一种新的自变量选择准则

本文提出了一种着眼于提高回归系数估值精度的自变量选取准则,同时给出了相应的算法。     

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。     

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。     

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。     

火炮射表数据处理计算步骤和程序框图

本文是文献［１—３］的继续,主要研究火炮射表数据处理算法的计算步骤和程序设计框图。这两个内容是正确进行程序设计、分析和使用的重要环节。     

引信全电子安全系统失效分析及评估

本文根据全电子安全系统的一般结构模式,分析了其安全性设计的一般特点和可能造成其失效的各种原因,并在此基础上建立了全电子安全系统的失效故障树,给出了失效概率的定量计算结果。     

利用灰色理论与时间序列探讨我国物价指数的发展变化

本文根据装备建设的需要,对物价指数的变化进行了研究,首先依据原始数据利用灰色理论建立预测模型,在分析模型精度基础上,提出了灰色时间序列模型,使模型精度得到提高。并根据我国物价指数变化的特点,进一步建立了上包络线模型．使本文更具实际意义。     

更新理论在机械系统可靠性计算中的应用

耗损型的机械系统的可靠性随着工作时间的增加而变得越来越差。对机械系统的可靠性进行预测和分配或采取相应的维修策略以缩短系统停机时间和减少系统维修费用,是一个需要解决的问题。作者以更新理论作为基础知识,建立了已工作过一定时期的机械系统在未来一段任务时间内的可靠性计算模型,为解决该问题提供了理论依据。