人工神经网络及其在焊接中的应用

介绍了ＢＰ网络、Ｈｏｐｆｉｅｌｄ．网络、ＡＲＴ网络和ＣＭＡＣ网络等几种主要的神经网络模型及其特点，阐述了神经网络在焊接领域中的应用，如焊缝跟踪、焊缝成型控制、缺陷检测、焊接接头性能预测及焊接过程稳定性控制等方面的研究现状，并探讨了其发展趋势．     

LBAM神经网络及其在图像识别中的应用

本文提出了一种用于图像识别的神经网络。它由映射网络ＭＮ和ＬＢＡＭ网络组成。ＭＮ中使用了不变性换法，降低了图像样本的维数肯保持分类距离不变。在设计ＬＢＡＭ网络时，通过全局考虑，使得网络的吸引点和吸引区域满足实际全局最优之需要。ＬＢＡＭ具有网络结构简单和收敛速度快的优点，计算机模拟证实，此网络具有对缺损和噪声图像进行正确识别的能力。     

Fieldbus网络通信模型中的MAC层

针对现场总线网络模型的实时特征，讨论了其ＭＡＣ层中的通信协议问题，包括有ＦＢＣＯＳ／ＭＡＣ协议族的优先决策、实时虚电路和预约协议；ＦＢＣＬＳ／ＭＡＣ协议族的ＭＬＦ窗口协议和虚时间ＣＳＭＡ协议．在此基础上，概括和推广了基于ＭＬＦ窗口协议既支持ＦＢＣＯＳ又支持ＦＢＣＬＳ的统一窗口协议．不但完成了对ＦＢＣＯＳ／ＭＡＣ，而且也完成了对ＦＢＣＬＳ／ＭＡＣ通信协议的实时性、时间确定性和网络开销等通信模型进行了仿真分析，并且给出了数值结果．     

ARMAX模型与多层BP网络流量演算法比较

分别给出了将ＡＲＭＡＸ模型及多层ＢＰ网络应用于流量演算中模型参数确定的方法;提出了一种可进行误差实时校正的改进ＡＲＭＡＸ模型,并认为该模型实质上是一种特殊的两层ＢＰ网络;用一个实际算例将改进ＡＲＭＡＸ模型与多层ＢＰ网络两种方法作了对比分析．     

IBM的LAN管理策略

介绍了计算机网络管理的体系结构和协议，分析了ＩＢＭ的局网技术，着重论述了ＩＢＭ的ＬＡＮ（局网）管理策略并给出了它的一个具体应用例．     

互连网络环境中MMS实现

本文在对Ｃｏｎｃｏｒｄ公司ＭＡＰ３．０ＭＭＳ产品的实验研究基础上，提出一种通过ＭＭＳ服务应用使ＭＡＰ网与ＢＩＴＢＵＳ网络互连的设计方案，并成功地进行了互连实现。     

关于卵形弧的扭转

证明了下列定理：定理设ＡＢ是一正则卵形弧，其全曲率小于π２，将ＡＢ扭转成为ＡＢ，ＡＢ上任一点Ｍ在ＡＢ上的对应点为Ｍ．则Ｍ到直线ＡＢ的距离不小于Ｍ到直线ＡＢ的距离．还给出了这定理的一些应用．     

沙田柚自交、异交花柱蛋白质的双向电泳

比较分析了沙田柚自交授粉花柱和异交授粉花柱的双向凝胶电泳图谱,两者的蛋白质分布格局相似,具有重叠性,可分析出１００多种蛋白质,在自交花柱电泳图谱中发现３种特异蛋白质（Ａ,Ｂ,Ｃ）,Ａ蛋白质ＭｒＡ＝３２．０ｋｕ,ｐＩ＝７．２;Ｂ蛋白质ＭｒＢ＝２６．０ｋｕ,ｐＩ＝７．２;Ｃ蛋白质ＭｒＣ＝２５．０ｋｕ,ｐＩ＝６．５,这３种特异蛋白质可能与自交不亲和性相关。     

