一种BP神经网络算法的改进模型

首先对BP网络的结构和算法进行了分析,针对BP网络收敛速度慢,容易陷入局部极小等问题,提出了一种改进的BP网络模型,并对该模型算法进行了改进,通过激活函数的选择,网络的初始化,学习率的调整和训练样本数据的处理等方法,可实现加快网络的收敛速度,并且较好的解决局部最优问题.     

气液两相管流流型识别理论研究进展

综述了气液两相流流型识别理论及方法的研究进展。首先探讨了流型划分问题,然后针对水平管路、垂直管路及摇摆管路介绍了两相流流型转换机理及转换的边界条件;对于流型的在线识别,介绍了基于波动理论、神经网络和图像处理的流型识别方法。最后提出了气液两相管流流型识别中亟待开展的理论研究方向。     

污水中重金属离子浓度软测量的BP算法

在重金属离子检测仪器及其工作原理研究的基础上,对污水中重金属离子浓度测量方法进行了分析研究,分析了采用软测量技术的可行性和必要性,针对水质测量具有非线性、大时变和多滞后的特点,提出了基于BP神经网络的污水中重金属离子浓度软测量建模方法,建立了软测量模型,并通过仿真分析和实验验证了该方法的实用性.     

海军基地防御战斗中的电子对抗

从近年来的几场高技术局部战争来看,在未来高技术局部战争中,交战双方都将广泛使用电子战手段,谁拥有了"制电磁权",谁就能掌握战争的主动权.以近年的几次高技术局部战争为背景,对电子战在海军基地防御战斗中的使用和战术运用情况进行了研究,分析了在海军基地防御中电子战的作战组织形式及特点,并提出了一些建议.     

基于BP神经网络带调压器直流发电机特性的辨识

为使坦克直流发电机的调压特性实验能够在计算机上仿真进行,节约教学实验成本,可利用神经网络对直流发电机的调压特性进行辨识,得到了比手工绘制精度更高的特性曲线.因此,调压特性的神经网络辨识法,有利于直流发电机特性实验教学.     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

VXI总线消息基器件数据低寄存器定位监视电路设计

结合工程需要设计了消息基器件数据低寄存器定位监视电路,满足了总线和本地CPU对数据低寄存器读写时的时序关系,给出了部分实现电路和状态转移流程图。     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

通信系统接入的智能控制

针对通信系统在传统接入控制上的一些缺点,提出了模糊神经网络接入控制方法。首先,简单介绍了通信系统的接入控制原理,指出了传统接入控制的缺点;其次,描述了模糊神经网络模型,并在此基础上对网络进行优化;最后,同传统的接入控制方法进行比较。     

本体驱动的多分辨率联邦一致性维护方法

传统的聚合解聚方法仅能解决语法层的数据聚合解聚的参数静态匹配问题,却不能解决联邦一致性的其他两个重要的方面:数据的语义匹配合理性及联邦运行中的动态一致性。为了解决以上两个问题,提出了一种本体驱动的多分辨率联邦一致性维护框架——OCM框架。该框架基于本体创建与融合技术构建联邦本体,通过邦员本体与联邦本体间的映射,解决了联邦数据匹配的合理性问题;基于聚合解聚方法,引入管理与协调联邦实体状态的邦员,通过合理设计联邦的实时对象更新及交互机制,实现了联邦实体状态的实时一致性。实验结果表明:OCM框架能有效保持联邦中多分辨率实体的状态一致,并且由于联邦本体的可重用性,对邦员的增加与退出不敏感,因此联邦的重组合也具有一定的借鉴价值。