自组织特性图形的检测理论与应用

人工神经网络模型已研究多年,已使得在信息处理领域中具有类似人的性能,本文将Ｋｏｈｏｎｅｎ自组织特征映射的学习规则进行了修改,以降低拓扑邻域边界上的模糊性,而后,用它的联想存贮功能可以实现输入统计过程的特征存贮,以达到检测的目的。本文也讨论了多维检测的数学机理,作为它的一个结果,可以得出高精度的检测性能。     

物体识别不变性方法比较分析(Ⅲ)——神经网络方法

文献[1]和[2]中分别讨论了物体识别不变性方法——统计方法和解析方法。本文将讨论另一种方法——神经网络方法。     

神经网络的原理及应用

人工神经网络是在现代神经科学研究成果的基础上提出的,反映了人脑功能的基本特征。但它只是人脑功能的某种抽象、模拟和简化。研究这一技术的目的在于,探索人脑加工、储存和搜索信息的机制,并将其原理应用于人工智能的可能性。本文介绍了一些神经网络模型及应用。     

神经网络应用

神经网络的应用是神经网络研究的三大主要领域之一。神经网络的应用与其所具备的能力是紧密相关的。本文中,我们从介绍神经网络的基本能力开始,概括地介绍了当前的神经网络主要应用领域。并从神经网络的能力出发,讨论了神经网络的潜在的应用领域。     

神经计算机容错能力分析

容错能力是计算机(传统计算机或神经计算机)能力的一个极重要的方面。本文从研究传统计算机容错技术和人脑容错特性出发,着重研究了神经计算机的容错能力,并得出了对神经计算机设计极有价值的结论。     

基于PCA-LM的空战目标威胁评估

空战过程中态势瞬息万变,获取敌目标的威胁是我方取得攻击占位优势和采取战术规避的前提条件。提出主成分分析法和阻尼最小二乘法相结合的回归模型对目标的威胁进行评估。利用主成分分析法,分析指标之间的相关性,转化成相互独立的分量,确定主成分分量,重构目标威胁评估体系;对目标威胁与主成分分量进行回归分析,利用阻尼最小二乘法对回归模型参数进行估计,得到主成分分量与目标威胁之间的统计关系;利用目标威胁估计值与实际值之间的误差大小,验证了回归模型的有效性。消除了指标之间的相关性对评估结果的影响,提高了评估结果的客观性,解决了传统评估方法忽略指标之间耦合性的问题。     

Laplace分布的均值被半序约束时的极大似然估计

讨论了Laplaoe分布中,方差已知的情况下,均值θ在简单半序约束下的最小L_1保序回归(ML_1IR),就最小L_1保序回归的唯一性以及一些其它性质予以了讨论,并且给出了计算方法。     

具有分流型抑制机制的视网膜细胞神经网络模型及其应用

视觉细胞之间存在的侧抑制机制能够对接收到的视觉信息进行选择性的提取。运用数学方法模拟视觉细胞之间存在的这种生理机制,提出了一种具有分流型抑制机制的视网膜细胞神经网络模型(SIRCNN),分析了该模型的稳定性,给出了等价电路图,并且基于此模型提出了一种边缘检测算法。将该算法应用于图像边缘检测中,试验结果表明,这种以生物视觉感知机理为基础的神经计算方法可有效地增强图像反差,检测图像边缘。由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此这种方法在图像实时处理中也具有很大的潜力和应用前景。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

电动阀故障检测诊断研究

利用基于小波变换的奇异点奇异性指数(Lip指数)作为信号包络的特征识别指标,提出了一种对调制类型信号的诊断方法,并指出信号的包络分析是解决这类问题较有效的方法.同时,以某型舰用电动阀为例,对故障前后的信号作了分析计算.计算结果表明,与单纯用时域或频域的方法相比,该方法明显地提高了分析结果的精度.