基于MLP实现水轮机适应式PID调节策略

提出一种基于ＭＬＰ模型实现适应式ＰＩＤ控制的策略．该策略不需要被控对象的精确模型，以经典的ＰＩＤ为基础，用神经网络实现，在给定评价函数下进行自学习．把它应用于单机运行的水轮机组频率扰动和负荷扰动仿真试验中，结果表明该策略对于被控系统的严重非线性有很好的适应性和鲁棒性     

一类神经网络多层感知器的全硬件实现

针对模式分类问题，给出了一种神经网络多层感知器数字电路硬件实现方法，该方法在硬件电路中不含有数字乘法器，从而有助于克服目前神经网络数字器件难以单片集成的缺限．采用该方法研制出了具体的硬件线路板，应用于一实际的分类问题，取得了良好的效果     

数字化管理与MDC人力资源培训开发

多层分布式企业等级较多、技术含量高和地处分散,传统的培训方式成本较高并且效果不明显.利用数字化管理技术对原有人力资源培训开发流程的分析再造,可以解决原有培训模式中的成本过高、工学矛盾突出及培训控制失效等问题,而且还可以提供组织和个人的培训需求分析计划,提高整个组织的人力资源水平.     

Feature Extraction and Classification of Echo Signal of Ground Penetrating Radar

0IntroductionGrvoeluonpde dpienne rtercaetinntg y reaardsa r, (wGhiPchR)is i se map lnoeywedte bcyh nsicqieunet idset-and engineers to obtaininformationfromsubsurface and man-made structures .It has advantage of quick,easy and non-de-structive way toi mage the first few meters of the subsurfaceSo,it is widely used in utility location,landmine detectionroad and airport runway inspection,geophysical survey,andarchaeological investigations ,etc[1 ,2]. Conventionally,radaecho signals can be form…     

一阶感知机平均记忆容量的界

本文对于二元输入一阶感知机平均记忆容量Ｃ（ｎ）（ｎ为输入模式向量的维数）进行了估计，得出其上、下界分别是２ｎ，１／２ｎ．     

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法. 通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别. 同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题. 实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.      

基于光学定律的多层介质反射系数研究

从电磁波的反射定律和折射定律出发,导出了多层介质的近似反射系数。给出了多层介质反射系数与两层反射系数之间的关系。近似反射系数与Maxwell方程组导出的反射系数形式上存在一项差异,分析可知该差异来自于忽略多次反射的假设。最后仿真计算了三层雷达吸波材料(radar absorbing material,RAM)的反射系数,并分析了反射系数随入射角和极化方式的关系。     

基于神经网络的分子性质预测算法研究进展

分子性质预测是材料化学领域的热点问题,基于第一性原理的计算方法虽然可以明确地描述体系中电子分布,但计算过程过于复杂,且计算复杂度随分子中原子增加呈指数级增长。近年来,随着相关研究的不断深入,涌现出多种多样的深度学习算法,将算法分为基于多层感知机(multi-layer perceptron, MLP)和图神经网络(graph neural network, GNN)两大类及六个子类,研究不同算法的特点。分析表明,MLP类算法结构简单,算法扩展性有限,与分子内部结构关联度不高;相反,GNN类算法融合消息传递机制,将分子间相互作用转换为结点、边之间的特征传递,在各向评价指标中占优。目前,基于深度学习的分子性质预测算法正从MLP类算法向GNN类算法过度。最后,提出基于深度学习的分子性质预测算法未来在数据集、各向异性特征传递、指导材料科学与生命科学中的实际应用等方面的发展方向。     

热释放率计算和预测的神经网络方法

基于多层前馈神经网络提出了火灾实验中不同材料热释放率的学习算法和预测技术．同时,将具有全局收敛特性的混合共轭梯度（ＭＣＧ）算法应用于该问题中多层前馈神经网络的训练,克服了传统ＢＰ算法收敛速度慢,推广性能差的缺陷．文中对ＭＣＧ方法进行了大量模拟,并将模拟结果与ＢＰ算法及带有动量项的ＢＰ算法作了全面比较,结果表明：ＭＣＧ方法不仅在学习速度和收敛性方面均优于传统的ＢＰ算法而且显示了良好的性能和行为     

模糊核超球感知器

提出了一种基于核化技术的模糊核超球感知器分类算法，该算法通过核化技术把样本数据映射到高雏特征空间，并利用超球感知器学习寻找高雏特征空间的决策超球，从而得到各类样本的决策函数．同时，样本测试中采用的模糊技术有效提高了算法的适应性．该算法学习规则简单，所得特征空间超球在样本空间的分布能很好地反映样本的数据结构，适用于不同类型数据结构样本的学习，并经大量试验显示了算法的有效性．