基于HVS与PCNN的彩色图像增强

提出一种新的彩色图像增强方法:将RGB空间转化为HIS空间后保持H分量不变,对S分量进行指数拉伸;而对I分量则利用脉冲耦合神经网络的特性将原始图像的灰度信息与空间信息一起耦合到神经元的内部活动项,然后利用人类视觉系统模型构建动态阈值与其比较得到增强图像.实验证实了这种方法的有效性.     

基于脉冲耦合神经网络的椒盐噪声图像滤波

通过对脉冲耦合神经网络(PCNN)工作机理的分析, 指出由其神经元的阈值衰减特性和网络局部链接特性所带来的神经元的点火捕获特性本身就具有很好的对椒盐噪声污染图像的噪声定位作用, 并基于此提出了一种对图像噪声进行定位、仅对噪声像素进行类中值滤波的思想, 实现了图像的强自适应滤波, 并针对随机椒盐噪声和极端椒盐噪声两种不同的噪声情况, 分别给出了相应的滤波器. 经该方法滤波的图像有无任何畸变(对非噪声像素)、模糊小(对噪声像素)的特点, 较传统的基于窗函数滤波的方法(如中值滤波法)有明显的优越性, 实验及与其他方法的比较验证了其良好的滤波性能.     

网络态势感知系统的告警阈值确定方法研究

在网络态势感知系统中需要对影响网络性能的各项指标设置阈值,通过设置阚值和阚值检查可以在网络出现性能问题时及时向管理人员告警.本文提出了一种利用BP神经网络来确定告警阚值的方法:在采集到的大量性能数据中选取典型值作为训练样本训练BP神经网络.输出该值隶属于各模糊区问的隶属度,最后利用检验样本找到各区间的分界点即为阈值.文章还利用MATLAB对BP神经网络进行了仿真实验,验证了该方法的有效性.     

一种激励函数可调的新人工神经网络及应用

提出了一种激励函数可调的新神经网络模型，和一般ＢＰ网络不同，在学习过程中，不但连接权值可以调节，神经元激励函数也可以调节，以双螺线问题为例，说明如何利用先验知识导出所需的激励函数，并经出网络的训练方法，实验表明，这种新型神经网络对于某些问题具有很强的分类能力。     

二进神经网络表达奇偶校验问题的隐元最小数目上界

二进神经网络采用线性分类,是结构简单又易于实现的一类神经网络,在许多应用领域中都有重要研究价值.对于单隐层二进神经网络,目前隐层规模的确定问题仍然没有明确的研究结论.本文在研究隐层规模问题的过程中,提出了布尔空间的最多孤立样本问题.在二进神经网络隐层神经元各自表达一个"与"关系,所有隐层神经元通过输出元形成"或"关系的情况下,证明了实现最多孤立样本问题需2n?1个隐层神经元.更重要的是,指出了n元奇偶校验问题和最多孤立样本结构的等价性.进一步地,通过引入隐层抑制神经元将隐元数目降为n,说明了抑制神经元在二进神经网络中的重要作用.最后,在Hamming球与SP函数的基础上,揭示出抑制神经元和n元奇偶校验问题的逻辑关系,并给出了奇偶校验问题的逻辑式表达.     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源，在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上，借鉴神经网络反向传播学习算法的思路，提出了信号预滤波结合闽值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值，再将此阈值用于同一工况下整个时间段的去噪，这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显，比传统小波去噪、改进神经网络去噪等方法效果更好。     

反馈型随机二元神经网络

提出并分析了一种全新的反馈型随机神经网络模型，该模型不同于常见的Boltzmann机，它不直接使用随机激活函数而是采用了随机型加权连接，神经元为简单的非线性处理单元.揭示了该网络模型存在惟一的收敛性平稳概率分布，当网络中的神经元个数较多时，平稳概率分布逼近于Boltzmann-Gibbs 分布. 另外，还讨论了该网络模型与Markov随机场之间的关系，并提出了一种新型模拟退火和Boltzmann学习算法.网络模型被成功地应用于解决难度较大的组合优化问题和人像的自动识别，实验结果证实了该模型具有强大的计算能力和优异的泛化性能.     

