采用BP算法的多层感知机模型的蛋白识别

采用误差反传(BP)算法的多层感知机模型,对嗜热蛋白和常温蛋白进行模式识别.通过增加训练数据及多种检验方法检验模型稳定性及泛化能力,探讨蛋白分子大小对识别效果影响.结果表明,当动态参数为0.2,学习速率为0.5,隐含层节点数为11时,该模型在自一致性检验、交叉验证和独立样本测试3种检验方法中的识别精度分别为91.5%,88.2%和92.1%,其表现优于一些常见的模式识别算法,且具有良好的稳定性及泛化能力.此外,对于较大的或者中等大小蛋白质分子,其识别的精度都较高;而对于较小的蛋白分子,其识别效果较差.     

感知机样本线性不可分的判定定理的简明证法

针对感知机的训练算法在训练样本线性不可分的情况下,感知机的学习不会收敛,需要判断解是否存在的问题,给出了一种直观的方法证明线性不可分的判定定理。通过将样本集定义为n维欧氏空间中的凸包,找到线性不可分问题两个等价命题。该方法具有要求条件较弱且几何意义明显的优点。     

用感知机学习算法改善MUSIC测算法的分辨率

文中指出了通过计算机仿真了解到的影响MUSIC测向算法分辨率的一些因素，分析了造成MUSIC测向算法计算机仿真的分辨率较低的原因，并提出了一种用人工神经网络中的感知机学习算法改善MUSIC测向算法计算机仿真分辨率的方法。     

基于单元间距离估计的不等概率抽样算法及应用

现有大数据的不等概率抽样方法大多基于数据分布，泛化能力较差。为此，利用多层感知机、XGBoost和Kriging模型估计总体单元间的相对距离，提出针对海量数据的不等概率抽样算法。此类算法既不需要考虑总体的分布，又能够保证样本的代表性。实证分析结果表明，基于此算法抽取样本构建的模型与简单随机抽样方法相比，模型参数估计的均方误差更低，效果更稳定。     

Hopfield神经网络系统中的若干动力特性指标分析

本的主要目的是对Hopfield神经网络系统（HNNS）给出了一种称为双向对称型的感知机学习算法（简称NIS学习算法），并对该算法的动力特性指标进行模拟计算分析，在大量模拟基础上，得到了该学习算法的容量，平均假吸引点等特性指标的统计特性数据，从这些分析结果可以说明，NIS学习 算法较HNNS的“联想记忆学习算法”等有关算法有更好的动力特性。     

感知机的反向传播学习算法

本文讨论人工神经元网络的反向传播模型，用对称Ｓｉｇｍｏｉｄ非线性作用函数对感知机的反向传播学习算法进行了探讨。     

基于多层感知机的遥感影像可逆信息隐藏算法

信息隐藏是遥感影像信息交换环节中必不可少的步骤.提出一种基于多层感知机的可逆信息隐藏算法,先对原始影像和载体影像进行拆分和排序,形成映射并组成样本,再将样本交付预先搭建好的感知机进行训练,最后把训练生成的权值文件作为数字水印嵌入载体影像.实验表明,该算法不可感知性高,鲁棒性强,影像提取速度快,精度比主流算法高13%左右.     

一种气体传感器阵列检测模式识别新方法

针对气体传感器阵列检测模式识别方法中BP神经网络收敛速度慢且易陷入局部极小值的问题,构建了一种免疫神经网络:采用免疫算法对BP神经网络的权值进行全局搜索优化,再用BP算法进行局部搜索,并将其用于传感器阵列信号模式识别中。采用正交试验法设计神经网络的学习样本,在保证神经网络学习精度的同时减少了样本的数量。结果表明,该模式识别方法能有效解决气体传感器的交叉敏感问题,克服了传统BP神经网络存在的不足,提高了网络的训练速度和气体的检测精度。     

一种用于模式分类的多层感知机模型和学习算法

将Kalman滤波算法与BP算法相结合，提出一种用于模式分类的多层感知机模型和学习算法，并对计算实例进行了计算机模拟实验．实验结果表明，这种算法适用于非线性模式分类，且具有较快的收敛速度.     

