神经网络的防空导弹武器系统研制费用研究

对应用人工神经网络技术解决防空导弹武器系统研制费用问题进行了探讨,论述了人工神经网络原理,对武器系统的品质因素应用效能函数进行了处理,给出了研制费用的神经网络估算方法。     

模糊系统和神经网络的融合技术

概述了模糊、神经网络和人工智能技术之间的关系,重点探讨了模糊和神经网络的特点;综合并分析了模糊系统和神经网络的结合方式,其中包括两种系统的串、并联结合方式,基于神经网络的自适应模糊系统和基于模糊系统的神经网络模型等;此外,还就模糊系统和神经网络系统的输出,从定量角度讨论了模糊系统和神经网络的功能等价性,并给出了相应的定理和证明。     

神经网络的一般模型及在信息处理中的应用

介绍了神经网络的一般模型,并结合工作实际,将神经网络方法灵活地应用于所从事的工作中,大大提高了算法的有效性和可靠性。     

自组织的神经网络方法和群落生长模型研究

本文在研究神经网络自组织方法的基础上,通过模拟生物群落演化的动态机制,提出了一种新的自组织模型GGM,在GGM中,我们利用聚类中心的动态增生和消亡,使自组织学习调整直接局部化到单个聚类中心,从而避免了全局一局部调整的模拟退火训练过程,大大地提高了自组织学习的速度和适应能力.     

灰度形态滤波的神经网络实现方法

本文提出了一种利用神经网络实现灰度形态滤波的方法。文中首先简述了形态学的基本理论,然后给出了灰度形态学理论的两种最基本运算（膨胀和腐蚀）的神经网络实现方法。网络中的连接权值为形态滤波的结构元素,按照δ学习规则,自适应地对结构元素进行学习训练。该方法计算简单,速度快,对于提高灰度形态滤波的性能有显著成效。     

一种新型δ函数神经元构成的神经网络及学习算法

本文提出一种新型δ函数神经元构成的三层前馈神经网络,其隐层中神经元采用δ变换函数而不是ｓｉｇｍｏｉｄ函数。学习算法不再采用误差反向传播（ＢＰ）算法,而是通过选定隐层与输入层之间的自由权来确定隐层与输出层间的待求权的直接算法完成学习。这种学习算法运算速度快,不存在局部极小和收敛速度慢的问题,只要隐层δ函数神经元个数等于样本对数量就一定能完成学习,这是传统ＢＰ算法不能比拟的。计算机仿真实例表明该算法是十分有效的。     

模拟电路单—故障的模糊神经网络诊断方法

本文提出了利用模糊神经网络进行模拟电路故障诊断的方法。该方法根据模式识别原理,利用建立在神经网络中的模糊特征库,推断出故障特征对各元件故障的隶属程度,并指示元件参数的变化趋势。这一方法为解决模拟电路及一些含有非线性元件的电路的故障诊断问题提供了一种新方法。     

自组织特征映射神经网络权值的实现

本文根据自组织特征映射神经网络学习算法，提出了其权值的ＣＭＯＳ实现电路。该电路结构简单，动态范围宽，易于集成实现。学习速度可达５０万次每秒。用ＣＭＯＳ１．２μ工艺实现电路的ＰＳＰＩＣＥ５．０仿真，表明该电路具有较好的工作性能。     

电液伺服加载系统的神经网络逆控制

针对液压加载系统及试件的特殊要求，采用基于径向基函数网络（RBFN）的逆控制器给出了该NARMA模型及逆模型存在的条件。该方法使用实际系统的输入输出信号以及径向基函数网络实现系统建模，并利用系统神经网络模型离线训练系统的逆动态作为控制器，以克服由于实际系统所受的扰动而可能引起的控制器（逆模型）不收敛，实际控制表明该系统对期望加载轨线具有良好的跟踪能力，同时对系统干扰和不确定性具有较强的鲁棒性。     

基于电流测试的混合信号电路故障检测和定位

针对集成电路测试中模拟和混合电路的测试问题,提出了一种基于小波分析的电流测试实现混合信号电路故障诊断的方法。该方法先测试电路在激励信号下的动态电流,再利用小波变换对采样动态电流信号进行小波分析来诊断电路是否存在故障,并进一步定位故障。对示例ADC电路仿真试验的结果表明该方法比积分法和傅立叶分析方法对故障有更高的灵敏度,不仅能够有效检测出电路中的各种故障,而且能对故障进行定位。     

基于Matlab的开关磁阻电机控制系统仿真建模研究

在分析开关磁阻电机(SRM)数学模型的基础上，提出了SRM控制系统仿真建模的新方法。在Matlab／Simulink中，建立独立的功能模块，如电机本体模块、速度控制模块、电流控制模块、转角选择模块等，再进行功能模块的有机整合，搭建SRM控制系统的仿真模型。系统采用双闭环控制：速度环采用PI控制，电流环采用角位置控制与电流斩波控制相结合的方法，保证了SRM在低速或高速运行时都可获得满意的性能。仿真结果证明了该SRM建模方法的合理性、有效性，为实际电机控制系统的设计和调试提供了新的思路。     

