光栅投影三维测量中一种新的线条纹细化算法

针对光栅投影三维测量中的线条纹,提出了一种新的条纹细化方法。实验证明,该算法获得了理想的处理效果。     

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。     

基于类神经网络的垃圾邮件过滤技术研究设计

由于目前尚无论文使用类神经网络针对中文内容的邮件进行垃圾邮件的辨识,因此希望通过实验了解,使用类神经网络对于垃圾邮件的辨识是否可行。关键词数目对于垃圾邮件的辨识是否会有影响;将邮件分类使用二分法以及实际使用测试资料中垃圾邮件的七个分类加上正常邮件共八类,此两种分类结果,对于使用类神经网络辨识垃圾邮件是否会有影响。     

Cohen-Grossberg神经网络周期解的全局稳定性

讨论了Cohen-Grossberg神经网络周期解的存在性和全局指数稳定性.讨论的模型非常综合,包含了大部分的模型,利用的条件非常弱,取得的结果非常简洁.     

不定四元欧氏空间中的拉格朗日H-脐子流形

定义了不定四元欧氏空间Qnk以及其中的不定拉格朗日 H-脐子流形,并且给出了它们的完全分类定理,从而推广了陈邦彦,Oh和Kang的结果.     

耦合CPG神经网络的节律分析

为了研究由中间神经元耦合的CPG神经网络对肢体动物节律性步态运动的动力学特性,本文考虑了2个CPG耦合的神经网络,在外界药物刺激影响下,肢体动物左、右肢节律性步态运动模式的转迁以及中间神经元对步态运动的影响;通过分岔理论确定神经元产生周期放电的参数范围;讨论在外界激励变化下,同侧屈伸肌中心的放电周期、静息阶段、兴奋阶段与振幅的变化规律,并表明外界刺激将影响左右肢的同步和交替模式的转迁;通过移除不同的中间神经元路径,讨论中间神经元对步态运动模式转迁的影响。结果表明：左、右中心在不同耦合情形下表现出相同的特征。     

基于深度学习和IHPO的桥梁结构模型修正方法

针对桥梁结构模型修正中实测振型不完备的问题,基于简支梁动力试验,利用卷积神经网络强化实测非完备振型,联合强化后的完备振型和实测频率构建目标函数,采用改进的猎食者优化算法修正结构有限元模型,并与用实测非完备振型和频率构建目标函数进行模型修正的方法进行对比。结果表明：基于深度学习和改进猎食者优化算法修正的简支梁结构有限元模型的前4阶频率与实测值误差均小于0.5%,振型的模态置信准则值均大于0.99,且模型修正的平均消耗时间比使用实测非完备振型进行模型修正时少45%;所提出的方法具有更高的精度和效率,且传感器数量仅为4个时12单元简支梁也能获得精确的模型修正结果。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。     

基于异质分类器集成的蛋白质结晶倾向性预测

X射线结晶学是确定蛋白质分子结构的重要方法之一。准确预测蛋白质的结晶倾向性对于基于X射线结晶学的蛋白质结构确定的成功率具有重要意义。该文提出了一种基于异质分类器集成的方法,以进一步提高蛋白质结晶倾向性预测的准确率。首先从蛋白质序列出发抽取氨基酸组成成分、伪氨基酸组成成分、伪位置特异性得分矩阵以及伪溶剂可及性特征,并将这些特征进行组合;然后,在特征空间训练多个异质分类器并进行集成。该文所提方法在公开训练集上的五重交叉验证及独立测试集上的马修斯系数分别达到了0.64及0.73。与现有的基于序列的蛋白质结晶倾向性预测方法的对比结果进一步验证了所提方法的有效性。     

具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks, RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。