高超声速巡航导弹信道建模与仿真分析

本文针对高超声速巡航导弹信道特点研究了信道传输损耗模型,提出利用自由空间模型和Longley-Rice模型相结合的方法建立该信道损耗模型,并推导了该模型的具体仿真算法,最后进行数据仿真分析,验证了该信道模型的合理性。     

基于Web的课件系统模型设计

设计了一种基于Web环境下的课件系统模型.在研究了该模型总体结构的基础上,探讨了该系统模型与传统模型之间的差异,重点研究了该系统模型主要子模块———课件制作与管理子系统的设计以及构建整个系统模型的关键技术.     

一种改进的分布式协作柔性QoS管理模型

提出了一种改进的分布式多媒体系统模型 基于该系统模型 ,进一步提出了一种改进的分布式协作柔性QoS管理模型并详细讨论了该模型的工作过程 ,最后简要地介绍了该QoS管理模型的应用     

与观测信息相关的n阶隐马尔可夫模型的参数估计

定义了与观测信息相关的n阶隐马尔可夫模型,给出了该模型的结构.研究了该模型的前向算法,并用前向算法计算给定模型下观测序列出现的概率.通过研究该模型的Baum-Welch算法,导出了它的参数重估公式.     

文档碎片取证分析模型

为进行文档碎片取证调查,提出了一个文档碎片取证分析模型.该模型扩展了现有的文档碎片取证过程,并将不同抽象层次的文档碎片数据引入该模型.同时将扩展的可信计算技术应用于该模型,解决了文档碎片取证过程中证据链保全机制.对该模型的取证能力进行了评价.通过案例分析,该模型具有较强的文档碎片取证能力并能够进行分布式取证分析.     

Witty蠕虫的传播模型与分析

为了能够深入了解Witty蠕虫传播的具体过程和采取更为有效的防御措施,利用动力学方法提出了一个含有潜伏期且在潜伏期内和感染阶段均具有传染性的模型.根据网络的实际情况,该模型考虑了延时因素,采用了动态感染率.利用该模型得出了蠕虫爆发的阈值.将已有的模型与该模型进行了比较,仿真结果表明:该模型能更好地符合Witty蠕虫的实际传播数据,偏差比已有的模型分别减小了4.4 %和6.2 %.     

眼科病床的合理安排数学模型的研究与实现

本论述以排队论的M/M/1模型为基础,建立了更为合理的评价体系,提出了M/M/n模型,并以此模型为基础提出了该医院某段时间的病床分配策略.而后运用该评价体系评价该模型,证明了使用本模型在床位分配当中的合理性,从而说明了该模型能够成为提高医院实际工作质量和管理效益的依据.     

关于BMI模型的算法及其研究

对基于区间值估计的 BMI模型作了充分的研究 ,给出了该模型的算法的一些直观特征 ,并指出了该模型的算法的一些不完善的地方以及该模型中的一些不合理的限制条件 ,在此基础上 ,给出了一个修正的算法 ,该算法解决了原算法中存在的不确定性的平行传播问题     

地理信息系统支持下的人口时空分布模型

针对当前人口时空分布模型方法单一、操作复杂,提出了利用地理信息系统技术重新构建人口时空分布模型的新思路。对该模型进行了具体建模和编程实现,并将该模型集成到人口信息管理系统中。最后,利用该系统对江西省人口时空分布进行了应用实践。结果表明:该模型能够有效地用于人口时空分布分析,具有广泛的应用推广价值。     

基于历史信息选择软件可靠性模型的方法

利用历史软件项目使用模型的信息为当前软件项目的模型选择服务,提出了一种基于历史信息选择模型的方法.对于每个候选模型,根据历史项目使用该模型的准确度以及历史项目与当前项目的相似度两者来确定该模型对当前项目的适应度,并将适应度最高的模型视为当前项目的最佳模型.该方法未限定模型的类型,突破了已有的模型选择策略的应用范围限制.     

