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。     

高阶稠密矩阵的并行求逆与应用

采用基于列交换的Ｇａｕｓｓ－Ｊｏｒｄａｎ并行算法来解决空气动力学中超音速高阶面元法的稠密矩阵求逆问题,该方法采取了块循环数据分配方式,尤其对超立方体结构的并行机系统来说具有通讯优势。在４台ＳＧＩ工作站构成的２×２网格上进行的实验表明,对秩为１０００左右的矩阵可得到５７％～６４％的效率。     

使用直接模拟法研究选择快中子屏蔽参数

使用蒙特卡罗直接模拟法模拟了300keV氘束流T（d,n）4He中子源发出的中子在球壳屏蔽体介质铁中的输运规律。分析了不同介质厚度的铁对中子的反射性质和吸收性质,这些解释和分析对快中子球壳屏蔽参数的选取具有重要价值。     

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。     

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。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

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     

组合回转壳体动力分析的混合界面法

组合回转壳体在工程结构系统中大量存在,对它们进行动力分析是十分必要的。介绍了混合界面法的主要原理和在组合回转壳体结构系统动力分析中的应用,并用两个例题作了分析和计算,证明是成功的。该方法可推广到其它复杂系统结构的动力分析。     

船舶结构可靠性研究现状

从载荷、承载能力和可靠性分析方法3个方面综述了船舶结构可靠性研究的发展状况,并对今后的研究方向提出了建议.     

突出数学变换讲授相量分析的教学法研究

根据授课对象的数理基础所出现的新变化,阐述了以近代数学集合论为工具改进相量分析传统讲法的教学法要点,并对实践结果做了分析评估.