神经网络在图象复原中的应用

介绍了传统图象复原方法的一些缺陷和神经网络的优良特性，讨论了神经网络在图象复原中的应用，并对基于Hopfield神经网络和多层感知器的两类图象复原方法进行了较深入的探索。     

参数共享在语音识别中的应用

参数共享是基于隐 Markov模型 (hidden Markovmodel,HMM)的语音识别系统的参数训练中的一个关键性问题 ,因此在语音识别的诸多领域中都有重要的应用。对参数共享的作用及其使用的聚类算法进行了分析研究 ,在此基础上提出改进合并分级聚类算法 ,并将其应用于 HMM的状态捆绑。实验表明 ,一个大规模词汇量的孤立词语音识别器采用 HMM的状态捆绑后 ,可以大大缩减识别过程的时空消耗 ,同时识别率仅有较小的损失     

一种计算对称反对称及周期性问题的改进无网格法

分析对称反对称或周期性问题时,通常只需要取一半或一个周期的局部模型进行离散求解．由于无网格法存在较为显著的边界截断效应,与整体模型相比局部模型的无网格解答精度会有所下降,在边界附近更为显著．为消除这种边界效应,提出了一种改进的无网格近似方法．该方法考虑了局部模型外的节点（虚拟节点）对于模型内各节点（真实节点）的近似影响,并利用对称反对称或周期性关系压缩虚拟节点的自由度,在不增加额外自由度的条件下能够使局部模型和整体模型得到完全相同的结果．通过求解对称反对称和周期性问题算例验证了该方法的有效性．最后对一般性问题的无网格边界效应也进行了简要的讨论．     

内隐藏焊缝不焊的K形搭接节点承载力

针对K形搭接节点内隐藏焊缝不易施焊的现实状况,为了弥补现有规范设计公式统一按内隐藏焊缝全焊考虑而可能带来的安全隐患,用有限元手段分析比较了内隐藏焊缝不焊对节点破坏模式、受力性能等的影响．证实了内隐藏焊缝不施焊对K形搭接节点承载力的影响不宜忽视．提出了一个K形搭接节点考虑内隐藏焊缝不焊的影响系数公式,并建议当节点按受压管为被搭接管设计且搭接率小于60％时,或当节点按受拉管为被搭接管设计且搭接率小于40％时,可以对极限承载力做相应20％左右的折减,除此之外尽量采取全焊．     

一类周期裂纹问题的数值解

一类周期裂纹问题的数值解李星宁夏大学数学系与电算工程,７５００２１,银川关键词周期,裂纹,奇异积分方程,数值解,应力强度因子分类号（中图）Ｏ３４６．１,Ｏ２４１．８３;（１９９１ＭＲ）７３Ｃ本文运用文献［１～２］的复变方法将文献［３］中单裂纹的情况推...     

Trimmed 曲面的隐藏线消除算法

提出了一种Ｔｒｉｍｍｅｄ曲面的隐藏线消除算法．首先将Ｔｒｉｍｍｅｄ曲面三角化;其次将显示屏幕分割成一定数量的小矩形区域;再将Ｔｒｉｍｍｅｄ曲面上的三角片投影到屏幕上,并分类到不同的矩形区域中;最后进行曲面网格点对三角片的可见性测试,并显示消隐后的曲面．     

径向基概率神经网络结构的遗传优化

运用遗传算法(GA)来优化设计径向基概率神经网络(RBPNN)结构，优选了隐中心矢量和优化求取对应的核函数控制参数．提出的染色体编码方式，充分体现了所选隐中心矢量在模式样本空间中的数量及位置分布，同时还包含了相适应的棱函数控耕参数信息．新构造的适应度函数不仅有效地控制了网络输出的误差精度，而且还能够使得RBPNN结构优化趋于最简．将IRIS分类问题用于检验该算法的有效性并与ROLSA和MKM进行了比较研究，结果表明，GA的优化效率最高，而且GA优化后的RBPNN在推广能力方面也没有明显下降．     

快速小波域隐马尔可夫模型的图像去噪

在分析小波系数的指数衰减性和延续性的基础上，提出了一种模型参数初始化的方法．MATLAB仿真实验结果表明，该方法给出了合理的模型参数初值，在有效缩短训练时间的同时能获得较理想的去噪结果。     

短期利率与长期利率间的隐藏协整分析

利用恩格尔和格兰杰的协整检验表明美国短期利率和长期利率不存在协整关系，考虑到偏离短期利率和长期利率间的均衡关系而进行的非线性和不对称的调整机制，利用TAR、M-TAR模型，结果也表明短期利率和长期利率不存在协整关系．由于可能存在着隐藏协整，故利用隐藏协整方法，结果表明短期利率累积正冲击与长期利率累积正冲击间存在协整关系．短期利率和长期利率有隐藏协整关系．     

等幂和的末位数字及其分解性质

设p为奇素数,αn为等幂和表成2p进制的末位数字,获得等幂和的同余性与等幂和的周期性,从而证明当p-1×m时,αn是最小正周期为4p的周期数列;当p-1│m时,αn是最小正周期为4p2的周期数列,并且完全确定当等幂和表成10进制时的末位数字αn,等幂和的数论性质对G.Giuga猜想等研究有着重要的作用.