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。     

线性电路的冲激响应

在线性电路分析中,直接求解线性时变电路的冲激响应一般是很困难的。但是,可带求解冲激响应的问题转化为在一组等效的初始条件下求解零输入响应的问题,关键在于得出这组等效的初始条件。文中介绍了一种求等效初始条件的方法。     

自动武器可靠性寿命分布规律研究

本文对两种具有代表性的自动武器收集其生产验收寿命试验的故障记录,经处理得出寿命子样,再用皮尔逊检验进行分布函数检验,从中发现自动武器寿命分布服从指数分布,为研究自动武器可靠性指标及其验收方法提供了理论依据。     

非共轴光学系统的光路计算与象质评价

针对非共轴光学系统提出新式光线抽样;运用切比雪夫数值积分建立崭新的质量函数;以最小二乘法和0.618法实现最佳象面快速自动优选;简化了坐标变换和数据输入。     

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。     

从美军信息战计划谈我军炮兵指挥系统现状及发展方向

在未来战争中,信息战是决定战争胜负的关键。为此,美军制定了十分庞大的“打赢信息战”计划,高度重视建立数字化部队,以保持在未来战争中的优势。从美军的“打赢信息战”计划入手,分析了我军炮兵自动化指挥系统研制的现状和与外军相比存在的差距,探索性地提出了发展我军炮兵指挥系统所要解决的问题,指出了发展新装备的方向     

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。     

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