高阶神经网络与二阶隐马尔柯夫模型的统一的数学模型

随着VLSI技术的迅猛发展,对神经网络与隐马尔柯夫模型(HMM’s)之问的关系研究已成为信息处理领域的一个重要的研究方向.在分析高阶神经网络和二阶HMM’s的结构及算法的基础上,提出了这两种模型的统一数学模型,从而为这两种模型的systolic设计奠定了基础.     

基于马尔柯夫链的教学质量评估模型研究

利用马尔柯夫过程的无后效性建立其在教学质量评估中的模型,可剔除学生原有成绩基础差异,从学生成绩变化的角度较客观地评价教师的教学效果.而根据期末考试成绩来评估教学效果引起的不公平问题,也可解决不考虑学生原有基础只有利于提高教学管理的质量和水平.文中给出了建立教学质量评估模型的原理和步骤并作了简要分析.     

用神经网络构造鲁棒HMM‘s

对窗口神经网络与鲁棒ＨＭＭ＇ｓ之间的关系作了新的探讨，指出了鲁棒ＨＭＭ＇ｓ是循环的ＢＷＮＮ的特殊情况。讨论由ＲＢＷＮＮ构造用于噪音环境下语音识别的组合ＨＭＭ＇ｓ和二阶ＨＭＭ＇ｓ的算法，给出了它们相应的网络结构。     

矢量量化技术和隐马尔柯夫模型方法在韵母识别中的应用

本文应用矢量量化技术(Vector Quantization)和隐马尔柯夫模型方法(Hidden Markov Model)为一个全字汇量的孤立字普通话语音识别系统设计了韵母识别子系统.该系统由韵母信号析取器、滤波器阵列特征分析器、矢量量化器、预识别器、隐马尔柯夫模型匹配器和决策器组成.根据对汉语中1172个不同音节的语音信号测试结果,决策器输出的准确率(即系统的最后识别准确率)为89.5%,而前两个估计的识别准确率则达到97.2%.系统的训练包括生成矢量量化器的码字和为每一个韵母建立隐马尔柯夫模型,改进了Linde 等人提出的码字生成算法,提出了一个得到隐马尔柯夫模型参数的系统化方法.     

隐马尔柯夫模型在话者识别中的应用

讨论了马尔柯夫模型的基本原理及在许者识别中的应用,并且实现了一个文本有关的话者确认系-统,其最高正识率为９８％。     

积分马尔柯夫谱的一些结果

在ＬａｓｏｔａＡ，ＭａｃｋｅｙＭ，ＴｒｙｃｈａＪ，ＴｙｓｏｎＪ和Ｈａｎｎｏｓｇｅｎ专家们的一些文章中出现了平稳密度，用积分马尔柯夫算子的数学模型来研究问题，本文在理论上进一步研究积分马尔柯夫算子，获得一些结果。     

股市预测的马尔柯夫过程模型

给出了用马尔林夫过程预测股市短期或中长期走势的一种方法，对其它技术分析方法作了有益的补充。     

轮胎纵向力的神经网络模型

将人工神经网络方法用于轮胎纵向力特性的建模,建立了以滑移(转)率为变量,以垂直载荷为参变量的轮胎纵向力神经网络模型。对轮胎实测数据与神经网络模型预测结果的对比表明,轮胎神经网络模型的精度能满足工程要求,BP前馈神经网络可有效地应用于车辆轮胎纵向力特性的数学建模,且建模过程简单,模型计算较快,预测精度较高。     

基于马尔柯夫过程的可修系统可靠性建模

针对可修系统的可靠性、维修性计算问题,运用马尔柯夫过程数学模型对可修系统可用度和可靠度进行数学建模.首先推导出单部件可修系统可用度与可靠度的表达式,在此基础上,推导出工程上常用的两并一备复杂可修系统可用度与可靠度的表达式,总结出求解复杂可修系统稳态可用度的简单方法.两种方法结论一致,为进一步研究可修系统可靠性、维修性提供重要理论依据.     

基于神经网络调速系统故障诊断的数学模型

水轮发电机的调速系统是水轮发电机进行负荷和频率调节的重要元件，对调速系统自身故障进行准确、快速的诊断十分必要。通过对调速系统运行、实验和故障特点的分析，引进先进的人工神经网络的方法，建立了一种新型的调速系统故障诊断模型，对生产实际有很大帮助。     

轧制力预报中的神经网络和数学模型

采用ＢＰ神经网络方法预报热连轧精轧机组轧制力·通过训练数据预处理、利用遗传算法优化网络结构和参数、按钢种划分训练样本等方法,提高了网络的预报精度,优于传统的数学模型方法·ＢＰ神经网络与数学模型相结合的综合神经网络方法,进一步提高了轧制力的预报精度·预测结果与实测数据比较表明,相对误差基本在±７％以内,实现了精轧机组轧制力的高精度预报     

细胞神经网络生物视觉信息处理模型

分析了连续细胞神经网络,离散细胞神经网络和时滞细胞神经网络的数学模型和在图像处理方面的特点.根据人类视觉的产生机制,提出了一种由多个细胞神经网络组成的生物视觉信息处理模型.该模型充分利用了细胞神经网络的并行处理能力,具有快速性.本工作可作为机器人仿人视觉与视觉信息处理的研究基础.     

神经网络的自旋玻璃体模型中的高阶相关

讨论神经网络的自旋玻璃体模型,首先从一个集合选出接近一个初始神经组态的图形,然后假定神经网络动力学中的神经组态,经转换神经元实现这个假设,来自干扰图形的噪声影响许多亚稳态的状况,大数目N的神经元网络存储多个图形,其大小是N个二进制数,对n＝3,网络能量最小,这个能量函数可描述三自旋相关的自旋玻璃体系,在神经元N＝20网络对不同阶进行了比较,推测三神经元相互作用在生物系统中是可实现的。     

神经网络的动力学行为与信息处理

从一个神圣神经元模型出发，研究了由１０００个神经元组成的网络中神经元动作电位发放的动力学特性。由神经元动作电位发放的动态时间一空间图形和时间间隔序列，我们发现在周期性外刺激下网络动力学行为表现出复杂的时空结构。     

神经网络：一种全新的多媒体技术

数据压缩和高速数字信号处理技术,实时多任务操作系统等已成为当前研究的热门,这说明多媒体技术已愈来愈受到重视。近年来,神经同络(Neural Network——NN)的研究也获得重大成就,并因其并行处理能力、分布式存储信息及自组织自学习的特点,而在各个领域中获得了广泛的应用,这将对多媒体技术的发展起着深远的影响。     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｉｌｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样，对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论。此外，还分析了初始突触强度对学习效果的影响，计算不同存储力图样数目下的平均吸引半径。     

高阶时滞神经网络模型的全局指数稳定性

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究.在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性,只要求系统的参数满足是一个M矩阵的情况下,利用推广的Hanalay不等式和上右导数导得系统全局指数稳定性的若干充分条件.为二阶时滞神经网络稳定性的新方法、新结论.     

植物种群灰色马尔柯夫模型的初步研究

探讨植物种群灰色马尔柯夫模型的理论和方法。对日本落叶松人工种群的密度的自然变化过程模拟和预测，表明灰色马尔柯夫模型是一种较为理想的种群动态模型。