无失效指数分布参数的模糊加权最小二乘估计

无失效数据的出现，使分布参数的估计成为可靠性评定的又一关键问题。在对指数分布进行参数估计时，引入模糊加权系数，利用模糊加权最小二乘估计对数据进行回归拟合，推导出模糊加权失效率的估计式。由于无失效数据失效概率的确定对参数的估计结果有较大的影响，以减函数法确定失效概率的Bayes估计，并进行模糊加权线性回归。回归结果与常规线性回归结果相比，更接近工程实际。     

基于Petri网下的哲学家就餐问题的模拟与验证

哲学家就餐问题可以看作当应用程序中包含并发线程的执行时,处理共享资源合作的一个有代表性的问题,该问题是评价同步方法的一个测试标准.利用Petri 网的C/E系统来模拟哲学家就餐问题具有很好的实用背景,因为C/E系统下的条件事件集的发生可以用开关或者门电路来实现.通过采用C/E系统来完善哲学家就餐问题的模型,并给出一个可以允许外部条件来加以有选择控制的模型.     

基于进化ANFIS的制导炸弹智能控制系统研究

针对目前制导炸弹命中精度低的问题,首次提出一种基于进化自适应神经模糊推理系统(ANFIS)的制导炸弹智能控制系统。该系统不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验来获取控制信息。规则库是通过系统对训练数据进行自学习,并在自学习的过程中引入遗传算法进化调整系统结构和参数而建立的。通过计算机仿真,该智能控制系统具有精度高、泛化功能强且实现了调整智能化等优点。可以预见,这种智能控制系统在军事上有很好的应用前景。     

复杂性科学研究现状与展望

研究和总结了复杂性、复杂系统与复杂性科学的基本概念，尝试给出了复杂性科学的定义：总结了复杂性科学的研究对象、基本原理和基本研究方法；综述了国内外研究现状，指出了存在的问题和今后需要重点研究的问题；提出了我国发展复杂性科学的建议。     

基于整数到整数小波变换的图像编解码器设计

为设计具有低运算复杂度和渐进传输特性的图像编解码系统,采用对图像进行整数到整数小波变换,变换后的系数采用空间方向树结构进行了重新组织。整数到整数小波变换的优点使编码器的运算量有较大幅度降低,空间方向树结构使编码器获得了嵌入式码流。试验表明,该系统可在一定程度上满足图像信息在存储、网络浏览以及传输方面的需求     

区间代数理论扩展

以区间代数为基础,对其进行理论扩充。对基本初等函数,如三角函数、反三角函数、指数函数、幂函数等进行区间扩展,这样任意初等函数的一种区间扩展形式都可以通过对扩展后的区间基本初等函数进行有限次四则运算和复合运算得到。对一类条件函数进行区间扩展,并且证明了扩展后所得的区间基本初等函数和区间条件函数具有单调包含性     

激波诱导矢量喷管内流场动态特性数值研究

以二维收敛扩张喷管为对象,利用二维非定常雷诺平均N-S方程和RNGk-ε两方程湍流模型对基于激波控制的射流推力矢量喷管非定常流场进行研究,分析了二次流总压连续变化对喷管流场和推力性能的影响,结果表明:随着二次流总压的增大,二次流与主流干扰形成斜激波强度增加,激波向喷管上游移动;二次流总压增加到一定值后会在二次流入口附近形成回流区,回流区面积随二次流总压的增加而增大;二次流总压连续增加时,喷管轴向力连续增大,侧向力和推力矢量角先增大后减小,推力系数随二次流总压的增加而较小.     

人工神经网络在汽车轮胎侧偏特性研究中的应用

引入人工神经网络理论中应用广泛的多层前向ＢＰ网络模型,进行汽车动力学仿真中轮胎侧偏特性的研究,得到轮胎侧偏特性的人工神经网络模型,并以实例验证这种建模方法的准确性和实用性。     

A kind of Generalized Learning Model

1　IntroductionSymboliclearning,connectivelearning,fuzzylearningandevolutionarylearningarethepresentfundamentalmethodsformachinelearning[1～3].Eachofthemhascharacteristicsandadvantages,andcancarryoutmachinelearningtasksincertainregioneffectively.Howe...     

基于变神经网络的非线性最小方差预测控制器

提出基于变神经网络学习动态系统参数的最小方差预测控制器。其目的是通过在线学习 ,使控制器(MVPC)能适应被控对象参数变化和非确定性。提出的变神经网络由两部分组成 ,一部分是线性神经网络 (LNN) ,作为被控对象局部线性动态模型 ,另一部分是多层交叉回归神经网络 (DRNN) ,它近似为非线性动态模型。由于引进递推最小方差算法 ,本控制器运算速度相当快。仿真结果表明所提方法对非线性系统自适应控制是有效的