从数据库中提取规则的神经网络方法

评述了利用神经网络从数据库中进行规则发现的几种方法,采用权值组合算法提取规则;利用模糊推理神经网络,采用CamDelta算法提取模糊规则;基于从数据中提取模糊控制规则利用生长自组织映射神经网络,采用分级聚类SOM算法发现规则利用CFNet网络,基于可信度因子,提取不确定性规则;利用模糊颗粒神经网络,采用启发式学习算法,从数值-语言数据中发现规则.提出了数据库中提取规则所面临的几个问题,以及解决这些问题的某些思路.具体提出了一种分布式环境下基于多Agent技术的规则提取方法.图6,参17.     

热分解过程的神经网络预测方法的研究

提出了用前馈神经网络求解热分解过程的新方法．针对传统的ＢＰ算法的缺陷,把无约束优化中的变尺度应用于网络的训练学习,改进了学习算法,提出了一种基于动态步长的新的变尺度算法．通过它对热分解过程的预测分析,其结果非常逼近实验结果并优于传统的理论计算结果;同时,新的变尺度算法提高了网络算法的收敛性．     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

基于组合神经网络的软件可靠性预测研究

为了进一步提高神经网络的预测能力,提出了一种前馈神经网络混合学习算法,并将其应用于组合神经网络.该算法由一种模式提取算法(Alopex)和伪逆算法组成.在该混合学习算法中,网络的学习任务被分解为2个部分:隐藏层的权值先随机给定,然后使用Alopex算法不断地对其进行扰动;输出层的权值使用伪逆算法确定.所使用的组合神经网络由多个结构相同的前馈神经网络组成,每个前馈神经网络都使用混合学习算法(采用不同的初值)进行训练.实验结果表明,这种组合神经网络能够显著提高软件可靠性的预测精度.     

基于过程神经网络与气动热力参数的航空发动机状态监视

采用前馈过程神经网络方法预测发动机排气温度，讨论了网络输入输出参数的选择问题，基于正交基函数简化了前馈过程神经网络的聚合运算，提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法，基于传统前馈神经网络先验知识给出了学习算法，进行了网络训练及仿真，取得了满意的结果。     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

基于改进神经网络的边坡岩体弹性力学参数识别方法

基于人工神经网络的 BP算法 ,建立了根据边坡开挖后岩体位移观测数据识别岩体弹性力学参数的数值方法 .在网络训练过程中采用改进的 BP算法 ,通过对学习算子的优化搜索 ,大大提高了网络的收敛速度 ,解决了 BP算法迭代过程中目标函数振荡问题 .通过算例表明 ,提出的改进的 BP算法有助于提高岩土材料参数识别收敛速度和识别精度 .图5 ,表 3,参 15     

前馈神经网络的容错性研究

以前馈神经网络为研究对象,提出了一种容错型神经网络学习算法．将系统运行过程中可能发生的各类故障随机地引入网络训练过程,使系统获得更加稳健的内部表示．仿真结果表明,该学习算法能够有效地提高神经网络的容错能力和泛化能力．     

基于改进型BP神经网络的油井产量预测研究

为了保证油田生产持续稳定地发展,针对油田单井产量提出了基于改进型BP神经网络的预测模型。对传统的BP神经网络的结构和训练算法进行了研究,发现它存在易于陷入局部极小,收敛速度慢等问题。提出了使用LM算法的改进型BP神经网络。最后给出了基于改进型BP神经网络的单井产量预测模型仿真实验。结果证明该算法的实用性和可行性,在油井产量预测方面有一定的实用价值。     

一种群体趋化性算法及其应用的研究

提出了一种新型神经网络群体趋化性算法，将其用于多层前向神经网络的学习过程，表明其具有学习速度快、精度高的特点。进行了基于这一算法的尿素生产过程神经网络模型化研究。仿真结果表明了这一算法的有效性。基于所建神经网络模型知识的专家系统，已在某化肥厂得到成功应用。