失能剂BZ及其相关化的的薄层色谱法研究

研究用薄层色谱法测定ＢＺ及其相关化合物二苯羟乙酸（ＢＡ）、３－喹咛醇（３Ｑ）、二苯酮（ＢＰ）、二苯羟乙酸甲酯（ＢＥ）、二苯甲醇（ＢＬ）,探讨了色谱分离的最佳展开剂和显色剂,在硅胶Ｇ版上,用异丙醇：异丁醇：甲酸：水（１５：１５：４：１０）为展开剂,ＢＺ、３Ｑ、ＢＡ的Ｒｆ值分别为０、６２,０、３６、０．８４;以苯：氯仿（１：１）为展开剂,ＢＰ、ＢＥ、ＢＬ的Ｒｆ值分别为０．５９,０．４１,０．２９,筛选     

共轭梯度反传算法及其在液体火箭发动机系统辨识中的应用

结合非线性优化理论和方法提出了易于实现、收敛速度比较快的多层神经网络共轭梯度反传算法。液体火箭发动机参数辨识技术已得到广泛的应用,由于传统的数学方法必须基于发动机已知模型,使得其参数辨识受到极大的限制。文中基于神经网络共轭梯度反传算法进行液体火箭发动机的系统辨识,结合变推力发动机热试车动态数据,得到了满意的仿真结果。     

在线估计表面粗糙度的神经网络多传感器融合方法

针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。     

基于神经网络的特征结构提取

本文在详细讨论特征结构提取问题的能量函数表示的基础上,通过对该能量函数表示的适当变换和整理,高阶关联非线性连续时间神经网络被引入到特征结构的提取问题中。这种方法直观、明了,它将所要提取的特征结构与网络稳定时的输出直接对应起来,可对特征结构进行自适应跟踪、估计,这为特征结构的提取提出了一个新的方法。     

基于自组织神经网络的雷达信号分选

本文介绍了一种基于自组织神经网络的雷达信号分选系统,概率神经网络通过计算输入信号矢量的联合概率密度实现贝叶斯分选,它与传统的信号分选算法相比在分选精度和资源利用率上有显著的提高。这种并行的神经网络计算结构也很适合于ＶＬＳＩ实现。本文还介绍了此系统在复杂雷达信号环境下的仿真分选试验。     

多传感器数据融合实现卫星及其系留诱饵的识别

卫星在绕地球运行时,其周围可能带有一个或多个系留诱饵。诱饵与卫星运行于相同的轨道,具有与卫星完全相同的运动状态。为了对抗雷达和可见光探测,通过改变诱饵表面涂层,可使其具有和卫星基本相同的雷达和可见光特性。在这种情况下,红外辐射特性成了识别卫星及其诱饵的唯一特征。文章提出了一种基于红外辐射特征的区分卫星及其系留诱饵的多传感器数据融合方法,利用地面三个观测站的三个多波段传感器提供的红外特征,采用神经网络和证据理论实现多级融合,有效地解决了噪声条件下卫星及其诱饵的识别问题。     

利用二阶神经网络进行说话人识别方法的研究

本文提出了用二阶神经网络进行文本无关的说话人识别的方案,同时采用多共用一张大网的做法,并针对说话人识别的特点分析了方案中语音预处理和特征提取的问题。最后对方案进行了计算机模拟实现,取得了满意的识别效果。     

神经网络模式识别的一种电流模式实现技术

本文将电流模式技术用于神经网络模式识别,以全电流模式胜者为王（ＷＴＡ）和计算模式间匹配度（ＭＳ）为子网,进行了基于Ｈａｍｍｉｎｇ网的二值模式最优的敢小误差模式分类器设计实现。计算机仿真与理论结果吻合,所得电路结构简单、功耗低,具有潜在地应用前景。     

目标定位和跟踪的神经网络最小二乘估计

首先概述了单目标定位和跟踪的现有研究结论和新问题,接着叙述了神经网络最小二乘估计方法,最后给出了它对第１类和第２类火控系统应用的数学模型     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。