神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

神经网络建模计算稀土卤化物的熔化焓

采用人工神经网络（ＡＮＮ）方法研究了稀土氟化物、氯化物、溴化物和碘化物的熔化焓与离子键参数之间的关系,由２５组文献数据建立了预报稀土卤化物熔化焓的统一模型,并预报了其他４５个稀土卤化物的熔化焓。ＡＮＮ模型计算结果与已有文献数据吻合,没有实验数据报道的预报结果也显示出良好的规律性,说明人工神经网络建模预报化合物的熔化焓是一种有效的方法。     

联想记忆系统的学习算法设计（Ⅰ）

基于牛顿向前插公式设计了一种新的联想记忆系（ＮＦＩ－ＡＭＳ）的学习算法,用以实现任意阶的多变量多项式函数的无误差逼近。该系统与传统类型的ＣＭＡＣ－ＡＭＳ相比,具有学习精度高和记忆空间小的特点;且比多层的ＢＰ网络具有学习算法简单和收敛速度快的特点。数值模拟表明,这种ＮＦＩ－ＡＭＳ在信号处理,模式识别,及高精度的实时智能控制等领域具有很大的应用潜力。     

一类非线性系统迭代优化神经网络控制器

提出了一类非线性系统迭代优化神经网络控制器的设计方法,该是在正向神经网络辨识模型的基础上,应用迭代学习方法进行控制器设计。为了补偿辨识和迭代学习误差,给出了通过引入了反馈补偿控制器控制精度的方法,仿真结果证明了该方法的有效性。     

人工神经网络与计算机

探讨人工神经网络的计算机实现,从软件和硬件两方面阐述其实现过程,并从其数学算法中导出了计算机的实现算法.     

基于记忆图样权重的联想记忆神经网络学习算法

提出了记忆图样对神经突触联接强度的贡献权重概念。通过使原图样成为稳定态即稳定条件得到的方案求解该权重,得到了突触联结强度矩阵,实现了神经网络相关模式的联想记忆。将此算法和其它联想记忆算法进行了比较和讨论,并用计算机进行了模拟。     

基于人工神经网络降维映射的统计优化方法

提出将多维空间的样本数据降维映射到二维平面上,并在该平面上自动生成函数的等值分布曲线,从而,可直观出该函数的最优点或最优区域,通过本文提出的逆映射算法可将其还原到多维空间用原始变量表示．运算实例结果表明,基于神经网络降维映射的优化方法,直观、准确、可靠,对于有约束优化问题的求解特别有效．     

基于时延策略的输入缓存交换网络仲裁与分析

借助概率母函数的分析方法,对输入缓存方式交换网络的性能进行了理论分析,扩展了前人的分析结果,推出吞吐率和延时表达式闭和形式,并对这种网络的输出竞争,提出了一种简单的基一时延相关策略的神经网络仲裁算法,解决信元调度问题,仿真结果表明,该仲裁方法改善了网络性能。     

一种新的混沌神经网络模型及其动力学分析

提出了一种混沌神经网络模型。通过引入暂态混沌和时变增益,该网络比Hopfield型网络具有更加丰富和更为灵活的动力学特性,从而具有更强的搜索全局最优解或近似全局最优解的能力,它可以用于求解各种复杂的优化问题。大量的数字模拟表明网络能较好地解决Hopfield型网络的局部极值问题。     

一维双向耦合映象网络及其应用

全局耦合映象具有硬件集成化实现不便的缺点,为此本文研究了各混沌神经元之间局部耦全的一维双向耦合混沌神经网络,发现它同样具有全局耦合映象的分类功能,对一维双向耦合网络的动态特性进行了分析,提出了利用网络的时空特性对信息进行存储的思想,并提出了将其应用到保密通信的初步设想。