样条过程神经元网络在测井岩性识别中的应用研究

测井岩性识别是油气勘探中十分重要的基础工作,可为测井解释选择正确解释方法和解释参数提供依据.本文利用过程神经元网络建立了复杂的非线性岩性辨识模型;同时,为了提高对实际问题求解的适应性和算法执行效率,开发了一种基于样条函数拟合的过程神经元网络学习算法.最后,结合海拉尔盆地贝16区块的实际测井资料进行岩性识别.实验结果表明,基于样条过程神经元网络的岩性辨识方法避免了采用传统BP神经网络预先建立复杂的数学或物理模型来提取小层测井曲线形态模式特征的过程,有效改善了网络的运算速度和对实际数据的抗扰性,具有较好的稳定性和泛化能力.     

基于基函数分解的连续变速颤振边界预测方法

针对连续变速颤振试验实测信号的特点及在线处理需求,提出一种基于基函数展开的时变参数建模方法。通过对结构响应信号建模和稳定性判据的趋势分析,得到颤振边界随时间变化的预测曲线。依据颤振试验机理,采用白噪声激励多模态耦合系统的方式生成了相应的仿真信号,进而在不同信噪比下验证了方法的数值性能。最后通过气弹模型低速风洞试验进一步检验本文方法的工程实用性。     

基于高斯过程分类器的连续空间强化学习

如何将强化学习方法推广到大规模或连续空间,是决定强化学习方法能否得到广泛应用的关键.不同于已有的值函数逼近法,把强化学习构建为一个简单的二分类问题,利用分类算法来得到强化学习中的策略,提出一种基于高斯过程分类器的连续状态和连续动作空间强化学习方法.首先将连续动作空间离散化为确定数目的离散动作,然后利用高斯分类器对系统的连续状态-离散动作对进行正负分类,对判定为正类的离散动作按其概率值进行加权求和,进而得到实际作用于系统的连续动作.小船靠岸问题的仿真结果表明所提方法能够有效解决强化学习的连续空间表示问题.     

求解函数优化问题的快速连续蚁群算法

 用蚁群算法进行函数优化时,存在收敛速度慢并易于陷入局部最小等问题.为此,根据对真实蚂蚁的最新研究成果,提出了一种全新的由侦察蚁和觅食蚁协作搜索的函数优化快速连续蚁群算法.该算法首先引入混沌序列确定侦察蚁的初始位置,然后由侦察蚁进行全局大视域快速搜索,且每迭代完一步和每迭代完一代都要对解进行评价,并对本代最优解的信息素进行标记,由此吸引觅食蚁在本代最优解周围空间进行小步长搜索.通过这种初始化方法和侦察蚁与觅食蚁的相互协作,不仅能很好的提高寻优精度,且使收敛速度大幅提高.计算机仿真实验结果表明,本算法寻优率高,收敛速度提高显著,效果令人满意.     

关于电路与系统理论的若干思考

目前电路和系统理论已发展成自动化、电力、电生物、通信、计算机、控制以及测量等相关技术领域中主要理论基础之一,对于电路和系统理论实施的研究,其研究成果好坏不仅关系着信息革命、微电子革命以及计算机革命,同时在一定程度上还关系着当前社会生产的智能化、电气化以及自动化程度,且关系着整个社会经济发展情况以及劳动生产水平等。鉴于此,本文就电路与系统理论进行探究与分析,望通过本文内容的介绍,可加深人们对于电路和系统理论的认识。     

基于调控参数建模的混合模糊系统的逼近分析

模糊系统是通过规则来描述人类语言信息,它是处理不确定信息的一种重要工具.常见的模糊系统为Mamdani模糊系统和Takagi-Sugeno(T-S)模糊系统.本文首先通过引入调控参数统一两类系统并建立广义的混合模糊系统.其次,利用多元函数带皮亚诺余项的泰勒展式证明混合模糊系统在无穷范数下对连续可微函数具有逼近性,进而借助拉格朗日型余项的Hessian矩阵证得该系统具有二阶逼近精度.最后,通过选取样本点分析说明基于调控参数建模的混合模糊系统的逼近效果优于单独的Mamdani或T-S模糊系统.     

关于天线极化理论中一些问题的研究

本文对天线极化理论中的若干问题进行研究。首先,本文给出了天线最优极化的一种新解法,然后本文建立了多站雷达天线相对最优极化的数学模型,并给出了具体的求解方法。此外,本文还介绍了国外学者以及作者近年来在天线极化理论中的研究结果。最后,本文建立了关于雷达天线最优极化和零极化的特征值理论,从而把天线的最优极化和零极化描述为一种特殊形式下的特征向量。     

基于渐近平稳过程的修正扩展卡尔曼滤波算法

多目标跟踪中由于RCS闪烁和杂波变化造成的测量噪声波动,导致测量噪声并不是完全服从高斯分布。研究了基于渐近平稳过程的噪声模型,引入测量值置信度函数,提出了一种将测量值置信度反馈至滤波过程的方法,通过修正新息协方差阵及增益矩阵,降低测量噪声波动对滤波的影响。该方法增强了噪声压缩能力,有效地抑制了滤波的误差尖峰。最后,仿真结果验证了所提方法的有效性与可行性。     

