,将空间聚类算法与蚁群算法相结合运用到路径规划中,提出了一个基于交通网络的VRP二阶段解法.以带权图描述城市交通路网,利用交通网络中各个结点间的距离关系和结点的需求量,以配送车辆的容量为聚类的约束,通过多次迭代将所有结点聚集成相互独立的多个簇.选择簇间相似性最小的聚类,利用蚁群算法,根据簇之间和簇内结点间的距离关系,分两次规划配送路径,最终得到配送中心到所有结点的配送路径.该算法通过聚类降低系统复杂度,缩短了蚁群搜索时间,具有较快的速度.最后用一个仿真实例验证二阶段算法的有效性.     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比特或码字及信道状态信息,采用了端对端的训练方式,使不同神经网络模型可学习系统收发端的信息比特与码字的映射关系,联合实现了MIMO系统信号检测和信道译码,同时具有较低的复杂度.仿真结果表明,相比一些传统检测和译码算法,所提方法具有较优的检测和译码性能.     

局部可变权值神经网络原理

本文改进了传统神经网络进行学习后权值矩阵在工作时不变的缺,给出一种处理多对单式分类问题新思路;网络工作时,权值矩阵中的特定局部的取值可变。并通过此思路给出一种新型神经网络模型－局部可变权值神经网络。     

基于深度残差反向传播神经网络的钢筋腐蚀检测

针对小样本数据下浅层神经网络模型拟合能力不足,而加深网络层数出现网络性能退化问题,提出一种双跳跃深度残差BP神经网络模型,每个残差块堆叠三个同维度网络层,在网络的一、二层和一、三层之间加入双跳跃连接,增强浅层低非线性度特征信息向深层网络的直接传递和重复利用,且在反向传播过程中避免了梯度消失,提升模型分类准确率。同时引入一阶矩估计梯度指数加权平均因子对Adam算法中影响学习率的二阶矩估计梯度进行调整,优化网络的收敛能力。将改进后的算法模型用于钢筋腐蚀样本数据训练及测试,仿真结果表明,改进后的算法模型具有更好的分类性能。     

最小安全会遇距离和注意会遇距离的确定

分析了影响最小安全会遇距离和注意会遇距离的因素,并把人的因素归入船舶性能之中。同时,利用模糊神经网络方法确定最小安全会遇距离和注意会遇距离,消除了人的主观臆测,为研究船舶碰撞危险度和避碰决策系统打下了基础。     

模糊逻辑方法在纠错码中应用

基于现实世界中模糊信息的背景,利用模糊逻辑方法讨论如何对模糊信息进行编码与传输的问题。提出能对模糊信息进行编码的模糊纠错码,讨论了重量、距离、译码准则等基本概念。分析了模糊纠钷码的优点及其与普通划码的关系,并给出了利用模糊纠错码的通信系统模型。建立了线性模糊纠错码的概念,研究了生成阵、校验阵、对偶码等性质。最后批出利用模糊神经网络技术实现线性纠错码的编码方案和译码技术,译码模拟结果显示了性能优势。