一种非线性时序模型的结构辨识方法

本文从模型的结构形式入手,讨论了几种非线性模型之间的关系,采用Gram-Schmldt正交化最小二乘算法实现了非线性模型的结构确定和参数估计。并给出了应用非线性模型对陀螺漂移过程的建模结果。     

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。     

基于通信信号分选与识别的分布式处理机研究

针对通信信号分选与识别,提出了建立分布式处理机的方案,利用预处理与主处理相结合的方法来分选通信信号,尤其在进行调制分类时,提出特征提取和识模器,为了提高处理速度,采用维数压缩和线性识模器。     

红枣中营养、药用有效成分多糖的分离与提纯及其鉴定

对陕北地产红枣中营养、药用有效成分多糖进行了分离与纯化，并做了纸层析和红外光谱鉴定．确证其由D-( )-木糖和D-( )半乳糖所组成。     

基于模拟退火遗传算法的水文地质参数识别

水文地质参数识别是一个复杂的非线性优化问题，针对传统人工调参方法的局限性，提出了水文地质参数识别的模拟退火遗传算法，实现了水文地质参数的自动识别，提高了计算效率，较一般遗传算法具有更好的收敛性能，最后通过实例验证了该方法的可行性与有效性。     

工业机器人运动学参数误差两步识别法

提出了将转动误差和定位误差分离的参数误差两步线性识别方法,利用刚体相对转动误差识别出仅与转动相关的运动学参数误差;由已校准的参数并利用刚体距离误差识别出其余的运动学参数误差,两步识别法不仅避免了测量坐标系与机器人坐标系的转换以及参数估计误差的传递,而且有效解决了距离方法中存在的奇异和非线性问题,可以快速求出参数误差的线性解,该识别法不仅可以用于串联、并联机器人的校准,而且适用于数控机床、坐标测量机等的误差识别与补偿。     

指纹识别技术在图书馆管理中的应用

介绍了指纹识别技术,探讨了指纹图像识别技术在图书馆管理中的应用。     

动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。     

基于核岭回归的非线性系统辨识及其应用

利用满足Mercer条件的核函数改进线性岭回归算法,提出一种新的直接优化的非线性核岭回归算法.与SVM算法相比,该方法的特点是通过对二次损失函数的优化计算,简化了不确定参数的数量,而且由于采用直接优化计算,能有效减少建模的时间,提高计算效率.仿真实验结果和对航煤干点的软测量应用结果都验证了该算法的有效性.     

基于神经网络的多参数矿井火灾识别方法

针对矿井火灾早期预测预报研究了新的方法,将矿井火灾图像与温度、烟雾、CO、CO2、O2等多个参数相结合,进行综合分析,对矿井火灾进行判断。依据神经网络建立的数学模型,采用神经网络的学习算法,对矿井火灾进行识别。通过仿真分析结果表明,矿井火灾正确识别率很高,特别是采用RBF神经网络,正确识别率达到98%以上,从而为神经网络实际用于矿井火灾识别成为可能,该方对矿井火灾早期预测预报具有重要的理论意义和实用价值。