神经计算机并行模拟结构

神经网络实现技术是神经网络研究的一个极重要的领域。本文首先分析了神经网络模拟对并行计算机系统的要求,认为影响神经网络计算机速度和容量提高的主要因素是单个处理单元的速度、单个处理单元的局部存储器的容量以及互连网络的通信带宽。要提高模拟神经计算机的速度和容量,就要有相应的并行结构来支持。在定量的需求分析的基础上,本文还提出了一种模拟神经计算机的并行结构。     

神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。     

烟草商业企业微机网络管理信息系统(BYC—MIS)

本文概述了BYC—MIS系统应用情况,介绍了系统的硬件配置、软件环境;说明了各子系统的功能;介绍了系统逻辑模型的设计及网络数据传输及汇总分配的方法和网络数据共享安全性措施;论述了系统研制过程中解决的关键问题.     

弹道参数的人工神经网络算法研究

将神经网络理论引入火控领域,建立一个输入参数为高度Ｈ、速度Ｖ和俯冲角λ的多层神经网络模型,用Ｂ－Ｐ学习算法,对弹道的射程Ａ和落下时间Ｔ进行拟合。仿真结果表明,神经网络是用于弹道参数拟合的一个有效的方法,并取得了满意的精度。     

通信系统接入的智能控制

针对通信系统在传统接入控制上的一些缺点,提出了模糊神经网络接入控制方法。首先,简单介绍了通信系统的接入控制原理,指出了传统接入控制的缺点;其次,描述了模糊神经网络模型,并在此基础上对网络进行优化;最后,同传统的接入控制方法进行比较。     

虚拟演播室系统中的无限蓝箱技术

虚拟演播室是虚拟现实技术在电视制作领域中的一项崭新应用。无限蓝箱技术通过外部生成的键信号,将前景视频图像中非蓝箱内的景物滤除,使摄像机的运动可以不受实际蓝箱尺寸的限制。针对任意形状的蓝箱结构和摄像机的任意自由度运动,提出了虚拟演播室系统中通用的无限蓝箱算法,该算法根据蓝箱实际的透视投影变换过程,精确提取蓝箱区域,生成色键信号。实验结果证明,该算法生成的色键区域精确、计算简单、通用性强,很好地满足了虚拟演播室系统的要求。     

UNIX 网络性能管理的流量监测技术研究

网络性能管理的主要目标是高性能和高吞吐量。标准UNIX系统缺乏对网络的流量的有效管理。本文研究了在标准UNIX网络实现性能管理中的网络流量监测、主机网络／系统状况动态检测等技术，依据检测结果用户可以进行网络动态配置或重新分配网络资源，从而改善UNIX系统的网络性能及吞吐量等技术。结果表明所提供的技术手段是有效的。