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.     

一种优化神经网络映射算法——吸收算法

本文揭示了神经计算的本质──并行分布处理,并以此为基础提出了时间步的概念。分析了映射算法的两个重要概念──负载均衡和通讯开销,并提出了映射分配准则。在神经网络的映射分配中引入图论的有关思想,提出了一种优化的神经网络映射算法──吸收算法。最后给出了重要的试验结果,这些数据表明吸收算法是一种有效的映射算法。     

论智能控制（IC）在水面兵器中的应用

对智能控制的应用情况、控制特点、基本型式及其在应用中有待解决的若干问题进行了论述。     

一种新的模式识别模型及其实现

模式识别是机器智能的一个重要研究领域,针对当前模式识别方法的难点和应用的要求,本文从模式识别问题描述出发,构造了一种新的模式识别模型,并对这种模型的动力学过程进行了描述和分析,论述了这种模型的可能实现途径,并详细论述了两种神经网络的实现方法。     

特定温度下的费米体系反演

基于Tikhonov正则化方法的思想,提出了一个费米体系反演的数值方法。给出了一个正则算子的构成方法,克服了凭经验选择正则参数的缺点。证明了收敛性,并给出了误差估计。而且,应用该算法对费米体系反演进行了研究,对计算机给出的实验结果进行了讨论。     

噪声情况下基于δ—K方法的费米体系数值反演

在文献[1][2]结果的基础上,给出了一个费米体系数值反演的超分辨处理方法。这种广义偏离算法是基于Tikhonov正则化技术,能够在算法中附加各种限制和先验信息,抑制噪声干扰,且计算的复杂性较低。     

航天型号参数—费用模型分析

本文用灰色关联理论分析了参数—费用模型 ,根据关联度大小取舍参数并进行了多元线性回归 ,然后对线性回归方程作了弹性分析     

共轭梯度反传算法及其在液体火箭发动机系统辨识中的应用

结合非线性优化理论和方法提出了易于实现、收敛速度比较快的多层神经网络共轭梯度反传算法。液体火箭发动机参数辨识技术已得到广泛的应用,由于传统的数学方法必须基于发动机已知模型,使得其参数辨识受到极大的限制。文中基于神经网络共轭梯度反传算法进行液体火箭发动机的系统辨识,结合变推力发动机热试车动态数据,得到了满意的仿真结果。     

在线估计表面粗糙度的神经网络多传感器融合方法

针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。