基于DenseNet的机载雷达动目标检测

针对传统机载雷达运动目标检测方法所需训练距离单元较多的问题,将运动目标检测问题转化为多分类问题.首先,基于少量训练距离单元数据构建分类所需的训练数据集;然后,基于卷积神经网络DenseNet构建多类分类器;最后,利用训练后的分类器提取雷达空时回波数据特征,进行目标检测和参数估计.仿真结果表明:基于DenseNet的机载雷达动目标检测方法能够有效检测目标,估计目标的距离、多普勒频率等参数.相比传统空时自适应处理方法,该方法能够显著减少所需训练距离单元数量;相比现有基于分类的目标检测方法,该方法能够有效提高目标检测和参数估计的准确度.     

一类含n个时滞神经网络模型解的周期振动性

利用分析方法,研究一类含n个时滞神经网络模型解的周期振动性,得出保证系统存在周期振动的一组充分条件,理论分析和数值仿真显示,所得结果为此类时滞神经网络提供了新的振动性判定准则。     

主生产计划日报的神经网络监控

本文将生产计划作为动态系统,采用BP网建立了主生产计划的神经网络模型,依据梯度算法建立了优化器,对主生产计划日报的调度进行了研究,并以某公司为实际背景进行了仿真实验.     

利用神经网络算法推算超额吉布斯自由能

利用神经网络算法推算了超额吉布斯自由能Gm^E，并将推算结果与实验结果进行了比较，推算的平均相对误差均在1．42％以内。     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

使用BP算法时应考虑的若干问题

归纳总结了使用ＢＰ算法时可能涉及到的问题和一些技巧。尤其对学习方法的选择、隐居数和隐层单元数的选择、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等都作了详细的介绍。     

高速公路交通流宏观模型的分段辨识算法

分别采用ＲＢＦ神经网络和最小二乘法对高速公路交通流宏观模型进行分段辨识，成功地解决了该模型辨识的工程化问题，并与传统的复合形法进行了比较，仿真效果令人满意。     

应用于UPFC动力学模型的ANN-PID复合控制

提出用神经网络控制器实现大偏差范围内的解耦控制，由PID控制实现小偏差时的快速稳定并消除静差。这种复合控制方法应用于UPFC的动力学模型收到了良好的效果。