基于神经网络模型的聚类分析技术研究

聚类分析已成为数据挖掘,模式识别等应用领域研究中非常活跃的研究课题.在聚类分析方法中,基于神经网络的算法,由于考虑到“噪声”或异常数据,可以自动确定聚类个数,可以产生鲁棒的聚类方法,而竞争学习神经网络、SOFM神经网络方法是其中有代表性的方法,对其进行了分析研究,并给出了引入可变速度的训练算法。     

模糊Hopfield神经网络及其模糊聚类功能

首先提出了具有模糊逻辑计算功能的模糊Hopfield神经网络-FHN.FHN中的神经元对应于模式集合的元素，权重矩阵对应于模式之间的模糊关系，最后讨论了FHN的稳定性和基于模糊距离关系的模糊聚类功能，研究表明FHN在模糊模式识别中具有广泛的应用性。     

基于Chebyshev基函数模糊神经网络的快速辨识方法

神经网络的非线性逼近能力的研究是神经网络成为辨识模型的理论基础。首先研究了基于正交多项式函数的神经网络逼近理论和方法,并在此基础上证明了新型Chebyshev神经网络具有良好的非线性并研究了它的全局最优逼近性质。然后提出了一种用于复杂非线性系统辨识的基于Chebyshev基函数的模糊神经网络模型和学习算法。该模型以Chebyshev基函数为隶属函数,规则后件采用输入变量的线性函数,无需调整隶属函数的参数,只是采用BP学习算法学习后件参数,因而大大减少了模型算法的计算量,学习算法简单,加快了学习收敛速度,而且不使网络结构复杂,设计简单。仿真结果表明所提模型和方法的有效性。     

精确复原退化图象的连续Hopfield网络研究

提出一种改进的全并行自反馈连续Ｈｏｐｆｉｅｌｄ网络和于图象复原。理论分析表明，该改进的Ｈｏｐｆｉｅｌｄ网络模型能使网络能量更精确地收敛到全局极小，从而提高复原图象的质量。对该网络复原匀速直线运动模糊图象的结果与Ｐａｉｌ方法得到的复原图象进行了比较，发现该方法得到和复原图象信噪比提高显著，目视效果更佳。     

基于Hopfield神经网络的系统优化

分析Hopfield型神经网络的系统特征及其优化方面的应用原理,证明了DHNN的权值公式,改进了基于Hopfield型神经网络的系统优化模式,总结相对传统优化方法的特点。     

基于神经网络的智能多用户检测技术在CDMA中的应用

多用户检测技术是第 3代移动通信系统IMT 2 0 0 0中的一项关键技术。求解最优多用户检测器的目标函数的最小值问题可以转化为求解Hopfield神经网络的能量函数的最小值问题。对两种基于神经网络的智能多用户检测器进行性能分析和计算机仿真 ,通过与最佳多用户检测器和传统检测器的比较 ,证实了这两种神经网络检测器都能较好地实现多用户检测的功能 ,因此 ,神经网络多用户检测技术是一种切实可行的方案     

基于改进Paik型Hopfield网络的图像复原

针对图像复原提出了一种改进的Paik型Hopfield网络神经元状态变化规则,在此基础上详细讨论了全并行算法的收敛性、残值误差和能量变化,并依据"由粗至精"的思想和相邻精度层能量变化差估计提出了一种改进迭代算法.仿真实验表明该方法能无限逼近能量极小点,大大提高了Paik型Hopfield网络的精度和收敛速度.     

Direct adaptive control for a class of MIMO nonlinear discrete-time systems

This paper considers the problem of adaptive con-trol for a class of multiple input multiple output （MIMO） nonlinear discrete-time systems based on input-output model with unknown interconnections between subsystems. Based on the Taylor ex-pand technology, an equivalent model in affine-like form is derived for the original nonaffine nonlinear system. Then a direct adap-tive neural network （NN） control er is implemented based on the affine-like model. By finding an orthogonal matrix to tune the NN weights, the closed-loop system is proven to be semiglobal y uni-formly ultimately bounded. The σ-modification technique is used to remove the requirement of persistence excitation during the adaptation. The control performance of the closed-loop system is guaranteed by suitably choosing the design parameters.     

不同土壤对心叶烟和三生烟种子萌发率的影响

测定了四种不同土壤的基本理化性质,并分别用其培育心叶烟和三生烟种子,统计两种烟草种子在四种土壤中的萌发率.结果表明:两品种烟草种子萌发率在育烟基质与其他3种土壤间有极显著差异(p<0.01),而在两烟草品种间差异不显著.     

X射线荧光自动分类分析技术在矿产资源环境评价中的应用

在X射线荧光分析过程中,由于分析样品中元素的母质来源及形成条件不同,存在明显的吸收增强-基体效应.本文针对该类影响产生的偏差,通过研究归纳基体产生的特征和物理参数规律,提出合理正确的对样品进行分类是消除元素间基体效应的根本途径.通过神经网络方法建立样品自动分类模型,能够对各种不同的样品进行自动分类识别.经过初步应用,与传统方法进行对比,具有自学习、自组织的特点,不需要对样品做任何假设,所建立的自动分类模型稳定性好,可以多次运作,对未知样品的识别率较高,并且具有很强的容错、抗干扰能力,识别速度较快,基本上可以消除由于不同类样品元素间效应引起的基体效应影响.