神经网络中的正交设计法研究

提出用正交设计法选择前馈型神经网络训练样本的方法,并且对其基本原理进行了探讨。文中以三层BP网络为例,根据特定位级的正交表获取相应的训练样本集,利用该训练样本集对网络训练,然后用经过训练的网络对各取值域作离散预测。详细的对比计算表明：1）将正交设计法应用于神经网络学习训练样本的选取上是成功有效的;（2）选用四位级或五位级的正交表来对网络样本做选择精度已经足够。另外,将网络隐层神经元个数对网络的影响与选用正交表不同位级对网络的影响的效果也作了比较。     

3mm宽带波导结型隔离器

报道一个具有宽带特性的3mm波导结型隔离器,其性能为插入损耗小于0.8dB,反向隔离大于20dB,绝对带宽为3.5GHz(92.5-96GHz)。对影响器件的性能因素进行了讨论,并指出实验结果似乎与旋转门环行器设计理论不一致。     

基于遗传算法的负刚度装置优化布置

针对一种新型轨道式负刚度装置(negative stiffness device,NSD)提出了一种基于遗传算法的优化布置数学模型,该模型同时考虑NSD在加速度控制上的优势和位移控制上的劣势,设定5组加权系数组合,考察不同优化侧重下的控制效果.以某10层结构为算例,通过对比负刚度装置和传统阻尼器控制效果,得到最优加权系数组合;通过对比5组加权系数组合,得到负刚度装置优化布置基本原则.     

基于TCAD的门极换流晶闸管的研究

文章基于ISE公司的半导体仿真软件TCAD系列软件对GCT进行了模拟,通过建立的GCT模型,研究了透明阳极结构和栅极数目对通态特性的影响。模拟结果表明,透明阳极中的杂质总量是决定GCT的通态压降的关键因素,杂质总量越多,通态压降越低。研究成果对GCT器件的设计和制造具有重要的参考价值。     

基于GRNN神经网络的颜色空间转换研究

印刷的原理就是从标准色空间到印刷色空间的一种非线性转换,纽介堡方程是连接这两个空间的纽带.首先设计好印刷测试样张,测量各专色的XYZ值和网点面积率值,将实测值和计算值进行比较,分析误差的范围.利用实验所得数据对纽介堡方程进行仿真,结果表明：GRNN法较传统的高斯-赛德尔法有效.     

现代信号处理的研究热点探讨

本文阐述了现代信号处理的主要特点，并分析指出了现代信号处理与传统信号处理在思想 和方法上的不同。随后，本文概要地介绍了几种现代信号处理的研究方法，并分析指出了现代信号处理的发展方向。     

弓型折流板换热器动态响应神经网络预测

采用ARX动态模型设计了一种用于换热器动态特性辨识及预测的人工神经网络结构模型,基于有限的实验数据将人工神经网络技术应用于以水、油为换热工质的弓型折流板换热器动态特性的预测当中.采用Levenberg-Marquardt算法对网络进行训练和测试,辨识和预测了换热器单侧流量扰动情况下油侧出口温度的响应情况及换热器油侧进口发生温度扰动情况下油侧出口温度响应情况,并与数值计算进行了对比,神经网络的预测结果好于数值计算.分析了神经网络模型的泛化能力.计算结果表明,人工神经网络对于复杂系统的动态辨识及预测是相当成功的,与基于数理模型的数值预测相比,有更好的预测精度,且模型的泛化能力也很强.     

基于遗传算法的常规工艺运行参数模糊优化

考虑了系统运行目标的不唯一性(考虑出水浊度、CODMn和费用3个运行目标),根据模糊优化思路,把多目标优化转化为单目标综合优化,利用遗传算法的高效搜索性能,对可控参数进行编码、译码、计算适应值函数,求取满足常规系统出水水质约束的模糊较优控制参数组合(包括7项可变运行参数).优化结果表明不同原水水质条件下均对应有不同的运行条件和参数;混凝剂和预氧化剂种类及投量之间均存在一定的配比关系,合适的配比不但可以提高出水水质还可以减少运行费用.     

Bi Buck-Boost变换装置设计仿真软件的开发

为了更好、更快地实现电力变换装置的设计,对Bi Buck-Boost直流变换装置的设计仿真软件进行了研究与开发,软件实现了直流变换装置参数的设计及仿真验证功能.该软件适合于Bi Buck-Boost直流变换装置的工程设计和性能研究.通过介绍基于电流模式闭环控制仿真程序的构建过程,并结合工程设计法设计双向直流变换装置调节器参数.结合该设计仿真软件,对双向直流变换装置的参数设计及仿真验证过程进行了设计举例,仿真结果验证了参数符合设计要求,设计仿真软件满足工程需要,且设计思想可应用到其他设计软件的开发.     

基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一,诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法,整体研究基于编码-解码框架,采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时,可以捕获前向后向更多依赖信息对处理序列数据更加有优势;引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度;并与目前常用的随机和反转算法进行比较。结果显示,基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求;在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析,显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此,Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。