Implementation of Time-Scale Transformation Based on Continuous Wavelet Theory

1.INTRODUCTIOnThebasicobjectiveoftime-scaletransformationistocompressorexpandthesignalintimefieldwhilekeepingthesamemagnitudeproperties.Byagivensquare-integrablefunctionf(t)thatisdependentontime,thispaperconstructsanexpectedfunctiong(t)~f(i/A)(^>0)throughcontinuouswavelettransformandinversetransform.Thetime--scaletransformationofsignalorfunctioncanprovidemailyillterestingapplications.FOrinstance,oneapplicationisforthephonocardiagramprocessingbyexpandingtime-scaletransformtorecognizeanopen…     

连续时间环结构神经网络及其设计

在已有文献的基础上,给出了环结构神经网络的连续形式,它是Ｈｏｐｆｉｅｌｄ神经网络和双向联想记忆（ＢＡＭ）神经网络的推广,可以完成多类样本之间的互联想记忆．文中还给出了其综合设计方法．     

线性时变RLCM网络瞬态分析的一种新方法

本文从电路理论和数值积分的基本原理出发．导出了线性时变ＬＣＭ的通用伴随模型，提出了线性时变ＲＬＣＭ网络瞬态分析的一种新方法──伴随模型法。采用这种方法，不仅可以使线性时变ＲＬＣＭ网络的瞬态分析变得如同线性时不变电阻性网络的直流分析一样简单，而且很容易满足不同精度要求和数值稳定性的需要。     

融合LSTM和MoE的倒闸操作识别

为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法 MoE-LSTM。基于MoE对LSTM进行集成,学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集,基于滑动窗口对动作序列进行切分;将动作序列输入到MoE-LSTM中,由不同LSTM独立学习不同动作的时序依赖;通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明：不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。     

随机模糊神经网络在公司收益预测中的应用

系统介绍了随机模糊神经网络(SFNN)并将其用于上市公司每股收益的分类和预测，以解决—般的预测方法没有考虑到输入输出数据含有“噪声”的现实问题。文中选取了300家当前正在上海或深圳证券交易所上市的公司作为样本，用随机模糊神经网络对其每股收益的分类和预测进行了仿真研究，并将仿真结果与用模糊神经网络(FNN)的仿真结果进行了对比，结果显示用随机模糊神经网络的仿真效果较好。这对于投资者合理把握投资机会，正确投资以获得更高的收益有着一定的现实意义。     

基于遗传算法的脉冲耦合神经网络自动系统的研究

Eckhorn等人提出的脉冲耦合神经网络(PulseCoupledNeuralNetwork,以下简称为PCNN)在图像处理中得到了十分广泛的应用,但是其多个参数的设置给实际应用造成了很大的困难。尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割结果影响很大。而遗传算法具有对参数自动寻优的优势,为此,将其和PCNN相结合提出了一种基于遗传算法的PCNN自动系统的实现方案,并应用于图像分割。分割试验仿真结果验证了该自动系统方案的正确性和可信性,即不仅可以实现正确的图像分割,而且参数可以自动设置省去了人工试验的麻烦,同时分割速度也有所提高。     

基于小波网络的水下机器人执行器故障诊断

针对水下机器人系统的不确定性使得对其进行建模比较困难的特点,提出采用一种改进的小波网络进行水下机器人运动建模。该网络通过学习,调节小波函数的伸缩和平移以及网络连接权,既能逼近函数的整体轮廓,亦能捕捉函数变化细节,使得函数的逼近效果较好。通过比较模型的输出(运动状态估计值)与实际测量值来产生残差,分析残差提取故障判断准则,从而进行执行器故障诊断。仿真试验验证了该方法的有效性。     

基于神经网络再建模的模糊PID控制器精简化研究

针对模糊控制算法的计算复杂性和实时性能差的问题,以模糊PID控制器为研究对象,利用神经网络的万能函数逼近能力,通过神经网络二次建模,精确的逼近已知的模糊PID控制器,从而减少运算量,实现实时控制.然后,给定不同的输入信号,分别用模糊控制器和等效神经网络模型控制同一个被控对象.结果表明,控制效果非常相似.因此,用精简的神经网络模型来代替模糊控制器,可减少计算的复杂性,避免维度灾难,提高实时性能.     

基于神经网络的直流电机网络延迟补偿研究

对于网络控制系统,由于网络引起的延迟,数据包丢失等问题往往会影响控制系统的性能.本文基于工业控制软件中间件Labmap和德国Wag0公司的接口硬件构建直流电机的网络控制平台,通过PC机的MATLAB/SIMULINK构建直流电机控制方案.针对网络传输延迟问题采用神经网络逆控制方法设计了一个网络延迟补偿器,实验结果说明能够较好地补偿网络传输的延迟,使得电机转速较好地跟踪输入的目标转速控制信号.