一种具有知识评估和知识求精的知识获取(KER) 算法

本文给出了一种获取多类知识的决策树算法,该算法根据所给定的属性的优先级和取值类型进行分类型知识的获取。为了保证获得知识的有效性,根据科恩(Cohen)的归纳概率提出了一种证据支持程度来对所获得的知识进行评价,并相应地给出了一种知识求精的方法。     

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。     

M/G/1(RVT,P(j))排队系统的另一分析方法及其应用

M/G/1(RVT,P(j))表示服务员具有随机长度休息时间(RVT)的、且一休息时间结束时有 j 个顾客等待的概率为 P(j)的、修正的 M/G/1 排队系统。我们用嵌入 Markov 链的技术已详细地分析过这一排队系统,这里提供另一分析方法。最后,应用这个排队系统的分析结果,对时隙 ALOHA 卫星公用信道的分组碰撞概率计算公式作了推导。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

攻击大目标子母弹射击概率的分析与估算

射击概率是子母弹武器效能分析的重要参数,本文以攻击大（线）目标子母弹为对象,提出一种计算命中概率的简便的近似法,计算结果表明该方法计算量小,计算精度工程上可接受;本文还引出了子母弹封锁概率的概念,并作了初步分析。本文结果对子母弹武器论证与设计使用将提供有益的参考。     

表示结构化知识的神经网络模型

研究和设计了一种高度结构化的神经网络模型ＨＳＮＮ,它能方便地对结构化知识进行表示和处理。文中给出了ＨＳＮＮ的设计过程,并讨论了ＨＳＮＮ在继承、非单调推理和信息检索等方面的应用     

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     

末端子弹技术发展的探讨

文章从末端子母弹发展的现状、技术问题及精确制导技术应用于子母弹后的技术发展状态与方向作了简要的讨论。最后认为,针对不同的目标特性,末敏、末修、末控子弹是今后子母弹发展的方向。     

非标准分析与概率论

本文概述了非标准分析发展的简史,介绍了超实数系,导数的非标准表示,并举例说明了数学命题的非标准证明比标准证明更为简洁、直观。文章的后一部分介绍了ｌｏｅｂ概率空间以及概率积分的＊有限求和的表示,并指出概率论从本质上是初等的结论。