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。     

一种基于神经网络的电液伺服系统智能控制方法

为解决智能控制中电液伺服系统的非线性和不确定性等缺陷,将神经网络控制技术和常规PID控制技术结合起来,分别进行了神经网络辨识器设计和神经网络控制器设计,利用神经网络在线辨识能力有效解决单神经元PID控制参数的调节问题,从而提出了一种基于神经网络的电液伺服系统智能控制方法.通过构建实验系统检验智能控制器的工作情况,实验结果表明该智能控制方法能够改善系统的动态特性,减小系统的稳态误差,具有较好的自适应性和鲁棒性,控制效果良好.     

飞机电传操纵系统控制律的神经网络实现

现代多功能战机多用电传操纵系统替代传统的机械杆系,但由于飞机的多变量、强耦合和不稳定等强非线性特点,使得其电传控制律的工程实现相当复杂.为此,对电传操纵系统控制律的神经网络实现方法进行了研究.通过利用径向基函数(RBF)网络良好的非线性跟踪性能,探讨了用RBF网络实现电传控制律的一般方法,并以某型飞机电传操纵系统纵向通道为例,对该方法进行了验证.     

Hopfield神经网络的防空火力最优分配问题

火力的最优分配是作战计划的重要内容,它包含火力单位特性、目标单位特性、最优准则、射击条件四个方面的内容。简要介绍了Hopfield神经网络的基础知识,建立了防空自动化指挥系统中火力分配的Hopfield神经网络算法一般模型,在此基础上,阐述了利用该算法在火力分配中的一般应用,并通过在计算机上借助C语言编程实现了这一模型,得出了一种比较合理可行的火力分配方案。     

基于体系仿真大数据的效能评估方法

随着复杂系统仿真技术、计算能力和数据管理能力的发展,仿真数据逐步呈现大数据特点,评估指标之间也存在高维度、高冗余、高相关等突出问题。结合上述背景,分析了基于体系仿真的效能评估问题研究现状,介绍了深度学习技术的研究进展。指出采用合理的指标约简方法、使用高效的神经网络模型进行效能评估是下一步的研究重点。