一种基于模糊神经网络的变压器故障检测

阐述了基于模糊神经网络变压器故障检测的方法及数学模型．从传统的ＢＡＭ 网络入手,结合模糊理论,根据变压器油的气相色谱分析,运用基于模糊Ｈｅｂｂｉａｎ 学习律的模糊联想记忆（ＦＡＭ）,进行变压器故障类型和严重程度检测的方法步骤．模型算法分为两个步骤：激励阶段和冲突解决阶段．试验表明,该方法精度较高,应用方便．     

月季组培快繁技术研究

利用月季为材料，进行较大规模组培快繁技术研究，改进了表面灭菌，效果较好．ＭＳ＋ＢＡ０．５诱导腋芽萌发成枝较好；ＭＳ＋ＢＡ１．０＋ＮＡＡ０．１用于伊丽莎白及黄和平增殖较好，而ＭＳ＋ＢＡ２＋ＮＡＡ０．１用于黄玫瑰增殖较好，萨蔓莎及维莎则用ＭＳ＋ＢＡ３＋ＮＡＡ０．１较好；ＭＳ＋ＢＡ０．１～０．２＋ＮＡＡ０．１用于各品种月季壮苗效果都理想；０．５ＭＳ＋ＩＢＡ０．２～０．５＋活性炭５ｇ／Ｌ能较好诱导各品种试管苗生根，但黄玫瑰用ＮＡＡ０．２代替ＩＢＡ效果更理想．本文还研究了培养基中替代物使用，提出了与前人不同的观点     

基于RBF神经网络的线性混叠盲分离算法

提出一种RBF神经网络算法应用于线性混叠信号的盲分离。所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值,再训练通过用最大熵值的代价函数推导的权值。所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离。仿真验证了所用的算法能减少分离时间和提高分离效率。对比ME算法,该算法更好。     

基于预训练模型和多视角循环神经网络的电力文本匹配模型

针对传统方法未能考虑词向量的动态性及句子间交互不充分等问题,提出基于BERT预训练模型及多视角循环神经网络的文本匹配模型。通过BERT-whitening方法对BERT输出的句向量进行线性变换优化,并利用多视角循环神经网络将两句子不同位置的BERT动态词向量进行双向交互计算;将句向量与词粒度交互向量进行融合后计算结果。实验结果表明,提出的模型相较于对比模型有明显性能提升,实用性良好。     

基于神经网络的一种改进的向量量化方法

用LBG算法产生的码书,其码向量在码书中的排列是无序的.用此序号作为向量量化器编码输出时,对信道误码特别敏感.为了控制由于信道误码而导致整个向量量化通信系统性能严重下降,基于Kohonen网络的自组织特征映射(SOFM)算法进行向量量化分析,并针对SOFM算法性能上的缺陷,提出了一种改进的自组织特征映射算法.新算法引入失真敏感参数,对网络参数进行优化,通过调整码字的部分失真来指导神经网络的学习.通过仿真试验,从峰值信噪比的提高验证了算法的优越性.     

一种复合型前馈神经网络结构

ＢＰ网络是一全局逼近的网络,通常,在对样本数据的选取要求上,它不如ＲＢＦ网络高,即ＢＰ网络在训练样本数据的代表性不强时也可表现出对非线性函数较强的逼近性能,鉴于此,作者提出了一种复合型前馈神经网络结构在此结构中,笔者采用了ＢＰ神经网络对训练数据进行预处理而得到径向基函数（ＲＢＦ）网络的初始中心矢量点集的方法该方法使得ＲＢＦ网络中心矢量点集由传统的随机确定改为对它的优化选取,由它确定的ＲＢＦ网络的中心矢量具有相当的柔性,从而增强了径向基函数（ＲＢＦ）神经网络整体的泛化性及鲁棒性,最终使得该复合型神经网络具有了很好的精度和泛化性仿真结果表明了本文所提网络的有效性     