关于法兰克机床电气调试的相关问题

本文主要阐述法那克机床电气控制部分的调试过程,同时提出了一些维护机床电气控制部分的措施。     

带阶梯输出函数的细胞神经网络

本文给出了带阶梯输出函数的细胞神经网络的稳定性定理。利用阶梯输出函数的各“台阶”记忆不同灰度，实现了灰度模式的ＣＮＮ联想记忆。     

延迟离散Hopfield网络的稳定性条件

主要利用状态转移方程和定义能量函数的方法对具有时延的离散Hopfield神经网络的动力学行为进行了研究,并且获得了若干稳定性结果.给出了延迟离散Hopfield神经网络收敛于周期为4的极限环的一个充分条件,获得了延迟网络有稳定状态的条件,并且得到了延迟网络既没有稳定状态也没有周期为2的极限环的条件.同时,这些结果用两个例子进行了验证.这些结果推广了一些已有的离散Hopfield神经网络的稳定性结果.     

基于HBF神经网络的自适应观测器

传统的RBF(Radial Basis Function)神经元基函数通常把高斯类型与单一宽度作为每个神经元的激活函数,这些特性限制了网络神经元的性能,特别是在处理复杂的非线性建模问题上.为了克服这个限制,本文应用了具有类似RBF网络,但激活函数不同-超基函数HBF(Hyper Basis Function)的网络.结合RBF网络,分析了HBF网络的结构、基函数形式及基函数对网络的影响,利用决策树算法计算了网络中心.在此基础上,提出了一种基于HBF神经网络的自适应观测器设计方法,并通过引入Lyapunov函数,证明了这种观测器设计方法的稳定性;最后通过仿真验证了这种HBF神经网络观测器能很好地观测系统的状态值.     

一类反馈神经网络对非线性连续系统近似能力的证明

本文从多层前馈神经网络的一般近似定理出发,证明了带有输入的非线性连续系统在有限时间段内的输出轨迹可以被一类反馈神经网络输出神经元的状态向量近似到任何程度.     

量子混合蛙跳算法在过程神经网络优化中的应用

针对基于正交基展开的过程神经元网络参数较多,基函数展开项数和网络结构难以确定,传统BP算法不易收敛的问题,结合量子理论提出一种量子混合蛙跳算法,用于过程神经元网络的训练。该算法利用量子位的Bloch球面坐标将网络结构、网络参数和展开项数统一编码,提出沿球面上经过两点间的劣弧路径进行旋转的方法来同时更新三个优化解,并利用Hadamard门完成个体变异避免早熟,进而有效扩展解空间的搜索范围。以抽油机故障诊断和网络流量预测为例,验证了算法的有效性。      

一种新型径向基函数神经网络的非线性系统逼近

讨论了一种新的、正弦型径向基函数(SRBF)神经网络，并用来逼近n堆连续函数。该SRBF所采用的n堆正弦型的基函数是光滑的,并且是致密的。该SRBF网络的权因子是输入的低阶多项式函数。本文给出的一种简单计算程序，显著地降低了网络训练和计算时间。并且由于SRBF的基函数可以非均匀的量化格点为中心。因而降低了网络所需存储的样本数，网络的输出及其一阶导数都是连续的。对于非线性系统。该SRBF网络在系统定义城内的逼近是精确的。并且在存储参数的个数上是最优的。通过实例仿真，证明该方法步骤简单,训练速度快，精度也很理想。     

神经网络激活函数及其导数的FPGA实现

神经元的激活函数是神经网络的重要组成部分。采用折线斜率为2的次幂的分段线性逼近方法实现激活函数(sigmoid函数)及其导数的映射。该方法在FPGA实现时不需要使用硬件乘法器,而且可以节约大量的RAM单元。由于神经网络的并行计算需要消耗大量的硬件乘法器和RAM,因此,与其他方法相比,该方法为整个神经网络的FPGA实现有效地节省了大量宝贵的FPGA资源,可以较好地应用在BP神经网络的在线训练中。     

基于PNN的舵机故障诊断方法研究

随着科技的发展,舵机在不断提升性能的同时,其复杂性也大幅度提高,故障现象与故障本身并非简单的映射关系,设备故障诊断实质上是典型的复杂非线性分类问题。提出一种利用概率神经网络对舵机故障分类的方法,将从舵机振动信号中的提取特征值作为PNN的输入参数,构造出基于概率神经网络的舵机故障诊断方法。仿真结果显示,该网络工作稳定,运算速度快,对舵机故障分类准确率较高。     

一种基于自组织神经网络的语音识别系统

建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理,提取了语音信号的线性预测系数、线性预测倒谱系数和Mel倒谱特征系数,建立了基于自组织神经网络的识别判决模型。深入分析和改进了自组织神经网络的分类聚类能力,通过加强训练和设定阈值函数的方法,有效地确定了边界神经元的归属,划分出了合理的输出模式类。验证了自组织神经网络适合于处理孤立词语音识别,并具有快速性和结构简单等特征。MATLAB仿真实验表明,语音识别率达到96%。     

军事通信网抗毁性能的神经网络方法研究

可靠性和时延性能是衡量军事通信网抗毁性能的两个重要指标。在研究通信网节点间的链路的可靠性和时延性能后 ,提出综合考虑可靠性和时延性能的代价函数 ,借助自组织竞争人工神经网络对其进行分析和仿真