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。     

基于访问偏好的卫星遥测时序数据存储方法

随着航天事业的发展,尤其伴随巨星星座的构建,在轨卫星数量越来越多,如何管理使用海量的遥测数据成为航天测控系统亟需解决的问题。针对测控系统当前时序数据全参数存储策略带来的时序数据量较大的问题,引入业务访问遥测数据记录中的遥测参数标识、数据使用时间和访问记录时间等参数,构建参数存储强度函数,提出基于深度线性规划霍克斯模型的时序存储算法,对时序数据存储策略进行改进,同时设计实验对比全参数时序数据存储策略和基于深度时序算法的存储策略,验证该方法在保证时序数据访问命中率基础上,存储量相较全参数存储策略降低至2%,达到与基于深度时序算法的存储策略相近的水平,同时解决基于深度时序算法的存储策略收敛性不足的问题,该方法有效解决了单服务器时序数据存储量大的问题。     

流域变换的串行与并行策略研究

流域变换是数字形态学中用于图像分割的一种经典方法,其并行化问题成为近年来研究的重点。首先给出了流域变换的数学模型,并归纳列举了几种离散情况下的形式化定义;其次分类总结了近年来流域变换串行算法研究的新进展,从而在此基础上重点讨论了相应的并行化策略。详细分析了设计并行流域算法需要考虑的几个问题;并比较评价了现有并行算法的性能特点,得出了一些结论;最后提出了有待进一步研究的问题。     

基于BFS和FPGA-CPU的混合加速器设计

为了实现由软件和硬件执行小世界图搜索的加速器系统,提出了一种在单芯片FPGA-CPU异构硬件平台上基于广度优先搜索算法实现的混合加速器系统设计;提出了采用线性代数语言实现的BFS;提出了一种处理单元结构,它由一个负责与主存储器全部交互的后端、用于执行布尔塥运算的前端和一个距离生成器构成;在ZedBoard平台上设计了一种采用Xilinx Zynq Z7020 FPGA-CPU混合结构的实际加速器系统。实验结果表明,设计的混合加速器不仅能够实现小世界图的快速搜索,而且相比于目前其他先进的基于BFS算法的混合加速器结构有更好的加速性能。     

基于改进AHP和云模型的质量状态定性评估

针对传统云模型在质量状态定性评估中存在的评语云化方法、指标权重确定和评估结果判定3个方面的不足,提出了一种基于改进AHP和云模型的定性评估方法。通过设置一个AHP自动调整器使判断矩阵自然满足一致性要求,避免了反复一致性检验导致的繁琐计算以及隐含的盲目性问题,并且根据构造的专家相似矩阵,有效筛选并排除极端专家意见以求解合理的权重值;结合德尔菲法,利用逆向云发生器直接生成评语的云模型,逐步寻优获得了统一协调的意见;此外还设计了一种基于平均隶属度的云相似度度量方法,实现了评估结果与定性评语之间隶属程度的量化表征。最后以某导弹雷达导引头为评估实例,验证了评估方法的有效性和优越性。     

基于改良云模型的舰艇防空威胁评估

为了解决现有威胁评估模型存在不足,快速准确地对来袭空中目标进行威胁排序,提出了一种基于改良云模型的评估方法。针对舰艇防空作战目标特点,选取作战指标进行量化,对不同的定量指标和定性指标,分别采用离差最大化和改良云模型进行处理和赋权,通过Hamming距离计算贴近度,最后进行威胁综合排序。实例验证表明:该方法可以有效避免传统方法中人为确定各威胁指标权重的主观性,同时对定性指标的有效处理提高了评估准确性,为舰艇防空作战威胁评估提供了一条有效途径。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

基于云模型-AHP的制导弹药射击效能评估

对制导弹药的射击效能进行评估在仿真试验领域具有重要的意义。依据某制导弹药的工作原理及影响其射击精度的主要因素,制定了其射击效能评估指标体系。运用层次分析法(AHP)计算了各级指标的权重,划分了评估等级,并在各个指标隶属度的计算中引入了云模型算法。最后,将评估结果以隶属云的数字特征的形式表示出来。