毛细管中高阶参量过程的理论描述

提出了毛细管中高阶光学参量过程的理论模型。该模型在传统的高阶参量过程理论模型的基础上，自洽地考虑了毛细管中光导波模式特征和激光束对毛细管中光学导波模式激发效率的影响，得到了毛细管中高阶光学参量过程的相位匹配条件。利用这个理论模型概略地分析讨论了毛细管中高阶光学参量过程的最近的实验结果。     

基于知识的网络交互设计系统研究

针对当前产品网络交互设计过程中存在的问题，提出了一种基于知识推理的全新网络交互设计系统模型，使得用户既可以单独通过浏览器在客户端的虚拟场景中进行个性化设计，也可以与其他用户进行协同设计。详细分析了交互设计过程，同时还研究了知识库构建、协同会议管理、VRML模型的建立及其外观特征的参数化等关键技术。最后开发出一套以首饰产品为对象的网络交互设计原型系统，阐述了上述模型的可行性和先进性。     

反馈对放大器噪声特性的影响(理论研究)

本文定量地导出了反馈放大器的E_n—I_n等效输入噪声模型参量与基本放大器和反馈网络的模型参量间的解析关系式,给出了低噪声反馈放大器的设计要点。     

化学反应动力学系统序参量模型及其应用

首先根据动力学系统演进过程的非线性状态方程，给出了化学反应状态演变过程的有序化动力学系统模型，同时也给出了动力学系统状态空间上势函数的序参量描述形式。对化学反应过程的反应－扩散方程构造了一个基于化学反应数据特征的有序化动力学系统的序参量模型，系统在控制参数影响下，由序参量给出稳定状态的最终选择结果，所有可能的选择由势函数给出，它反应了该系统可能出现的稳定状态，最后，给出一种基于该模型的化学反应过程     

反馈对放大器噪声特性的影响(理论研究)

本文定量地导出了反馈放大器的 E_n—I_n 等效输入噪声模型参量与基本放大器和反馈网络的模型参量间的解析关系式,给出了低噪声反馈放大器的设计要点。     

基于声发射监测的滑坡过程预警模型

滑坡是一种多发于山区的地质灾害，严重威胁隐患点周围群众的生命财产安全，急需针对滑坡建立及时、准确的监测预警系统。该文在已有的滑坡声发射监测技术和变形过程预警模型基础上，对比研究声发射和位移监测参量。基于小波变换和改进切线角方法，建立了基于声发射监测的滑坡过程预警模型。利用英国拉夫堡大学实验室模拟数据，初步验证了所建立的声发射预警模型的可靠性。在广东省连南县特大型滑坡隐患点安装监测设备，获取边坡现场变形监测数据，比较了声发射和位移监测的实际预警效果。结果表明：相较于位移参量，声发射参量在预警稳定性和准确性上均表现更好。     

用平面波法分析矩形波导场模式理论

用平面波法分析了矩形波导场模型理论及其似输特性,有物理图谱清晰,各参量物理意义明确等优点,分析了结果同分离变量法一致。     

基于顾客化大量生产模式的计划平准化模型的？…

根据无库存生产方式的思想，运用循环排序的方法，综合考虑产品加工时间和产品需求这两个参量，对基于顾客化大量生产模式下的计划平准化模型的最优算法进行了研究，提出了确定产品循环期ＣＴ（或产品出产节拍）下界的公式，并在理论上进行了证明。     

BP神经网络模型中活化函数对网络性能影响的研究

本文在ＢＰ神经网络模型中，采用一种新型的神经元活化函数替换传统的Ｓ型活化函数，并在活化函数中引入了可调参量，研究表明，作这一替换后对提高网络的学习速度、抑制假饱和现象起到了很好的作用。     

竞技体育中的变加速运动及其概念规范

研究了短跑的“收尾速度”模型.在收尾速度模型中,收尾速度vm与过程特征参量k成反比,而过程特征参量k不是个人参量.在讨论变加速运动问题时,我们建议使用科学的规范用语,比如:急动度,力变率.     

基于递归补偿模糊神经网络的发酵过程建模

提出一种新型的动态网络———递归补偿模糊神经网络,结合弹性BP算法,把它应用于某多粘菌素的发酵过程的建模与状态预估。仿真结果表明该网络模型训练步数少,训练误差小,收敛速度较快,能够较准确地拟合过程的动态特性,预估精度较高,可用于发酵过程的优化控制。     

基于小样本数据的BP神经网络建模

针对小样本条件下BP(back propogation)神经网络存在预测精度不高的问题,将专家知识融入BP神经网络训练过程中解决此问题.首先BP神经网络通过遗传算法获得最优初始权值和阈值;其次对专家知识进行数学表达;最后通过增广拉格朗日乘子法将专家知识融入BP神经网络训练过程中.利用实际中的结晶动力学问题对所提方法进行...     

基于粗糙集的改进BP神经网络算法研究

提出了一种基于粗糙集和遗传算法的改进BP神经网络算法.该算法首先对原始数据集进行属性约简,优化BP神经网络的输入变量;然后利用遗传算法全局搜索的特点,优化BP神经网络初始权重和阈值.将改进BP神经网络算法应用于客户分类,训练误差为5.92×10-12,测试总误差为0.00023;而改进前的一个比较理想的训练结果的训练误差为0.0016,测试总误差为0.073.Matlab仿真表明改进的BP神经网络算法有更好的训练精度和泛化能力.     

改善BP网络检验效果的研究

本文针对ＢＰ人工神经网络在处理连续变量时，学习效果很好，而检验效果不理想的情况下，提出三条改进检验误差的措施。１）检验样本的选择规则；２）引入虚拟样本；３）改变网络的拓扑结构、并实际应用于催化裂化主分馏塔优化操作建模的神经网络，收到很好的效果。这三条措施简便易行，可广泛适用于其他网络，以改善其检验效果。     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

基于主成分分析与BP神经网络相结合的机床主轴热漂移误差建模

为提高数控机床热误差模型的预测精度,提出了将主成分分析与BP神经网络相结合的主轴热漂移误差的建模和预测方法.使用主成分分析法对多个温度变量进行降维处理或重新组合,将处理后所得较少的主成分变量作为样本输入BP神经网络进行训练而得到主轴热漂移误差模型,并与经过测点优化后以关键点温度作为输入的BP神经网络模型进行对比分析.结果表明：基于主成分分析与BP神经网络相结合的主轴热漂移误差模型的拟合精度较高,残差较小;由于BP神经网络的输入变量较少而使所提出的模型训练速度快、迭代次数少.     

一种新的基于RS和NN的混合数据挖掘算法

提出一种结合粗糙集理论和BP神经网络理论的新数据挖掘算法.算法利用粗糙集对属性的归约功能将数据仓库中的数据进行归约,将归约后的数据作为训练数据提供给神经网络.通过粗糙集归约,提高了训练数据表达的清晰度,也减少了神经网络的规模,同时利用神经网络又弥补了粗糙集对噪声数据敏感的不足.     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.     

甘蔗收获机剥叶性能评价中权重确定的BP网络方法

为了解决甘蔗收获机械剥叶性能评价中权重确定的关键问题,构建了三层前馈BP神经网络,并采用正交试验数据构造训练样本,以提高训练速度及精度．在此基础上通过运用经训练后的BP神经网络的各连接权值,确定了反映各目标因素对评价指标影响程度的权重值．运用BP神经网络方法可确保经确定的权重能如实地及映出各目标因素对评价指标的重要程度．     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。