融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法.该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像...     

基于卷积神经网络的雷达辐射源识别

随着电磁环境越来越复杂多变,给电子对抗带来了很大的挑战,基于传统的脉冲描述字和信号识别方法已不能满足战场要求.针对复杂电磁环境下的辐射源精确识别问题,将基于相控阵雷达辐射源的细微特征,主要是包络特征和相噪特征,对其进行分析建模,并结合卷积神经网络提出了 一种基于雷达中频数据和一维卷积神经网络的雷达辐射源个体识别方法,训...     

新型教学模式下教学路径探讨——基于本科教育“四个回归”

实现本科教育的“四个回归”,是新时代背景下高等本科教育教学改革应该完成的目标。要围绕学生的主体地位来建构新型教学模式下教学路径中的学生角色。学生刻苦学习是学生主体学习地位的基础,实行一定比例的淘汰制是学生刻苦学习的重要保证,助力实现“回归常识”。在教师主导课程学习的过程中,要以学生究竟能学到什么和事实上学到什么作为衡量教学效果的标准,助力实现“回归本分”。课程全过程评价方式是动态全方面的评价方式,改变了目的性极强的单一期末考试评价机制,打破了期末考试一考定成绩的传统做法,助力实现“回归初心”和“回归梦想”。     

基于改进神经网络PID的永磁同步电机控制研究

永磁同步电机是高度耦合的非线性时变系统,针对传统的比例积分微分(proportion inte-gration differentiation,PID)控制方式不能完全发挥内置式永磁同步电机的最大转矩电流比控制响应快、精度高的优点,提出了 一种基于差分进化算法的优化神经网络对电流环PID参数进行整定的控制方法,采用Ma...     

利用改进Elman神经网络预测舰船感应磁场

在舰船感应磁场的所有分量中,垂向感应磁场垂直分量很难依靠传统方法进行测量,测量精度也容易受到地磁模拟场均匀度的影响。为避免这一缺陷,提出了粒子群优化Elman神经网络的感应磁场预测方法。在硬件设施良好的磁场监测站测量不同地磁环境下的舰船感应磁场垂直分量、地磁场信号等信息,并建立数据库,利用粒子群优化Elman神经网络学习舰船垂向感应磁场垂直分量与这些磁场信号之间的非线性关系,进而对舰船在未知区域的垂向感应磁场垂直分量进行预测。仿真分析和实验室物理模型实验均验证了该方法的有效性。     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。     

神经网络指导贝叶斯决策准则用于运动目标分类

本文利用目标的动态特性开发了神经网络指导的贝叶斯决策准则进行目标分类。系统由特征提取器、指导条件概率生成器的神经网络、新颖的序贯分类器组成。所应用的主要特征是从每个航迹中提取的速度和曲率序列。类似于隐式马尔可夫模型(HMM),用隐含状态训练神经网络,网络的输出则是给定观测下出现隐含状态发生的条件概率。然后用这些条件概率作序贯贝叶斯分类器的输入进行分类。一旦接收到新的扫描数据,分类结果递推更新。为了说明所述方法的有效性,介绍了关于高杂波率的多扫描图象的模拟结果。     

马克思主义认识论与现代科技革命——论计算机科学的发展

本文简要论述了马克思主义认识论作为认识和改造自然的完整科学体系,其创立的必然性;革命性和科学性的统一;以及对科学技术革命的指导作用.从马克思主义认识论的角度出发探讨了计算机科学的发展和规律,充分表明了自觉运用马克思主义认识论来指导科研工作的重要理论价值和实用价值.