直接用电密J计算导体三维涡流场的FE-BE耦合法

提出一种计算导体三维涡流场的FE-BE耦合法．在涡流区中直接采用涡流电密J为求解量的FEM, 其公式采用八节点长方体单元进行离散, 在非涡流区中采用磁场强度H为求解量的BEM, 其公式采用矩形单元离散. 根据交界面条件, 耦合得到一个求解变量仅为J的代数方程组. 该方法的优点就是所求量无需微分, 求解变量少, 耦合容易, 适用于多连域问题．对两个模型进行了计算, 计算结果与测试结果吻合较好.     

基于客户满意度的模糊神经网络JSP研究

针对具有不确定性因素的作业车间调度问题，基于模糊数学的思想，把模糊加工时间、间隔期和模糊交货期用梯形模糊数表示，建立了基于客户满意度曲模糊作业车间调模型。运用Hopfleld神经网络算法求解，结合目标函数和JSP的全部约束条件，构建能量函教和JSP换位矩阵，保证了神经网络稳态输出为最优生产调度方案。最后用网络计划图对稳态输出的换位矩阵进行解码得到最优调度甘特图，避免了传统成本树法易出现死锁调度的问题。计算实例验证了本算法的可行性和有效性。     

基于质量-刚度解耦的微半球谐振陀螺频差高精度修调方法

微半球谐振陀螺是最具发展潜力的高性能微机电系统(MEMS)陀螺之一,其工作时驱动、检测模态频率需要高度匹配,因此两个工作模态间的频差(频率裂解)是影响陀螺性能的关键因素.机械修调是调节频差的重要手段,其精度决定了模态匹配程度.通过飞秒激光去除质量调节模态频率是一种高效率、高精度的修调方法,但当谐振结构频差处于较小值(约100 mHz)时,观测到线性微质量去除难以进一步降低频差.本文重点针对该过程中的质量-刚度耦合现象开展研究,首先建立了微质量扰动下的质量-刚度耦合变化模型,然后通过有限元模型仿真分析了质量-刚度耦合对修调精度的影响,得到了不同直径与深度修调孔下的微量频差变化,结果揭示了修调孔直径对结构局部刚度的影响规律,以及修调孔深度对局部质量的影响规律.进一步的分析表明,当修调深度超过阈值时能够实现对质量-刚度影响的解耦,因此文中提出了基于质量-刚度解耦的高精度修调方法.最后,对该方法进行了实验验证,将微半球谐振陀螺的频差降低至7 m Hz,有效提升了微半球谐振陀螺的机械修调精度.     

基于改进Otsu和Niblack的图像二值化方法

针对常用的图像二值化方法——全局阈值方法和局部阈值方法存在的对输入图像含有噪声或不均匀光照等情况抵抗能力差以及处理速度慢的不足,提出了一种全局阈值与局部阈值相结合的图像二值化方法.通过在传统Otsu算法中引入类内方差和快速阈值搜索方法,并将其与Niblack算法结合,将图像的每一行看成一个子图,对每一子图使用改进的阈值进行二值化.实验证明,该方法抗噪声能力强,能准确获取图像的目标信息,同时能保持较快的处理速度.     

单张正面人脸图像的三维人脸重建方法研究

针对基于单张正面人脸图像进行三维人脸重建时所需脸部侧面深度信息缺失的问题,提出基于BP神经网络快速三维重建方法。通过建立BP神经网络估计出正侧面人脸数据的关系,从而由输入的正面数据得到侧面数据,并对BP算法做出改进,加速了算法的收敛,提高了拟合的精度。然后利用获取的人脸侧面数据调整CANDIDE-3人脸模型,生成近似图...     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型(tunableactivationfunction,简记为TAF)模型,并给出这类模型的一般形式.该模型用于多层前向神经网络MFNN时,其激活函数可借类似BP算法进行训练而求得.通过几个具体例子给出了对激活函数进行训练的算法.试验结果表明,采用TAF模型的多层前向神经网络的网络容量和性能,优于采用通常M-P模型的网络.     

