小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

基于神经网络动态规划的导弹防御和截击机分配

这篇文章的目的是说明一种解决导弹防御问题的方法,它包括在一系列交战中防御资源的连续分配问题。该问题是一个动态规划/马尔科夫决策问题,由于它包含大量的状态和复杂的模型结构,通过精确的方法计算是非常困难的。本文利用动态神经网络规划(NDP)结构,通过用神经网络结构训练模拟数据,得到近似cost-to-go函数。最后给出了通过不同训练方法得到的结果,并通过比较选出了最优。     

超低照度下微光图像增强神经网络损失函数设计分析

超低照度下(环境照度小于2×10~(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。     

基于概率神经网络的高校科研能力评价

科研能力是评价高校综合实力的重要指标,高校的科研能力水平将会在一定程度上影响到高校所在地方甚至国家的科研水平.因此,不断提升学校科研能力水平,成为高校自我提高和发展、增强综合实力的重要措施之一.如何对高校科研能力进行科学地评价,成为一个亟待解决的问题.本文将高等院校科研能力评价体系作为研究对象,通过相关文献的查阅,从众多研究中,选取影响高校科研能力的11个典型指标,构建了基于PNN的高校科研能力评价模型及算法.并通过仿真实验验证模型及评价方法的可行性和有效性,为高校科研能力有效评价提供参考依据.     

基于VR与PNN相结合的机电液控制系统故障诊断方法

针对大型复杂机电液控制系统故障诊断中存在的数学模型获取困难、历史故障数据匮乏问题,提出了一种将虚拟样机与概率神经网络相结合的故障诊断混合方法。建立系统的虚拟样机,并对其可信性进行校核与验证。在此基础上进行大量随机性故障植入与仿真实验,获取故障仿真数据。经过特征提取与概率神经网络模式识别训练,形成用于诊断的知识库,从而实现故障诊断。以操舵系统作为研究案例,得到了较高的故障检测和隔离精度与较低的虚警及漏警率,验证了该方法的可行性,为大型复杂机电液控制系统故障诊断提供新的思路。     

无线传感网和神经网络的民用火药贮存在线监测系统

针对目前绝大多数火药仓库的温度、湿度控制由于采用人工操作导致对温湿度不能实时精确监控从而导致火药失效的问题,设计了一种基于无线传感网和神经网络的火药贮存在线监测系统。该系统将无线传感网络终端节点实时收集到环境温度和水分信息传给神经网络控制器,根据神经网络控制模型实时调节火药贮存温湿度控制设备的各个参数,实现对火药贮存环境温湿度的自动化和实时精确控制,提高火药贮存的可靠性和经济效益。     

一种基于BP神经网络的极化干涉SAR植被高度反演方法

地面干涉相位估计偏差和植被散射模型偏差都将引起三阶段植被高度反演偏差,针对该问题,提出了基于BP神经网络的植被高度反演方法,该方法直接利用BP神经网络模拟极化复相关系数与植被高度之间的非线性映射关系,不仅可以避免地面干涉相位估计偏差导致的植被高度反演偏差,还能降低三阶段植被高度反演方法面临的散射模型偏差导致的植被高度反演偏差,具有比三阶段植被高度反演方法更高的反演精度。实验结果验证了新方法的优越性。     

基于模糊-组合神经网络的信息系统安全风险评估

针对信息系统的安全风险评估问题,提出了一种将模糊理论与神经网络进行"浅层次"结合的评估方法。通过对信息系统所涉及的风险因素分别从资产影响、威胁频度、脆弱性严重程度三方面进行分析,建立了信息系统的安全风险层次化结构,并构造了各因素所对应评判集的隶属度矩阵;综合运用模糊推理算法与神经网络仿真技术,对信息系统的安全风险进行评估,进而判定信息系统安全风险等级。最后,通过实例分析说明了算法的应用,并借助误差分析检测了模型的有效性。     

RBF神经网络在深V型滑行艇阻力预报中的应用

基于SV、JYK系列滑行艇的阻力、浸湿面积、航行纵倾角试验数据,采用RBF神经网络建立了深V型滑行艇阻力预报数值图谱;针对艇艉底部横向斜升角变化的有限试验数据,提出了一种基于小样本试验数据的阻力修正方法。试验表明,该方法对深V型滑行艇(折角线长度与最大折角线宽度比在4~5.5,面积负荷系数在5.5~7,重心纵向相对位置在3%~9%,艉部艇底斜升角在5°~25°之间变化)阻力预报是可行的。在相同精度下,针对该文研究的问题,RBF神经网络所需时间少于BP神经网络。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。