线性回归和BP神经网络在噪声监测中的应用

噪声监测系统能够自动测量噪声分贝值,并实时处理系统监测到的各种声音环境信息,但是在噪声监测系统的实际应用中,噪声的分贝值受到温度、湿度和大气压力等多个因素影响,与实际值存在误差.为了提高噪声的测量精度,必须使用相关技术进行校正,系统采用了线性回归和BP神经网络技术,研究了预测模型的因素和系数,分析了模型中因素的相关性,获得了噪声监测的自动校正模型.从线性回归和BP神经网络自动校正数据的测试效果看,优化了测量数据的容错性并改进了数据校正的精度,使预测模型的判定系数R2的值有了较大提升.     

新型神经元模型及生物神经网络模拟实现算法

根据突触、胞内动作电位和轴突的主要特征,提出了一种新的神经元数学模型,讨论了它是如何来模拟不同类型的神经元,模型分为突触、胞体和轴突三个部分。作为举例,根据同突触可塑性的主要特征,对模型的突触部分进行形式化,根据动作电位发生后胞内电位随时间的变化规律和阈值随时间的变化规律,以及各种内源性和具备抑制后反弹神经元的持征,对模型的胞体部分进行形式化,因此根据这一生物神经元数学模型框架建立的网络可以是异构网络,并且给出了网络模拟实现算法。最后对算法进行复杂度分析,说明算法有较好的可计算性。     

基于同构神经元簇的局域神经网络模型研究

该文在分析神经元离子通道及生物连接方式的基础上,提出同构神经元簇的概念,介绍了它的特点及采用同构神经元簇对外界特征表达的优势。在仔细分析单个神经元的非线性动力学特性之后,以时空整合的方法,构建了一个更符合同构神经元簇发放机制的非线形动力学方程,并结合离子通道放电特性提出阈值变化率的概念。最后对基于同构神经元簇局域神经网络的动力学模型仿真结果进行了分析,认为采用同构神经元簇构成的异构网络具有更符合人脑工作机制的发放特性。     

“全员全期项目驱动”软件教学模式

分析高校中软件专业教学的特点和不足,提出"全员全期项目驱动"的教学模式。模式重点在于使项目任务贯穿学生整个大学期间,并提出该模式今后的改进建议。     

随机样本遗传MLP模型算法

提出的SSGAMLP（Small Set Genetic Algorithm Multilayer Perceptron）模型,是针对MLP模型易陷入局部最优,且模型泛化性不好,而遗传算法可以跳出局部最优,但是种群个体数较多,却带来运算复杂度的提高,目的是为了克服以上不足,将遗传算法与MLP模型相结合,将MLP模型节点的向下连接权值看成是低层向高层的映射,因此每个节点（包括权值和阈值）可以看成是一个特征表达,即遗传算法的基因表达,同时个体MLP模型训练使用的随机样本子集以及算法的交叉变异,相当于引入随机因子,存在获得未知特征表达的可能性。实验基于MNIST数据集,印证了SSGAMLP模型在性能上的优势。模型降低了个体运算复杂度,提高了泛化性,在一定程度上克服了过拟合性。