两种群相互竞争的具有脉冲接种的SEIR传染病模型

研究了一类两种群相互竞争的具有脉冲接种的SEIR传染病模型,讨论了系统周期解的存在性,并利用Floquet定理证明,在满足一定条件下,周期解是局部渐近稳定的。     

基于改进型BP神经网络的导引头测高性能评估

武器装备性能评估贯穿于装备发展的全寿命过程,对于装备定型与实战化运用具有重要意义。针对传统反向传播(back propagation, BP)神经网络模型易陷入局部最优、武器装备评估数据少等问题,提出了基于数据包络分析和Bootstrap法的改进型BP神经网络模型。利用数据包络分析处理原始指标得到3项优化参数,结合Bootstrap法对其进行扩充,再通过BP神经网络建立评估模型。实验表明,改进模型得到的合成孔径雷达(systemic aperture radar, SAR)导引头测高性能评估结果,其决定系数和误差系数均有明显改善。该模型不仅规避了模糊综合评判法主观性强、精确度不高等问题,同时有效解决了传统BP神经网络模型易陷入局部最优和武器装备评估数据少的两个问题。     

MATLAB在测绘数据处理中的优越性及应用

简要介绍了MATLAB的特点、优势及不足。结合MATLAB强大的数学计算和数据分析功能,针对测绘数据的特点,阐述了如何利用MATLAB进行测绘数据的处理和分析,给出了MATLAB神经网络工具箱在GPS高程转换时的具体运用算例。实践表明,MATLAB易学易用,使用其可大大简化编程工作,特别适合非专业编程人员完成测绘数据计算、处理和分析等任务。     

灰色-BP神经网络在深基坑变形预测中的应用研究

随着城市化进程的推进,向地下空间发展将是趋势,由此带来大量深基坑工程。深基坑的稳定问题不仅关系上部结构的安全,而且还会影响周边建筑物的变形,因此深基坑变形研究越来越受到重视。将改进灰色预测模型与BP神经网络组合模型结合,通过在南京某大型深基坑的变形模拟和预测效果对比,改进后的灰色模型在一定程度上提高了拟合精度与预测精度,而灰色-BP组合模型在此基础上通过MATLAB平台又进一步地提高了拟合与预测的精度。该研究可为工程施工提供较好的指导意义,并为同类工程提供借鉴。     

基于双向循环网络的变色龙视觉超分辨率图像重建

针对使用均方误差（Mean Square Error,MSE）作为目标损失函数，导致重建的超分辨率图像在失真与感知质量上难以兼得的问题，提出基于双向循环网络的变色龙视觉重建模型（Super-resolution Bidirectional Recurrent Neural Network,SRBRNN）以改善重建效果.首先，鉴于变色龙可以同时注视两个不同方向的非凡视觉功能，SRBRNN模型借助双向循环神经网络结合序列演进前向与反向给输出提供不同方向时间信息的思想，实现重建过程中失真与感知质量的兼顾；其次，SRBRNN模型定义了特征演进和退化序列，并设计了低分辨率图像到高分辨率图像演进和高分辨率图像到低分辨率图像退化网络，将演进网络和退化网络对应应用为原双向循环网络的前向循环和反向循环网络；最后，利用双向循环机制重建超分辨率特征.用SRBRNN算法在Set5、Set14、BSD100基准测试集上进行实验，实验结果表明在峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似性(Structural Similarity, SSIM)评估指标及主观质量评分上，...     

FrFT-Bark域特征提取与CNN残差收缩网络心音分类算法

为充分挖掘心音信号的生理、病理信息，提高心音自动分类的准确率，提出一种不依赖于分割和去噪的心音自动分类新算法.首先提取心音信号Bark域分数傅里叶变换的时频特征，然后将深度残差收缩网络引入卷积神经网络中构建新的分类模型，该模型能够自动去除与当前任务无关的特征信息，提高模型预测的准确率及稳定性.研究所用心音样本5 000例，其中1 000例用于测试.实验结果表明，提出算法的准确率、灵敏度、特异度分别为0.925、0.902、0.948,F1值为0.923.该方法整体性能较以往方法有明显提升，具有较强的鲁棒性和泛化能力，有望应用于先心病的临床筛查.     

多机器人的云计算路径规划

基于多机器人协同工作方面的研究具有良好的应用前景,通过降低客户端的硬件配置,可以提高分工合作的响应速度,通过类神经网络ANN进行计算与分析,确定单机器人与其它机器人的步伐与路径设计,机器人互相之间并不需要通讯,计算指令由服务器与单机器人一对一交互,通过模拟实验器,对作业效能对比,验证计算方法以及与计算方案的可行性。     

基于细胞型膜计算框架的和声搜索算法及其应用

和声搜索算法为一种元启发式算法，该算法具有参数少、可操作性强等优点，膜计算作为自然计算的一个分支，本身具有较大的发展潜力与完备的计算性.本研究将两者结合，提出一种基于细胞型膜计算框架的和声搜索算法，利用细胞型膜计算框架来构建算法的膜结构，并根据膜计算框架的结构，使用现存的和声搜索算法的迭代方式作为基本膜内的进化规则，设计通信机制使不同膜之间相互传递信息，有利于丰富种群的多样性与平衡算法的全局和局部搜索，并设置外部档案记录最优个体来控制种群进化的方向，从而提高算法的精准搜索能力.最后，在CEC基准函数下进行数值优化实验，仿真结果表明，HS-MC算法在求解数值优化问题上比其他算法具有更好的性能，并使用HS-MC算法优化Elman神经网络的权值和阈值来预测上证指数的开盘指数，预测结果表明，HS-MC算法具有较好的寻优能力和实用性.