RBF网络在交通流模型辨识中的应用

利用径向基函数 (RBF)人工神经网络来逼近已知的交通流非线性解析模型 ,讨论了高速公路交通流模型的辨识问题。提出了一种带反馈的 RBF网络模型 ,讨论了其训练算法。算法分两步实现 ,第一步利用一种改进的聚类分析方法确定隐层节点核函数的中心点 ,第二步用最小二乘法确定从隐层到输出层的连接权。最后将训练好的网络模型和给定的解析模型同时进行仿真计算 ,得出了当某路段出现突发性交通事故时交通流密度和平均速度的变化曲线。仿真结果说明 RBF神经网络模型的训练速度快和辨识精度还是令人满意的     

一种具有离子传导功能的发光共聚物的合成

为了解决电化学发光电池 L ECs离子传导聚合物与发光聚合物两相分离的问题 ,采用 Wittig反应 ,合成了一种分子主链上带有刚性共轭发光链段——二 (二甲氧基取代苯乙烯 )萘与柔性离子传导链段——三聚氧化乙烯的新型发光共聚物 (EO- NV) ,用多种手段表征了分子的结构 ,并研究了 EO- NV的光致发光性能。实验表明 ,EO- NV可以溶于氯仿、四氢呋喃、苯、吡啶等许多普通有机溶剂 ,具有良好成膜加工性能。其氯仿溶液和固体膜的最大光致发光波长分别处于 4 70 nm,5 0 5 nm。由于将共轭长度的控制、材料的加工性和离子传导功能结合于一体 ,因此 EO- NV是一种适于装配电化学发光电池 (L ECs)的功能性蓝绿色发光共聚物。     

一类连续不可微函数的构造及其Bouligand维数

 利用Buch的方法构造出了一类处处连续,但处处不可微函数,该函数是Buch所构造出的函数的推广,并对该函数图像的盒(Bouligand)维数进行了估计,得出了Buch函数的盒维数只是其中的一种特殊情况.     

非圆齿轮-连杆型函数发生器的机构综合

给出了非圆齿轮－连杆型函数发生器综合时必须遵循的机构学制约条件，并提出了确定连杆机构处于极限位置时的非圆齿轮角速比的基本公式。以具有等速急回特性的曲柄滑块机构型函数发生器的机构综合为例，研制了有实用价值的非圆齿轮－连杆型函数发生器机构综合CAD软件。     

利用单位阶跃函数求拉氏变换

针对在大学专业课程中常见的分段函数、周期函数的拉氏变换的求法繁琐情况,给出了利用单位阶跃函数简化求拉氏变换的方法,从而使得求这类函数积分变换的过程大大简化。     

人工免疫的神经网络预报方法及其应用

针对RBF(radial basis function)神经网络在预测铁水含硅量中出现的预测精度低,收敛速度慢的问题,提出了一种基于免疫识别原理的径向基函数神经网络的学习算法.该算法利用人工免疫原理确定高斯基函数的中心和宽度参数,同时将所识别的数据作为抗原,抗体作为抗原的压缩映射并作为神经网络的隐层中心,利用递推最小二乘法(recursion least square, RLS)确定连接权值,提高了RBF神经网络的收敛速度和精度.应用该模型于某大型钢铁厂高炉铁水硅含量预报的实例中, 实验结果表明, 该模型具有更高的预测精度和更短的训练时间.     

无线网络控制系统时延的计算方法

为了研究由于无线网络的介入而给控制系统带来的时延问题.提出了把无线线性网络中数据包的跳跃现象建模为无限脉冲响应模型的方法,通过对具有三个数据包系统跳跃属性的分析,证明了模型的正确性.以此模型为基础,讨论了数据包的解耦问题.通过无线网络的链接模型及凸函数的性质之间相关联的方法,构造了数据包时延与等待时延和每一跳长度的函数关系;根据此函数,把传输两个数据包时延的计算方法推广到传输三个数据包的网络中,最后应用于具有n个数据包的无线网络中,给出第i个数据包最优时延的计算公式,证明了时延的收敛性.给出的链接模型和时延计算公式有效地解决了无线网络诱导时延问题,提高了网络控制系统的稳定性.     

求解非线性优化问题的一个非线性Lagrange函数

提出了一个求解非凸的具有不等式约束的非线性优化问题的一个非线性Lagrange函数,并讨论了在K—T点的性质。收敛定理表明,在适当的条件下,当参数k大于某一阈值k0时,产生的点列具有局部收敛性,由此给出了与罚参数相关的解的误差估计。     

非负放大函数与多延时的Cohen-Grossberg神经网络的鲁棒稳定性

在Cohen-Grossberg神经网络设计及实现过程中,非负放大函数条件是很实用的.在网络参数存在摄动的情况下,研究了具有非负放大函数的一类多延时Cohen-Grossberg神经网络的鲁棒渐近稳定性问题.首先通过证明一个有用的引理,建立了渐近稳定性和鲁棒稳定性之间的关系.其次,在不要求激励函数满足严格单调增加和有界性的情况下,通过构造适当的Lyapunov泛函,针对所研究的神经网络模型,基于线性矩阵不等式技术建立了平衡点鲁棒稳定的一个充分判据.仿真结果进一步证明了所得结论的有效性.     

基于改进的小波阈值去噪和二级判断模型的说话人识别

针对目前说话人识别系统中噪声使得识别率严重下降的问题,在特征提取前用小波阈值去噪方法对带噪语音进行去噪处理.对于小波阈值函数以及阈值的选取进行研究,提出一种改进的阈值函数,小波阈值中的噪音方差估计采用基于实际噪音方差估计的谱熵法,将改进的小波阈值去噪结合一种二级判断模型提高噪声环境下的说话人识别率.在不同信噪比条件下进行试验,改进的小波阈值去噪法优于传统小波阈值去噪方法,改进后的阈值函数与二级判断模型相结合的识别率比原始语音DTW模型提高了7.9%,比原始语音GMM提高了4.6%,对于短时语音有较好的识别率.