基于矢量拟合与渐进空间映射的微波滤波器调试

为快速诊断调试微波滤波器,缩短调试时间,提出了一种基于矢量拟合与渐进空间映射算法的计算机辅助调试方法.首先采用矢量拟合方法提取出滤波器的等效电路参数,再采用空间映射算法预测调谐螺钉的伸入量,从而实现微波滤波器的快速调试.采用提出的方法分别对四阶交叉耦合和六阶切比雪夫滤波器进行调试,仅通过3次和4次迭代便可以逼近理想响应,从而验证了所提方法的准确性与有效性.     

一种基于联想神经网络的矢量编码

利用种经网络稳定记忆的吸引战能把输入矢量聚类的特性，本文讨论了一种改进的Hopfield离散神经网络用作矢量编码，这种方法能获得较高的数据压缩比和较小的压缩失真。     

基于矢量拟合的直流输电线路建模

针对线路传播过程中的频变现象,采用矢量拟合法进行频变直流线路建模并对其建模影响因素进行分析。通过对线路进行阻抗频率特性测量,采用矢量拟合法对测量得到的离散点进行有理函数逼近,拟合的带宽为10~0～10~(6 )Hz,得到考虑频变特性的直流线路数学分析模型,以此为基础建立其3阶线路等效模型,并对线路建模效果的影响进行了深入分析。所建立的线路等效模型与在基于实际参数的PSCAD/EMTDC(power systems computer aided design)软件中建立的直流线路仿真模型进行对比分析,其误差最大处不超过10~(-2),且在故障行波主要传输频段10~3～10~5 Hz内具有很高的精度。其结果验证了该方法具有良好的精确性和适用性。     

基于矢量量化与神经网络的调色板设计

用基于神经网络的关量量化方法实现面向图象的调色板设计，以均匀颜色空间的距离作失真测度，以矢量量化的码书设置颜色寄存器的颜色值。实验证明，效果令人满意。     

基于SOFM神经网络的图象矢量量化的研究

分析了自组织特征映射（ＳＯＦＭ）算法,讨论了按加权函数控制邻域半径的方法,并对ＳＯＦＭ算法应用于图象矢量量化进行了系统的仿真实验研究,为实际应用提供了实验依据和基础。     

基于Hopfield神经网络的平面拟合编码研究

提出了平面拟合编码的一种新的实现方法，即神经网络方法。为了保证Ｈｏｐｆｉｅｌｄ神经网络的收敛，对该网络模型的迭代算法进行了修改，针对Ｈｏｐｆｉｅｌｄ网络存在的局部极小问题，给出了一种扰动算法，结合初始状态的合理选择，可以有效地避免网络陷入局部极小，而接近全局最小，以求得待定系数的最优解。计算模拟结果表明，Ｈｏｐｆｉｅｌｄ神经网络实现的平面拟合编码性能优于传统的最小二乘法，重建图像质量提高约０．６ｄ     

一种基于小波变换的矢量量化算法

提出了一种基于小波变换的矢量量化算法，算法利用小波变换后各子带间的相关性，合理地构造 矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）实验表明，这种算法获得 的码本优于其它几种算法。     

一种基于小波分解的图象分层分类矢量量化方法

作者提出了一种基于小波分解及采用自组织特征映射神经网络进行分层分类矢量量化的静态图像压缩编码方法。首先对图象进行了小波分解。利用不同分辩率级间小波子图的相似性,将最低分辩率层子图的矢量编码信息作为整幅图象的解码数据,并将其矢量分类和解码索引地址信息用于高分辩率层子图的码书训练。实验表明,和其他文献提出的方法相比,作者提出的方法在获得较好重构图象质量的前提下,提高了压缩比和编解码速度。     

基于神经网络的PWM整流器矢量控制研究

建立电压型PWM整流器的一般数学模型,运用坐标变换技术得到其在两相旋转dq坐标系下的数学模型,并采用SVPWM整流器的双闭环控制系统。针对PI控制器参数整定困难的问题,利用神经网络的自学习功能,设计一种基于BP神经网络的PI控制器,实现PI控制器的参数自整定。最后利用MATLAB提供的电力系统工具箱构建PWM整流器的滞环控制系统和矢量控制系统的仿真模型进行仿真实验对比。仿真结果表明,基于BP神经网络的矢量控制系统超调量被抑制,系统鲁棒性增强。     

