本是同根生，相煎何太急塞尔维亚与克罗地亚最新主战坦克大比拼

说到南斯拉夫的M84主战坦克,各位资深军迷恐怕都会脱口而出“不就是老毛子T－72坦克的翻版吗”？没错!这款经历了1991年海湾战争、南斯拉夫民族大混战以及1999年科索沃战争的老玩意儿已随着“南斯拉夫”这个国家名词逐渐淡出人们的记忆。但最近M84坦克的两位“徒子徒孙”却在国际市场拼命厮杀,不禁令人大感意外。     

一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计

研究一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计,其系统中的不确定时滞项不是简单的线性有界条件,而是允许其存在高阶项,因此具有全局特性．在控制器的设计上;首先通过选取合适的径向基函数（RBF）神经网络的权向量去逼近时滞系统中的未知连续有界部分;然后在RBF神经网络输出的基础上,选用一个鲁棒自适应控制器来趋近时滞系统的不确定部分;同时,利用Lyapunov稳定性理论对混沌同步的条件给出了论证;最后,数据仿真的结果表明该方法的有效性．     

无线传感器网络中数据流异常数据的联合估计算法

为保证无线传感器网络数据的完整性,针对数据流中存在异常数据的问题,提出了一种基于BP神经网络和多元线性回归的联合估计算法。首先,将存在异常数据的数据流作为样本输入,利用神经网络的非线性拟合能力对异常数据进行估计。然后,通过相邻的传感器节点数据建立多元线性回归模型,对异常数据进行估计。最后,根据两种算法在不同情况下的误差大小,调整它们各自在异常数据估计中的权重,计算出最接近真实值的估计值。以Berkeley Intel实验室的传感器数据为实验数据,通过Matlab软件对本文方法进行测试并分析仿真结果,实验结果表明文中提出的方法能对异常数据进行有效估计,并且具有较高的可靠性和稳定性。     

基于云模型的无人机作战系统效能评估

对无人机作战系统进行效能评估有利于了解无人机的能力和不足,为无人机的后继研发提供有效依据。针对作战系统指标的相对性、模糊性与不确定性,通过层次分析法建立无人机作战系统效能评估的指标体系,采用云模型实现作战系统指标的定性属性与定量属性的相互结合与转换,结合专家打分法给出作战系统指标的定性权重和评价,并利用正态云拟合算法得出无人机作战系统的综合效能。通过实例分析,表明该方法具有可行性。     

基于二维云模型的复杂电磁环境下雷达作战能力仿真评估

复杂电磁环境对雷达作战能力影响存在不确定性,利用掌握的复杂电磁环境下雷达作战能力变化特点,建立基于二维云模型的云规则仿真模型,可以解决复杂电磁环境对雷达作战能力影响的模糊性和随机性问题,作出科学的评估。通过仿真算例,验证了模型的科学性与有效性。     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

基于多级Sigmoid神经网络的城市交通场景理解

交通场景的理解是交通监控、汽车安全辅助驾驶的基础.提出一种基于多级Sigmoid神经网络的城市交通环境理解方法.将5个3D结构特征与物体外观特征相结合表征城市交通环境,为了提高交通环境识别率,采用多级Sigmoid神经网络(MSNN)进行图像分割与识别.在公共测试视频数据库CamVid dataset 进行实验,实验结果表明了该方法的有效性.     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。     

基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。     

多目标跟踪的神经网络实现方法

多目标跟踪在军事和民用方面得到广泛的应用。自适应网络模型 ART对已学习过的对象具有稳定的快速识别能力 ,同时又能适应未学习的新对象 ,ART模型的这种优势可直接应用于雷达的多目标跟踪。经过仿真验证 ,利用 ART模型解决多目标跟踪数据关联问题的方法较为有效。