近场动力学与有限元方法耦合求解复合材料损伤问题

本文提出了一种求解纤维增强复合材料破坏问题的近场动力学方法(peridynamics, PD)/有限单元法(finite element method, FEM)耦合方法.根据PD方法求解含裂纹等不连续问题以及FEM高效求解的优势,将模型划分为PD区域、FEM区域和耦合区域.其中包含裂纹的区域采用PD建模,其他区域采用FEM建模,两区域的结合部分为耦合区域.该耦合方法操作简单, PD粒子与FEM节点之间没有重叠区域. PD粒子与其域内所有粒子(包括PD粒子和FEM节点)以非局部方式连接, FEM节点与其周围的所有粒子以有限元方式相互作用.该耦合方案模拟的复合材料损伤状态与纯PD方法模拟结果相符,但该耦合方案可有效地提高计算效率.     

高速列车运行于软土地基线路引起的地面振动研究

基于车辆-轨道耦合动力学理论和有限元方法,建立了高速列车-轨道垂向耦合模型和轨道-土体有限元模型,提出了一种研究列车作用下地面振动问题的数值模拟方法.以高速铁路软土地基线路为例,分析了高速列车运行引起的地面振动特性,并探讨了采用水泥土搅拌桩加固软土地基对地面振动水平的影响.结果表明：当移动荷载速度达到土体表面的Rayleigh波波速时,匀质土体会产生类似于结构物共振的现象,而土体阻尼的存在能有效地降低地面振动水平,同时抑制临界车速下振动的突增;随着高速列车运行速度的增加,地面振动水平会不断提高,车速对地面振动的影响主要体现在近轨道区域内;软土地基加固后,地面振动位移和加速度均有不同程度的降低,距离地基加固区越近,水泥土搅拌桩的加固和减振效果越明显.     

生物耦合及其分类学与特征规律研究

生物功能源自生物耦合作用的现象, 是多元仿生的重要生物学基础, 也是仿生学领域的重要发现. 从仿生学角度, 提出了生物耦合相关的基本概念, 阐释了生物耦合的构成、分类及其特征规律, 分析了生物耦合研究的一般模式, 并展望了多元耦合仿生的前景.     

基于PCNN捕获-抑制机制的图像分类器设计

针对医学图像识别的重要性,本文提出了一种结合彩色图像特征场和基于脉冲耦合神经网络捕获-抑制机制的图像分类器设计方法.首先,构造符合人类视觉的彩色图像特征场;然后,利用脉冲耦合神经网络设计分类器实现对图像的识别.最后,应用于JAFFE人脸表情数据库和中医舌象的分类识别中,并与ADABOOST方法和SVM方法进行比较.实验结果表明,本文方法可以获得更好的医学图像识别效果.     

电磁场耦合忆阻神经元的相位同步与电路实现

神经元是大脑处理信息的基本单元,也是目前发现的最复杂的非线性动力学系统之一,其动力学行为已为广大科研工作者所关注,并成为神经科学、物理学、非线性动力学等多学科交叉领域具有较大挑战性的一个前沿性研究内容.根据电磁感应定律,基于神经系统内部生物电互相影响关系,建立了一个含电耦合和磁耦合的Izhikevich神经元模型,其中磁通量和膜电位之间的耦合由磁控忆阻器实现.然后,通过数值仿真研究电磁场耦合Izhikevich神经元的相位同步行为,发现直接-交叉耦合共存的耦合方式相较于其他耦合方式更容易使神经元达到相位同步.最后,利用Pspice为电磁场耦合Izhikevich神经元模型设计仿真电路,证明了数值仿真结果的可靠性.考虑电磁场效应对膜电位动力学及其神经元同步的影响,可以为进一步认知神经元及神经元网络信息编码、信号传递提供重要信息.     

港口非线性波浪三维耦合计算模型研究

建立了外域用差分求解高阶Boussinesq方程、内域用有限元求解Laplace方程的三维非线性波浪对船作用的时域计算耦合模型.研究了该类三维耦合模型的匹配条件,耦合求解过程和内域、外域公共区域长度的确定,探讨了内域有限元网格的剖分方法.把该耦合模型的计算结果与实验结果、内域用Euler方程的耦合模型计算结果进行了对比,结果表明该耦合模型具有满意的精度,适用于模拟较大区域内波浪对三维船等固定物体的作用,为今后近海岸大区域非线性波浪对三维非规则物体作用的时域计算和三维分区计算提供了参考.