一种基于成长型神经网络的曲面重建快速算法

文章使用成长型神经网络来实现曲面的快速重建,在重建过程中采用线性组合的方式分裂节点;使用一种简化的方法计算节点的Voronoi区域面积,以用来分配新增节点的计数器值;最后对生成的曲面进一步综合优化。实验结果表明,使用该算法能够快速获得形状良好的曲面。     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

一种基于小波变换的矢量量化方法

该文提出了一种基于又正交小波的矢量量化编码方法。该方法充分利用了不同尺度间小波系数的相关性并采用自组织特征映射神经网络进行矢量量化。实验表明,该方法获得了较高的编码效率和重构图象质量。     

基于模糊神经网络空间矢量调制的直接转矩控制

为了改善基于空间矢量调制的直接转矩系统的动态性能及低速性,分析了传统SVM-DTC中采用两个PI控制器来产生参考电压矢量,存在PI控制器参数难以确定的问题,提出了一种基于模糊-神经网络空间矢量调制(SVM)的异步电机直接转矩控制(DTC)策略.阐述了产生磁链参考电压矢量的模糊控制器和产生转矩参考电压矢量的神经网络控制器...     

一种新的基于自组织神经网络的运动估计算法

提出了一种新的基于自组织网络的CFSSOM-VQ运动估计算法,新的帧间预测编码方案采用基于自组织特征映射算法(SOM)的矢量量化(VQ)作为帧间预测,以取代目前常用的运动补偿帧间预测(ME MC).并对SOM算法进行了改进,提出了一种分类频率敏感自组织特征映射(CFSSOM)算法.将该算法应用到会议电视视频编码的实验结果表明,与ME MC算法相比,CFSSOM-VQ算法具有更好的预测编码性能.     

基于径向基神经网络的水饱和含氧量的数据拟合

相关部门提供的标准大气压下水饱和含氧量标定值仅为离散温度点处的数据,这些数据显示了水的饱和含氧量与温度之间呈非线性关系,由此提出了利用Matlab函数创建径向基神经网络对既有标定数据进行分析、拟合.结果显示,该方法达到了误差目标,且较传统方法具有数据存储量小,网络学习时间短,收敛速度快的特点.     

一种基于产生式系统的空间直线拟合方法

求解设备转动副的高精度实际轴线是提高设备运行精度的重要措施之一.当空间测量点密集时,通常的最小二乘法很难得到正确的拟合直线.研究发现,最小二乘法易造成90°的偏转,即发生偏转后,直线位于理想直线的垂直面内;造成这种偏转的原因是最小二乘法距离函数不是一个单极值函数,发生偏转的直线实际上是取得了其中一个最小值,而非全局的极小值.为防止偏转,提出了一种基于产生式系统的空间直线拟合方法,该方法首先为拟合直线指定一个基本方向,然后通过微分变化,经有限次迭代便可求得理想的拟合直线.该方法能有效避免在使用最小二乘法求取拟合直线时产生的偏转问题,通过在机器人关节轴线测量中的应用证明,该方法在工程实际中有较高的应用价值.     

一种基于小波变换的矢量量化算法

提出了一种基于波变换的矢量量化逄法，算法利用小波变换后各子带间的相关性，合理地构造矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）。实验表明，这种算法获得的码本优于其它几种算法。     

一种新的基于自学习神经网络的静止图像编码方案

为了改善JPEG算法的编码性能,提出了一种新的基于自学习特征映射算法(SLM)的静止图像编码方案,基本思想是:1)先用矢量量化(VQ)对图像进行预测,然后进行DCT编码;2)采用新的SLM算法来改善VQ码书性能.实验表明,与JPEG算法相比,该方案具有更高的压缩比和更好的图像质量.