一种新型神经网络仿真工具的开发

本文介绍了一种新型神经网络仿真工具,该工具可以根据需要灵活设置各类参数,如隐含层层数和各层神经元结点数、步长、激活函数等。该界面设计友好,操作方便。最后,将该仿真工具用于互连线的串扰研究,实验表明该仿真工具具有较强的实用性和灵活性。     

BP网络的权值变化和对新样本信息的辨识误差之间的测不准关系式

研究BP网络结构、“过拟合”现象和推广能力三者之间的联系是BP网络建模的基本问题,从而引起国内外同行的普遍关注.虽然最近有人提高前馈网络的推广能力及线性分类器的“瓶颈”能力等问题进行了研究,但对上述三者之间的关系尚无系统、完整的理论和严格的表达     

基于AutoCAD的并发冲突消解技术的研究与实现

对于并发冲突的处理,主要从并发行为与并发事件冲突的解决入手,根据AutoCAD系统的数据库特点,进行了并发行为的分析,同时讨论并发冲突的产生过程,在此基础上提出了基于用户权值的,以图形数据实体为中心的并发行为冲突控制机制,为整个系统提供了行之有效的同步协作措施。     

基于权值优化的粒子滤波算法研究

为解决粒子滤波算法中存在的权值退化和实时性差的问题,提出了一种改进的权值优化组合粒子滤波算法(impWOPF),该算法通过对粒子权值设定门限Thershold,剔除权重小于Thershold的粒子,减少不必要的粒子运算,然后对小于粒子群权值均值的粒子进行权值优化组合,以增大小权值粒子的权值,保持了粒子多样性,提高了算法的实时性。仿真结果表明,该算法能够在保证估计精度的同时,有效降低重采样过程中的计算量,有利于实时信号的处理。     

基于多特征自适应融合的目标跟踪

针对传统的基于单一特征的跟踪方法在复杂场景和光照变化下易导致跟踪失败的缺点,提出了一个基于多特征自适应融合的目标跟踪算法。首先选取具有互补性的目标颜色和纹理特征构造目标的多特征模型;然后根据特征子模型对目标与背景的可分性,对目标特征子模型的权值进行自适应调节;最后利用颜色和纹理特征对所提的算法进行了验证。试验表明同基于单个特征的核函数目标跟踪方法相比具有更好的鲁棒性。     

一种权值预学习BP算法的研究

采用无监督学习中的主元分析算法的０ｊａ规则对前馈网络的权值进行预学习,以此来加速前馈网络的学习速度。通过奇偶校验和非线性系统辨识两个应用,验证了该算法在学习速度与性能上都优于传统的ＢＰ算法。     

非线性时间序列建模与预测的神经网络法

简述了人工神经网络的基本概念及计算特性,提出了用神经网络方法进行非线性时序建模的基本思路,分析了传统的BP学习过程,得出了BP学习算法的改进算法.然后讨论具有一层隐层的前向式神经网络,基于预测误差分析,提出了权值估计方法,使非线性时序建模的神经网络法规范化.     

定性及定量共振论

简要地说明了共振论的基本规律并举例说明其应用;由13C-NMR的化学位移值计算了苯衍生物各正则结构的权值,从而使原为定性理论的共振论上升为定量理论;用定量的共振论处理了分子的一些物理性质,如振动光谱与键长;严格区分了交叉共轭与穿透共轭2种情况,指出了"大π键"概念的笼统性.     

定量共振论的应用

用共振论解释了一些用其他理论难以解释的问题--振动光谱(以苯的衍生物为例)、立体结构(以苯胺氮原子的杂化为例) 、键长(以苯的衍生物为例)以及没有共轭现象的共振作用(以质子化醛酮为例).     

润滑材料智能分析系统中BP神经网络权值的优化

探讨了运用遗传算法对润滑油智能分析系统中神经网络的连接权值的优化.在预先对网络结构进行优化后,对随机产生的网络权值及阈值进行编码,利用多种不同的初始连接权值分别对每个网络进行训练,利用误差函数确定适应度函数,利用交叉、变异等遗传操作算子对群体进行处理,从而得出最佳网络权值和阈值.