关于Chase型译码算法的搜索中心

为了使Chase型译码算法的平方纠错半径尽可能大,研究了使Chase型译码算法的纠错半径尽可能大的搜索中心集合的性质,并且根据l-defeasible集合的定义以及它的一些判别条件,通过寻找覆盖所有长度为2l＋2的向量所需半径为l的球的球心向量,构造出Chase型译码算法的搜索中心.在这些搜索中心的周围选择出最佳的候选码字,可以大大减少Chase型译码算法中试探序列集合的大小,降低译码器的复杂性,加快译码的速度.     

基于BP神经网络模糊控制的除盐水自动加氨控制系统

为了使除盐水的pH值快速稳定在给定指标范围内，设计了基于BP神经网络模糊PID智能控制系统。仿真结果表明，该控制系统具有更强的鲁棒性，良好的自适应能力，适用于缺乏精确数学模型且时变、非线性、纯滞后工业过程。     

基于BP神经网络的高校毕业生专业对口性评估

BP神经网络是目前应用最为广泛的网络模型，本身具有良好的学习性能和预测功能。本文将BP神经网络引入对高校各专业毕业生在校所学专业和毕业后从事职业的对口性所进行的评估中，以提高各高校教育资源的使用效能，同时有助于各学生重新审视其所学专业。     

BP算法应用中的关键问题

分析了学习方法的选择、隐层数和隐层单元、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等使用BP算法时应考虑的问题，并将BP网络应用于化学反应催化模型。     

基于FCM和BP神经网络的棉麻纤维识别方法研究

提出一种基于模糊c均值(FCM)和BP神经网络的棉麻纤维识别方法。首先,根据纤维横向和纵向截面形态的不同,提取6个特征参数,然后运用模糊c均值算法将样本聚类成3类,再将聚类后的数据作为BP神经网络的输入进行训练和预测,最后进行仿真实验。结果表明,将两种算法结合起来用于纤维的识别具有明显优势,是值得推广的纤维识别方法。     

一种基于反馈的Raptor码编码改进方案

针对Raptor码译码的最后阶段出现译码效率明显降低的问题,提出了一种基于反馈的Raptor码编码改进方案:在译码器译出一定数量的中间数据包后,反馈一次信息给编码器,编码器调整参与编码的数据包。通过仿真的方法得到了最佳的反馈控制点,并对改进方案的性能进行了仿真。仿真结果表明:与原来Raptor码的编码方案相比,改进的方案明显提高了最后阶段的译码效率,减小了译码开销。     

煤气管道服役期预估神经网络模型的建立与应用

神经网络模型具备的针对大量无规则数据自学习的能力,适于解决城镇煤气管道布局复杂、影响因素众多、服役期限难以计算的问题。基于BP神经网络算法建立的煤气管道年限模型,经过训练对比,选择了最优的BP网络模型,结合共轭梯度法,改进了该算法收敛慢、易出现震荡的问题,实现了对城镇管道漏损的定量分析,结合某市煤气管道漏损的实际案例验证其可行性,满足预估管道服役期限的工程要求。     

基于BP神经网络的煤矿风险保障体系研究

本论文针对煤矿安全管理工作中所应考虑的相关环节,即煤矿安全管理工作重人、机、环境、管理四个因素的实际特点,以系统论和安全管理学为基础,提出了非煤矿山安全生产保障管理体系指标。利用BP神经网络来确定各项指标权重,消除了传统的权重设计带有很大的随意性以及由于人为因素影响带来漂移值这一严重缺陷。     

BP神经网络气水识别研究

传统的测井解释技术由于建立在岩石颗粒的均匀排列、孔隙流体均匀分布假定模型基础上,将地层岩性、孔隙率、渗透率等参数作线性研究,致使获得的测井解释结果在大部分复杂地区与地层的真实值不一致。运用测井神经网络,根据测井资料、岩性分析资料、试油资料,可以解决求取地层孔隙率、渗透率、泥质含量、流体饱和度等参数以及进行油气水识别、岩性岩相识别、裂缝识别、水淹层识别、生油岩识别等等。测井神经网络处理解释新技术的兴起和发展,对解决非均质性地层的非线性映射问题具有良好的实用效果。