多点激励振动试验控制技术进展

多点激励振动试验由于能更加真实地模拟实际振动环境而被越来越多的人所重视,成为振动环境试验发展的趋势.阐述了多点激励振动试验系统基本控制原理,并对时域波形复现的关键技术迭代算法和驱动信号重叠连接,以及频谱再现的关键技术反馈修止算法和时域随机化技术进行了介绍.最后对多点激励振动试验控制技术进行总结与展望.     

神经网络计算机系统及其现状

人工神经网络(Artificial Neural Net-works-ANS )的研究巳超过四十年,其兴衰与人工智能的研究紧密相关。自从1982年Hopfield利用神经网络解决了TSP问题以来,神经网络再次成为一个研究热点。这方面的研究巳取得了许多成果[(11f21(91。由于传统的数字计算机在模式识别、符号推理、组合优     

海底极端环境模拟装置及其远程监控

开发一套模拟海底极端环境的实验装置，能在实验室进行极端环境细菌生物培养、海底成矿等试验，并且使实验数据实时共享，试验过程远程监控，实现虚拟试验。     

汞离子选择电极在海水痕量元素检测中的应用

由于自由汞离子(Ⅱ)在低浓度时不易保持其形态,在此以汞络合平衡的基本原理为基础,计算并讨论了汞在溶液体系中的存在形态,从而获得稳定的低浓度自由汞离子以及溶液中自由汞离子浓度和总汞浓度之间的关系.通过对汞离子选择电极(Hg-ISE)在类似海水的缓冲溶液体系实验测试及分析,其结果显示在自由汞离子浓度高于10-19 mol/L时,总汞浓度和自由汞浓度仍然保持成一定的线性关系,表明可以通过检测自由汞离子浓度来检测海水中总汞浓度.     

一个基于规则的神经网络系统

本文提出了一个基于规则的神经网络结构，它溶基于规则的方法和神经网络技术于一体，使得隐含于神经网络结构中的知识可以表示成规则的形式，从而增强了神经网络的解释功能。为了验证基于规则的神经网络结构的优越性，本文介绍了用该神经网络结构实现的心电信号分析系统。实验结果表明：该系统无论在分析效率上，还是在系统的自适应能力上都较传统的心电信号分析方法有很大的改进。     

一个基于神经网络的专家系统

医疗专家系统主要使用基于知识的技术，其中的决策规则和策略来自于人类的专家。把这些知识和各种推理方法结合，可以建立一个模拟专家决策过程的系统。建立这样一个系统，需要经常与专家磋商，以获取专家的知识，因而需要大量的时间和精力。为此，本文提出直接从数据中提取有效的信息，即用神经网络提取隐含在大量数据中对医疗诊断有效的信息，继之与基于规则的知识，各种推理方法相结合，建立一个神经网络专家系统。     

关系结构中的神经计算

人工神经网络在许多应用领域中建立了一种新的高度并行计算的结构。具有表示概念和知识的模糊集合被认为是处理人们日常生活中不确定问题的一种工具。特别是关系结构,它在构造现实世界中的形式关系模型中起着非常重要的作用。本文根据模糊集合理论,提出新的神经网络结构及其新的学习算法,并研究其性质。一方面把模糊集合的方法学应用于神经网络结构和学习算法的研究,同时使得神经网络的硬件实现更加容易。     

基于Hilbert-Huang变换的目标注视脑电模式分类研究

研究目标注视任务,即类"思维拨号"任务下的脑电信号模式自动分类技术。基于时频分析原理,对循环扫视6×6字符矩阵所得的脑电信号进行Hilbert-Huang变换,用EMD(Empirical Mode Decomposition)方法把信号分解成数个本征模态函数(IntrinsicMode Function,IMF);对每个IMF进行Hilbert变换,得到时频平面上的能量分布,即Hilbert谱;将各频率分量累加谱按时间变化特性作为关注与非关注某字符的特征量;最后通过K-近邻法对所视字符进行自动识别。对第3届国际脑机接口竞赛的数据进行分析测试,识别准确率达到84.21%。经Hilbert-Huang变换的时频分析方法,可以得到目标注视任务下的脑电信号有效特征,从而有助于脑机接口系统的实际应用。     

基于特性模型与神经网络的乳腺图像肿块自动检测技术

钼靶X线摄影是最常用的乳腺癌早期诊断手段。该文针对乳腺图像中的肿块提出了一种基于特性模型与神经网络的计算机辅助诊断技术。它首先建立两种特性模型分别描述脂肪组织和腺体组织中的肿块;然后对脂肪中的肿块采用迭代阈值法进行检测,对腺体中的肿块采用小波域黑洞检索法进行标记;接着采用一种基于Canny算子和能量场约束以及ANFIS控制的填充膨胀方法分割疑似肿块;最后使用一种MLP分类器剔除假阳性。实验结果表明,该算法在面对特性迥异的多种肿块时可取得较高的检测精度,并保证较低的假阳性率。     

基于Hilbert-Huang变换的含噪语音特征分析

应用Hilbert-Huang变换方法对语音特征进行分析,提高低信噪比语音端点检测的正确率.对语音信号进行Hilbert-Huang变换,得到语音信号在时域和频域上的能量分布,建立语音信号的时间–频率–振幅的三维Hilbert谱分布以及边际谱分布进行特征分析,最后通过语音端点检测验证Hilbert-Huang变换分析含噪语音特征及降噪的有效性.通过语音端点检测的结果表明,经过 Hilbert-Huang变换对含噪语音分析降噪后,检测准确率有显著提高.Hilbert-Huang变换方法能够真实描述语音信号的非线性以及非平稳特性,具有广泛的应用前景.