基于BP 网络与D-S理论相结合的点目标状态下卫星及其伴飞诱饵的识别方法

本文提出的点目标状态下卫星及其伴飞锈饵的识别方法是基于ＢＰ网络与Ｄ－Ｓ理论相结合的信息融合方法。该方法采用目标的红外辐射特征,先用ＢＰ网络对目标进行粗分类,然后用Ｄ－Ｓ理论对ＢＰ网络的多次识别结果进行融合。仿真实验结果表明,Ｄ－Ｓ理论的最后输出比ＢＰ网络的输出识别率得到很大的改善,抗噪能力得到很大的提高     

一种基于神经网络的阶跃响应辨识方法

提出了一种基于神经网络的参数辨识方法,该方法与传统的参数辨识方法有着本质的不同。它充分地利用了神经网络对任意非线性函数的逼近能力,并将其与传统的基于阶跃响应的辨识方法结合起来。对方法的原理及其相关的神经网络算法做了具体的阐述并给出了仿真实例,结果表明方法是可行的,并可由此看出,神经网络用于工程实际的广阔前景。     

曲顶抽样与平顶抽样的本质分析

本文以理想抽样为依据,从信号分析的有度对平顶抽样与曲顶抽样作了时域与频域的比较,从而指出它们的本质区别。     

印染用轧辊压力系统数学模型的建立

本文通过对印染机轧辊压力系统的分析和测试,应用逐步回归法和系统辨识中的递推最小二乘法,建立了轧辊压力系统三输入－三输出差分形式的数字模型。为印染厂改变人工调压,实现计算机自动压力控制提供了有用的理论基础。     

神经网络发展探析

主要介绍神经网络近期新发展,扼要阐述其原理、结构、模型、算法、特性、应用前景及发展现状与趋势。     

论用于控制和估计的某些神经网络结构和要求

虽然在自动目标识别(ATR)和其他模式识别/分类应用领域有成功地使用神经网络(NN)算法的巨大潜力,但是(如本文所述的)遇到了在反馈控制设计中至今不能严格使用NN的一些值得注意的障碍。本文介绍与控制和估计理论(以及与INS/GPS导航系统中实际的故障检测)有关的涉及NN的若干问题和矛盾的现状。为了促进发展和给出综合展望,我们也介绍应用控制和估计理论中的技术和结果所取得的许多新的值得称赞的NN结果。     

神经网络在声纳目标识别中的研究进展

综述了神经网络在声纳信号预处理、目标特征提取及其自动分类方面的研究进展,简要分析了神经网络模型的特点和在应用中的局限性。并对该领域的发展趋势提出了自己的看法。     

自组织特性图形的检测理论与应用

人工神经网络模型已研究多年,已使得在信息处理领域中具有类似人的性能,本文将Ｋｏｈｏｎｅｎ自组织特征映射的学习规则进行了修改,以降低拓扑邻域边界上的模糊性,而后,用它的联想存贮功能可以实现输入统计过程的特征存贮,以达到检测的目的。本文也讨论了多维检测的数学机理,作为它的一个结果,可以得出高精度的检测性能。     

物体识别不变性方法比较分析(Ⅲ)——神经网络方法

文献[1]和[2]中分别讨论了物体识别不变性方法——统计方法和解析方法。本文将讨论另一种方法——神经网络方法。