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。     

并行程序设计语言在串行机上的编译实现

目前,诸如Fortran 8x 程序设计语言中已经引入了并行运算成份。这给普通串行(标量)机上实现编译器带来了困难。本文提出了数组(矩阵)运算串行化的概念,并给出了串行化的判别准则及算法。     

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。     

用坐标空间重正化群(PSRG)方法求解二维正方格子铁磁系统的临界指数

本文采用坐标空间重正化群方法(PSRG),对二维正方形点阵最近邻伊辛模型铁磁系统,求解了五个自旋组成块体的临界指数,在块体哈密顿量中保留到的量级。将本文结果与伊辛模型严格计算的理论值、各种临界指数的实验值、以及二维三角点阵三个自旋组成块体的临界指数计算值相比较,可以看到,本文的计算结果均比三角点阵三自旋组成块体的计算值有所改进。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

微带及渐变微带中瞬态信号传输特性的小波变换分析

本文利用小波变换对瞬态信号在微带及渐变微带线中的传输特性进行了分析,与传统的傅立叶变换分析相比,小波分析具有速度快、能够分析局部传输特性的优点。文中给出了高斯信号和矩形脉冲信号在微带中及矩形脉冲信号在渐变微带中的传输波形,所得结果对研究超高速与超宽带瞬态信号的传输及电路设计有一定的参考价值。     

使用直接模拟法研究选择快中子屏蔽参数

使用蒙特卡罗直接模拟法模拟了300keV氘束流T（d,n）4He中子源发出的中子在球壳屏蔽体介质铁中的输运规律。分析了不同介质厚度的铁对中子的反射性质和吸收性质,这些解释和分析对快中子球壳屏蔽参数的选取具有重要价值。     

表示结构化知识的神经网络模型

研究和设计了一种高度结构化的神经网络模型ＨＳＮＮ,它能方便地对结构化知识进行表示和处理。文中给出了ＨＳＮＮ的设计过程,并讨论了ＨＳＮＮ在继承、非单调推理和信息检索等方面的应用     

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。     

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