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。     

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     

不对称Hopfield神经网络的稳定性分析

Ｈｏｐｆｉｅｌｄ型神经网络是一个高度互联,结构一致,便于物理电路实现的非线性动力学系统,基于稳定性和考虑,已有的研究和应用通常局限于神经元之间具有对称突触承接的问题,而实际中面临更多的却是非对称问题,本文应用Ｌｙａｐｕｎｏｖ第二方法对一种特殊的不对称Ｈｏｐｆｉｅｌｄ型神经网络的稳定性进行了证明,为神经网络在各种实际优化计算中的应用开辟了新的理论途径。     

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。     

神经网络距离-多普勒超分辨雷达成像

研究利用神经网络实现超分辨雷达成像。该方法首先根据Tuff的前后向线性预测(FBLP)方程用神经网络得到样本序列的AR模型参数,然后利用神经网络作线性预测外推,再用神经网络对外推后的数据作离散哈特来变换(DHT)。从哈特来变换可以方便地得到外推数据的离散傅里叶变换,从而得到距离-多普勒超分辨雷达像。利用微波暗室数据对这一方法进行了数字仿真,结果表明这种方法是可行的,即使在低信噪比下也有较好的性能。     

数字调制信号的神经网络识别方法

提出数字调制信号的人工神经网络识别方法，从信号幅度、相位、频率及功率谱等特性中提取五种特征参数，用于训练神经网络对数字调制信号的识别。采用神经网络，不仅可提高识别的智能化，而且能提高正确识别率。     

人工神经网络方法实现自动判别失磁类型及失磁深度

利用失磁后 Ｅｔ．ｑ、 Ｅｆ ｑ．ｑ 衰减时间常数 Ｔｑ 仅取决于发电机参数及失磁类型的结论，根据失磁故障的分类，采用一个三层前向神经网络得出 Ｔｑ ，使微机失磁保护能够在失磁发生的瞬间自动判别出失磁类型并预测失磁深度。数字仿真、动模试验以及实际运行证明了本文所提出的方法。     

基于FNN和RS理论的综合评估及应用实例

为较好解决武器系统效能综合评价与分析的问题,提出一种新的综合评价与 分析方法。以某一类型的武器装备的效能评估为例,利用模糊神经网络(FNN)的方法和粗 糙集(RS)理论方法对武器装备效能的优劣进行评估。首先,用FNN方法提取用于效能评 估的模糊规则,然后用一种新的处理不确定知识的数学工具,粗糙集理论方法对装备属性进 行约简,删除其中不相关或不重要的知识,选出最重要的且尽可能少的评价指标获得系统效 能评价的最小决策算法,进而分析得到系统效能的关键因素。