基于矢量量化与神经网络的调色板设计

用基于神经网络的关量量化方法实现面向图象的调色板设计，以均匀颜色空间的距离作失真测度，以矢量量化的码书设置颜色寄存器的颜色值。实验证明，效果令人满意。     

BP神经网络在连续梁桥施工监控中的应用

为了实现大跨度连续梁桥施工过程中立模标高快速、准确地确定,基于BP神经网络能逼近任意的函数与自适应算法结合的特点,将其运用到连续梁桥施工控制的标高预测中.通过有限元软件建立桥梁模型,结合参数的影响的分析,运用BP神经网络原理,根据实测值与理论值的对比分析结果来确定挠度预测的输入向量和目标向量,建立大桥高程偏差的神经网络模型.利用MATLAB程序的神经网络模型,完成对样本矢量的输入及对桥梁施工控制的网络训练,预测出下一阶段的标高值,以此反复进行,有利于立模标高更快更精确的确定,最终使桥梁的线形和设计线形达到很好的吻合.     

基于稀疏向量距离的网络入侵数据检测

传统的网络入侵检测速度慢、实时性差,且误报率较高。为此,提出一种基于稀疏向量距离的网络入侵数据检测方法。该方法首先对所获得的网络样本数据进行初步分析,采用K-means算法对样本数据包进行量化处理得到该数据流的位置分布集,使用压缩感知的稀疏编码技术处理,得到数据的稀疏表示,然后通过随机投影获取数据集的二值哈希编码可以近似地表示稀疏向量的距离,与设定的阈值进行比较,判断该数据是否为入侵数据。根据这些稀疏向量的距离能够快速而准确地检测到入侵的网络数据。实验结果表明,相对于传统检测算法,本文算法具有速度快、实时性好、误报率低等优点,使入侵检测系统的性能得到了很大提高,充分确保了网络的安全性。     

基于支持向量机的网络流量异常检测

提出了一种基于支持向量机的网络流量异常检测方法.分析了支持向量机的基本原理,结合网络流量异常检测的特点,讨论了异常检测的特征选择问题;提出了网络流量对称性、TCP报文SYN和SYN/ACK对称性以及协议分布等具有鲁棒性的特征参数,描述了数据的预处理方法.测试结果表明,所选特征参数可有效地检测网络攻击导致的流量异常变化,说明基于支持向量机的检测方法具有较好的泛化能力.     

支持向量机和人工神经网络在期权价格预测中的比较研究

期权定价已成为金融市场的重要组成部分之一。 由于市场是动态的,准确预测期权价格非常困难。 因此,设计和发 展了各种机器学习技术来预测期权价格未来趋势。 比较了支持向量机(ＳＶＭ)模型和人工神经网络(ＡＮＮ)模型在期权价格预 测中的有效性。 在测试和训练阶段,２ 种模型都使用公开可用的基准数据集 ＳＰＹ ｏｐｔｉｏｎ ｐｒｉｃｅ－２０１５ 进行测试。 ２ 种模型均采 用主成分分析(ＰＣＡ)转换后的数据,以达到更好的预测精度。 另一方面,为了避免过拟合问题,将整个数据集划分为训练集 (７０％)和测试集(３０％)２ 组。 将支持向量机模型与基于均方根误差(ＲＭＳＥ)的神经网络模型的结果进行了比较。 实验结果 表明:神经网络模型优于支持向量机模型,预测的期权价格与相应的实际期权价格吻合良好。     

基于加权最小二乘支持向量机的下水道可燃气体分析

下水道可燃气体分析是城市下水道可燃气体监测预警系统的重要组成部分.该文针对BP神经网络对下水道可燃混合气体分析存在速度慢、容易陷入局部最优,以及标准最小二乘支持向量机鲁棒性差的缺点,建立了一种基于加权最小二乘支持向量机(WLS-SVM)的下水道可燃气体分析模型.加权最小二乘支持向量机模型采用最小二乘线性系统,对误差变量进行权值设定,提高了学习速度和学习精度.仿真结果表明:基于WLS-SVM的下水道可燃气体分析模型优于所比较的BP神经网络和最小二乘支持向量回归机2种模型,具有优良的预测精度和鲁棒性.