神经计算机并行模拟结构

神经网络实现技术是神经网络研究的一个极重要的领域。本文首先分析了神经网络模拟对并行计算机系统的要求,认为影响神经网络计算机速度和容量提高的主要因素是单个处理单元的速度、单个处理单元的局部存储器的容量以及互连网络的通信带宽。要提高模拟神经计算机的速度和容量,就要有相应的并行结构来支持。在定量的需求分析的基础上,本文还提出了一种模拟神经计算机的并行结构。     

非共轴光学系统的光路计算与象质评价

针对非共轴光学系统提出新式光线抽样;运用切比雪夫数值积分建立崭新的质量函数;以最小二乘法和0.618法实现最佳象面快速自动优选;简化了坐标变换和数据输入。     

神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

从美军信息战计划谈我军炮兵指挥系统现状及发展方向

在未来战争中,信息战是决定战争胜负的关键。为此,美军制定了十分庞大的“打赢信息战”计划,高度重视建立数字化部队,以保持在未来战争中的优势。从美军的“打赢信息战”计划入手,分析了我军炮兵自动化指挥系统研制的现状和与外军相比存在的差距,探索性地提出了发展我军炮兵指挥系统所要解决的问题,指出了发展新装备的方向     

武装直升机综合火/飞系统的组合智能控制

讨论了武装直升机综合火／飞系统的组合智能控制及系统的设计方法,并且针对某型直升机用数字仿真证明了这种系统的优点及其良好效能     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

组合回转壳体动力分析的混合界面法

组合回转壳体在工程结构系统中大量存在,对它们进行动力分析是十分必要的。介绍了混合界面法的主要原理和在组合回转壳体结构系统动力分析中的应用,并用两个例题作了分析和计算,证明是成功的。该方法可推广到其它复杂系统结构的动力分析。     

双机组浮筏装置减振效果估算研究

研究了双机组浮筏装置减振效果的估算问题,并给出了相应的计算公式。理论分析和实验结果表明,该公式能对实际的双机组浮筏装置减振效果给出较好的估算。