一种复合型前馈神经网络结构

ＢＰ网络是一全局逼近的网络,通常,在对样本数据的选取要求上,它不如ＲＢＦ网络高,即ＢＰ网络在训练样本数据的代表性不强时也可表现出对非线性函数较强的逼近性能,鉴于此,作者提出了一种复合型前馈神经网络结构在此结构中,笔者采用了ＢＰ神经网络对训练数据进行预处理而得到径向基函数（ＲＢＦ）网络的初始中心矢量点集的方法该方法使得ＲＢＦ网络中心矢量点集由传统的随机确定改为对它的优化选取,由它确定的ＲＢＦ网络的中心矢量具有相当的柔性,从而增强了径向基函数（ＲＢＦ）神经网络整体的泛化性及鲁棒性,最终使得该复合型神经网络具有了很好的精度和泛化性仿真结果表明了本文所提网络的有效性     

利用分数与常规傅里叶变换测量物体横向位移和倾斜因子

根据分数傅里叶变换的基本性质,结合常规傅里叶变换的特点,提出了一种可以同时测量物体横向位移和倾斜因子的新方法,即采用二次曝光技术,同时记录物体变化前后的分数傅里叶强度,从而得到物体横向位移及倾斜信息.并在此基础上,给出了测定物体横向位移和倾斜因子的实验方案.     

一种复合型前馈神经网络结构

ＢＰ网络是一全局逼近的网络,通常,在对样本数据的选取要求上,它不如ＲＢＦ网络同,即ＢＰ网络 训练样本数据的代表性不强时 表现出对非线性函数较强的逼近性能,鉴于此,作者提出一种复合型前馈神经经网络结构,在此结构中,笔者采用了ＢＰ神经网络对训练数据进行预处理而得到径向基函数（ＲＢＦ）网络的初始中心矢量点集的方法,该方法使得ＲＢＦ网络中心矢量点集由传统的随机确定改为它的优化选取,由它确定的ＲＢＦ网络的中     

电炉低碳钢红送工艺的研究

利用热模拟方法研究了不同热经历对电炉低碳钢高温力学性能的影响,结果表明,具有γ→(冷却)γ+α→(加热)γ热经历的低碳钢高温塑性最差,根据这一结果制定了传搁温度低于 A_(rl)的钢锭红送工艺。现场试验业已证明,按该工艺进行红送可完全消除电炉低碳钢的红送裂纹。