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。     

一种诊断测量仪表故障的新方法

本文在分析各种测量仪表故障诊断方法的基础上,综合出一种新的诊断测量仪表故障的方法,称为仪表故障诊断与适应。     

CCD摄象机在检测雷达角度跟踪系统性能中的应用

本文提出用 CCD 摄象机和单片微计算机所组成的系统实现对雷达角度跟踪性能指标的检测,这一新方法可自动录取:雷达的光轴与电轴的匹配状况;雷达角度跟踪系统的误差;当雷达跟踪空中目标时对目标录象,用以评定雷达的跟踪质量.     

一种基于中值滤波和边缘检测中模板匹配的图象滤波增强算法

本文针对数字图象处理中滤波可使圈象边缘模糊的现象,设计了一种组合式滤波增强算法。该算法在边缘地区沿着边缘方向进行滤波增强,在其它地区则进行滤波平滑操作,消除噪声。     

舰载跟踪雷达捕获概率分析

论述了舰载跟踪雷达捕获概率的分析与计算方法,给出了影响跟踪雷达照准概率的误差环节,并对搜索雷达稳定平台的隔离剩余误差作了较详尽的分析。     

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。     

加固型打印机在船用巡回检测装置中的应用

本文研究了加固型打印机在巡回检测装置中的应用,并设计出接口电路。该项研究经过运行考核证明是切实可行的,可以有效地增强巡回检测装置的功能。