一种支持向量预提取方法及应用

提出了一种支持向量预提取方法,对核感知机误分次数与决策边界的关系作了分析,引入了核函数和误分界,利用结构简单的感知机算法构建支持向量预提取模块,压缩样本规模,然后将处理结果输入支持向量机进行再处理,在精度和处理速度方面取得了较好的效果,仿真实验验证了这一方法的可行性。     

粒子群多层感知器在地震预报中的应用研究

地震预报是地理问题研究中的一个重要方面,准确的地震预报可帮助人们及时采取有效措施,降低人员伤亡和经济损失.为实现地震预报,多层感知器已被看作是较传统统计方法如AR IMA更有效的一种技术.但多层感知器的训练,通常用BP算法,常会遇到收敛速度慢、易过拟合、易陷入局部最优等缺点.在这项研究中,采用最新提出的粒子群优化训练多层感知器用于地震预测.仿真结果表明,使用粒子群优化算法训练多层感知器与BP算法相比,具有较快的收敛率、较高的预测精度.     

再论关系数据流中增减型及循环型知识的发现

继续研究在以关系为单位的数据流中发现"增加"、"减少"等增减型知识以及"良性循环"、"恶性循环"、等循环型知识的方法.这些方法可以发现事物间发展的联系及发展的趋势,为决策者提供更强有力的支持.特别是发现各种循环,将为决策者加强"良性循环",增加效益与成功,摆脱"恶性循环",避免亏损与失败,提供了重要的依据.     

基于快速隐私保护关联规则的挖掘算法

随着数据库规模的日益增大,关联规则挖掘需要在挖掘效率、可用性、隐私性及精确性等方面得到提升,需要对传统的关联规则挖掘算法进行更新和改进。在传统的Apriori算法基础上,提出了一种新的在关系数据库中挖掘关联规则的算法。该算法只需扫描一次数据库即可得到频繁项集,并通过非频繁项集来减少候选项集的生成,从而提高了算法的运算效率;此外,该算法将包含敏感数据事务做相关的处理,以达到隐藏包含敏感数据的关联规则。理论分析和实验结果表明,新算法不仅提高了关联规则挖掘的效率,而且还达到了隐藏包含敏感规则的目的。     

包围圆分割在铁路货车车号字符的应用

针对铁路货车车号的断裂、倾斜、变形等特点,传统字符分割方法分割精度低的问题,提出一种基于改进包围圆的分割方法。基于铁路货车单行、双行2种排列方式,采用自适应游程算法进行双行车号的分割,鉴于游程算法背景像素前景化的处理特点,预先采用游程算法进行断裂消除,再使用包围圆方法进行字符分割。实验结果表明:在图像质量不高情况下,可以实现良好的分割精度且在分割准确率和鲁棒性方面均优于传统算法。     

基于圆域梯度信息耦合角度相似法则的图像匹配算法

为了提高算法匹配正确度与抗仿射变换性,本文通过将图像的梯度信息引入图像匹配的过程,提出了基于圆域梯度信息耦合角度相似法则的图像匹配算法。首先,采用Forstner算子精准快速地对图像特征进行检测,获取纯度较高的特征点。然后,通过计算圆域的haar小波响应值确定主方向,并利用圆域的梯度信息获取特征向量,完成特征描述。最后,根据匹配特征的仿射不变性,利用主方向建立角度相似法则,以完成匹配。通过特征点的特征向量去除错误匹配点,获取最终的匹配结果。实验数据显示,所提算法具有较高的匹配正确率与鲁棒性,在多种几何变换下,其匹配结果中具有较多的正确匹配对,而错误匹配对数量较少。     

关于二层感知器的几个定理

本文考察了二层感知器的识别能力，给出几个关于二层感器器判别域的定理。根据这些结果，可以判别某些区域是否是二层感知器的判别域。本文还给出了几个应用这些定理的例子。     

考虑机电耦合扭振特性时直流电力拖动调速系统的数学模型与动态稳定性分析

当考虑机电耦合扭振特性时 ,建立了直流电力拖动速度控制反馈闭环调速系统的数学模型 ,分析了考虑扭振特性时系统的动态稳定性 ,并用劳斯稳定判据建立了系统动态稳定的条件 .     

遗传算法在路基边坡稳定分析中的应用

路基边坡稳定性评价的关键是如何确定最危险滑裂面的位置并计算与之相对应的安全系数,是非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点,本文利用模拟自然进化过程的遗传进化算法来搜索最危险滑动面,提出了一种路基边坡稳定性分析的遗传进化调优算法,它是一种全局优化分析方法。     

Snort规则链表结构的分析与改进

Snort主要是根据规则树对数据进行递归匹配。因此规则树的结构是否合理，在很大程度上影响着Snort规则匹配的速度。本文对Snort规则链表结构进行了分析，并针对Snort规则树过于简单这一不足之处，对其进行改进，在保持原有规则匹配方法的基础上，增加宽度优先搜索算法，从而减少规则匹配所需时间。