俄罗斯军事大国的艰难回归

俄罗斯的国防工业能否生产出新国防战略所要求的装备还有待商榷。美国海军分析研究中心的德米特里·戈连堡指出．俄国防部计划的制订显然是对工厂和船坞生产速度过于乐观的结果,认为它不会出现任何延误、技术和设计问题,或瓶颈问题。然而,设计问题已迫使一项37架苏-35战斗机的政府采购订单延期两年。戈连堡和其他一些专家认为俄军的发展速度极不可能实现既定目标。     

基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

广义模型的音频分析方法

目前网络数据中包含有大量的多媒体数据,音频作为多媒体信息的重要载体之一,蕴涵了丰富的语义,有效地丰富和补充了人们对信息的感知和获取。而目前的多媒体检索主要利用的是常规的信息检索技术诸如视觉信息,往往忽略了音频信息,这已不能满足需要。音频信息检索就逐渐成为多媒体信息检索的研究重点之一。基于此,针对音频信息检索问题展开讨论,提出一种利用广义模型进行音频分析的新方法。该方法可应用到音频检索中,实验证明了该方法的有效性。     

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...     

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”。     

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。     

基于BP神经网络的空中目标识别

空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。     

模同态广义逆的一些结果

设(U)为结合环(含单位元1),M为左(U)-模.本文考察模同态的广义逆,并用模同态的正则逆对模进行了分类,我们分别给出了直内射模,不可分解模及强不可分解模的充分必要条件.     

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。