简单Perceptron学习算法的收敛性

当输入是无穷集或区域时,通过构造一个上鞅,本文证明了简单Perceptron学习算法的收敛性。     

基于人工神经网络的青藏公路铁路沿线生态系统风险研究

根据青藏公路铁路沿线（50 km缓冲区）生态系统特征,选取雪灾、旱灾、崩塌滑坡等7项指标,依托人工神经网络MLP（Multilayer Percetron）模型,构建青藏公路铁路沿线生态风险评价模型。评价结果显示：青藏公路铁路沿线生态系统所跨越的6个自然区的平均生态风险值居前3位的是：柴达木山地荒漠区（4.2585）,果洛那曲高寒灌丛草甸区（2.7640）、青东祁连山地草原区（2.7335）;沿线10种植被生态系统平均生态风险值居前3位的是：针叶林生态系统（4.3096）、荒漠生态系统（4.1174）和无植被地段（3.6182）。在影响各区、各植被生态系统风险值大小的因素中,自然因素为主要控制因素,人为因素影响相对较弱。依据评价结果,将青藏公路铁路沿线生态系统划分为4个区：柴达木盆地高风险区、西大滩至当雄中度风险区、青东祁连和青南2个轻度风险区。     

多层陶瓷电容器及其发展趋势

简单介绍了多层陶瓷电容器（MLCC）的结构，重点介绍MLCC微小型、复合化、大容量、贱金属化，高频、高性能和环保化（无铅化）的技术发展。     

电容压力传感器的函数链接型神经网络建模方法

旨在开发一种计算简单的电容压力传感器的模型，以便经济、可靠地应用。分析表明，采用新型函数链接型神经网络建立的电容压力传感器模型，能够精确读出应用压力。它是一种能实现输入到输出的高度非线性映射并且运算高效的非线性网络，在建立传感器模型的类似性能上比多层感知器具有更高的运算优势。     

Performance Comparison of Neural Networks for HRTFs Approximation

In order to approach to head-related transfer functions (HRTFs), this paper employs and compares three kinds of one-input neural network models, namely, multi-layer perceptron (MLP) networks, radial basis function (RBF) networks and wavelet neural networks (WNN) so as to select the best network model for further HRTFs approximation. Experimental results demonstrate that wavelet neural networks are more efficient and useful.     

利用二阶网络和判别分析建立分层混合专家模型

利用多层二阶神经元网络快速收敛及逼近连续函数的良好性质,并结合判别分析思想,构建了一种新的分层混合专家结构模型。这种结构模型选用二阶网络作为专家模块,可调权值数量适中,收敛速度快;它首次引入判别分析统计方法,并借鉴模块化设计理念,构建了无训练参数的组合门网模块。专家和门网模块的改进与设计,从根本上降低了分层混合专家网络的训练难度,提高了网络的训练速度和泛化能力。对典型非线性pH值混合槽实例进行了实验,结果表明,在相同的终止条件下,与目前常用的结构模型相比,新型结构模型的收敛速度和泛化能力都得到了显著的提高,验证了新模型在函数逼近应用中的良好特性。     

Digital modulation classification using multi-layer perceptron and time-frequency features

Considering that real communication signals corrupted by noise are generally nonstationary, and time-frequency distributions are especially suitable for the analysis of nonstationary signals, time-frequency distributions are introduced for the modulation classification of communication signals. The extracted time-frequency features have good classification information, and they are insensitive to signal to noise ratio (SNR) variation. According to good classification by the correct rate of a neural network classifier, a multilayer perceptron (MLP) classifier with better generalization, as well as, addition of time-frequency features set for classifying six different modulation types has been proposed. Computer simulations show that the MLP classifier outperforms the decision-theoretic classifier at low SNRs, and the classification experiments for real MPSK signals verify engineering significance of the MLP classifier.     

基于多层感知器的异常数据实时检测方法

基于神经网络的多层感知器模型,结合滚动学习 预报机制,提出了一种异常数据实时检测方法.该方法在每个当前时刻通过最近的固定长度的历史数据训练神经网络,完成下一时刻的预报.通过神经网络模型残差,确定概率为P的置信区间.当下一时刻数据落入置信区间内,则该数据被判为正常;反之,则为异常.被判为异常的数据不再用作更新历史数据,而以相应的预报值代替.通过某300 MW燃煤火力电站实际过程数据的在线验证,结果证明了所提出方法的有效性.     

基于相变材料GST的红外隐身多层膜设计与光谱性能研究

为了实现在不同背景温度条件下的红外隐身, 需要研究具有可调发射率的红外隐身材料. 此外, 多波段兼容隐身技术在现代军事和科技中具有重要的研究价值. 本文设计了一种利用单一多层膜结构实现多光谱可调谐的超材料吸收器. 利用Ge2Sb2Te5 (GST)相变材料的晶态和非晶态不同属性, 该结构实现了在大气窗口8~13 μm波长范围内最大吸收率吸收从94.93%到9.19%的可控变化. 而且通过控制中间态, 结构对电磁波的吸收率可以实现连续变化. 同时, 该结构具有基于干涉效应的可调结构色, 通过改变顶层薄膜的厚度, 器件的颜色可以发生变化. 因而同时实现了在红外及可见光两个波段对电磁波的独立调控功能. 该超材料吸收器具有红外-可见光兼容隐身的潜在应用.     

基于金字塔池化网络的质子交换膜燃料电池气体扩散层组分推理方法

针对质子交换膜燃料电池气体扩散层(gas diffusion layer composition,GDL)形貌划分与制备工艺改进问题,提出了一种基于金字塔池化网络(pyramid scene parsing network,PSPNet)与多层感知器(multi-layer perception,MLP)的气体扩散层组分识别与比例推理方法：首先将带标签的气体扩散层扫描电镜(scanning electron microscope,SEM)图片输入神经网络,得到特征图;得到的图像特征层进入金字塔池化模块后,获取SEM图像的深层和浅层特征;随后将深层和浅层特征图层融合输入全卷积网络(fully convolutional network,FCN)模块,得到预测图像;最后统计各个组分上的像素点比例,通过MLP完成组分比例推理。结果表明：所提方法组分识别像素准确率达81.24%;在5%偏差范围内,比例推理准确率为88.89%。该方法解决了气体扩散层多组分无法区分、比例无法获知的问题,可有效应用于气体扩散层的质检、数值重构以及制备工艺改进。