一种新的三次λ参数曲线的构造及其性质

利用Ｈｅｒｍｉｔｅ插值给出了三次λ参数曲线的构造，讨论了其性质，给出了凸性定理，并进一步利用三次λ参数曲线构造了Ｃ１连续的样条曲线和插值曲线，给出了插值曲线控制点的一般求法．     

电子信息系统雷击电磁脉冲风险评估方法

阐述了风险评估的定义，给出了雷击风险评估的方法，得出了雷击电磁脉冲的防护等级，最后给出了结论。     

等比数列的几何表示及其应用

本文给出了等比数列的一种几何表示法，并给出了这种表示法在求和等方面的应用，特别地给出了等比数列无穷项和计算公式推导的一种新方法．     

一种基于强计算的多属性决策方法及其应用

针对权重信息以实数形式给出，属性值以区间数形式给出的多属性决策问题，以强计算为基础，从统计学的基本思想出发，给出了一种数值模拟决策方法．该方法成功的避开了区间数难于比较的问题，具有很强的抗干扰能力，能够使决策结果客观合理，不具有主观随意性．最后通过实例，介绍了这种决策方法的基本步骤，验证了该算法的有效性，并给出了其在艺术类招生中的一个应用．     

一类推广的整数极小极大问题的求解算法

讨论了一类推广的整数极小极大问题，给出了问题最优解的充分必要条件，在此基础上给出了求解最优解的算法，最后，给出了一个数值例子。     

关于｛x／n｝的分布

讨论了的分布问题，ｘ为固定的大正数．若ａ和Ｒ为给定正数，０≤ａ＜１，１≤Ｒ＜ｘ，对适合不等式ａ≤＜ａ十的自然数ｎ的个数，给出了估计．当Ｒ大时，给出了渐近公式；当Ｒ小时，给出了上界估计．     

一个I型循环拟差集的构造程序

给出了一个Ｉ型循环拟差集的构造算法和计算机程序，利用这个程序，只要给出了一组参数（ｖ，ｋ，ｒ），就能得出是否存在相应的I型循环拟差集，如存在，将给出其所有的拟差集。     

鼠标在编程中的应用及其C语言实现

本文从鼠标中断入手，对鼠标在编程中的使用方法进行较细致的分析，创造性地给出了在程序中控制鼠标的具体方法，并给出了非常实用的C语言实例，同时本文还较详细地给出了如何设计中断处理程序的方法。     

关于Mn±1的分解的一个注记

最近，孙琦教授等给出了Ｍｎ±１的一类新的Ａｕｒｉｆｅｕｉｌｉａｎ分解．作者证明了它是Ｓｃｈｉｎｚｅｌ分解的一个推广，且是非平凡的，并给出了其计算量的一个估计．最后，给出了三个例子     

紧支集正交小波的自动联系函数及其导数运算

本文较为详细地给出了紧支集正交小波的自动联系函数的性质，并且显式给出了其导数计算的算法，对于常用的一阶和二阶导数，给出了它在正整节点处的数据表．     

LMBP和RBF在ECS特性曲线拟合中对比研究

为精确反映数字式涡流传感器的输入输出特性, 为其非线性补偿提供可靠依据, 对传统BP（Back Propagation）神经网络进行改进, 利用LMBP（Levenberg Marquart Back Propagation）神经网络和RBF(Radial Basis Function)神经网络对涡流传感器的输入输出特性曲线进行拟合, 并将两者拟合结果进行对比研究。仿真结果表明, 在训练样本数量相等且中小规模网络的条件下, 采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、 收敛速度更快且具有更高的拟合精度, 为工程实际中一维数据的拟合方法选择提供了依据。     

识别数学符号的神经网络方法

采用 BP网络和 Kohonen自组织特征映射网络组成的多级神经网络模型 ,对数学符号进行识别 ,引入“雪球”和平滑训练方法以提高网络性能 .实验结果表明 ,该模型对数学符号的识别 ,特别在有噪音污染的情况下 ,具有较好的效果 .     

基于BP神经网络的PID控制器研究

从BP神经网络的基本原理、学习规则和学习算法出发,研究了基于BP神经网络的PID控制方法,采用3层前向网络及动态BP算法,取得了较高的控制品质。仿真结果表明,基于BP神经网络的PID控制方法在处理非线性和时变系统时具有很强的鲁棒性。     

基于机会调度的上行认知中继蜂窝网络中断性能研究

对基于机会调度的上行两跳认知放大中继蜂窝网络的中断性能进行研究,导出了该系统的中断概率封闭表达式和高信噪比下的中断概率近似表达式。该系统中有多个源节点,研究表明,通过选择最优的次用户进行信息传输,系统中断性能可得到改善。仿真验证了理论推导的正确性。     

基于现代超启发式搜索方法的计算机通信网络中路由选择优化的研究

为了改进计算机通信网络的性能，首次采用近年来才开始应用、且具有很强灵活性的现代超启发式搜索方法——Tabu搜索方法，对计算机通信网络中重要的路由选择优化问题进行了详细的研究，得到了比经典的拉格朗日松驰及子梯度优化方法更优的结果，尤其在网络负荷很重的情况下，与其它算法相比，更显示出该方法的优越性，从而为计算机网络的优化理论提供了新的思路方法。大量的计算机仿真实验的结果表明，所得结论对于计算机通信网络以及电信网、电力网、交通运输网等，在其性能优化与评价、提高网络性能与效益、降低运营费用等方面，具有重要的理论价值和广阔的应用前景。     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

Performance Comparison of Neural Networks for HRTFs Approximation

In order to approach to head-related transfer functions (HRTFs), this paper employs and compares three kinds of one-input neural network models, namely, multi-layer perceptron (MLP) networks, radial basis function (RBF) networks and wavelet neural networks (WNN) so as to select the best network model for further HRTFs approximation. Experimental results demonstrate that wavelet neural networks are more efficient and useful.     

基于预测能力的贝叶斯网络结构学习

给出了变量之间预测能力的概念及估计方法,证明了预测能力就是预测正确率.在此基础上建立了基于预测能力的贝叶斯网络结构学习方法,并使用模拟数据进行了实验.实验结果显示该算法能够有效地进行贝叶斯网络结构学习.     

Performance Comparison of Neural Networks for HRTFs Approximation

In order to approach to head-related transfer functions (HRTFs), this paper employs and compares three kinds of one-input neural network models, namely, multi-layer perceptron (MLP) networks, radial basis function (RBF) networks and wavelet neural networks (WNN) so as to select the best network model for further HRTFs approximation. Experimental results demonstrate that wavelet neural networks are more efficient and useful.     

基于灰色关联分析的自适应神经网络及其在水轮机建模中的应用

以灰色关联分析为基础,提出了一种自构形神经网络的算法,实例表明,自适应神经网络是建立水轮机数学模型的有效方法。