模式神经元网络的聚类方法研究

为了更好地模拟人脑对事物的学习、认知过程,笔者提出了模式神经元网络的聚类规则和方法,从而完善了这种新型的神经网络模型。与现有的人工神经网络不同,模式神经元网络不需要反复迭代就能达到学习、识别、分类的效果。实验结果表明：与自适应共振理论相比,模式神经元网络的学习效率快,识别精度高,分类效果也比较好。     

一种实用的电动车控制器

介绍一种该控制器与直流无刷电动机配合使用的电动自行车控制器。结合控制器原理图着重分析了电动机的起动过程。     

电动自行车综合性能测试台的研制

介绍了一种简单实用的电动自行车综合性能测试台,根据电动自行车的国家标准,确定了主要测试项目以及各项目的技术指标,论述了电动自行车的车速,续行里程,载荷,蓄电池的放电电压和放电电流等被测项目的测试原理及实现方法,提出了一种基于8031单片机的智能化测试方法,同时给出了测试台的基本结构和软硬件组成,测试台将电动自行车被测项目中的非电量和电量集中在一个智能化测试系统中进行检测,整个测试台精度高,可靠性好,使用方便,易于维护。     

脉冲充磁技术与装置研究

讨论了电容放电脉冲充磁技术中放电回路参数与放电开关器件参数的选择问题,分析了充磁用螺线管参数与导磁铁心作用及脉冲磁化过程在永磁体中产生的涡流的影响,以实现充磁的最低能耗。提高装置的使用寿命。     

一种改进的人工神经网络模型

提出一种新型人工神经网络模型,称为“基于模式神经元的人工神经网络（Pattern Neuron Based Artificial Neural Network,PNBANN）”。与现有的神经计算网络不同,PNBANN是一种完全基于神经元连接的网络模型。网络中的每一个神经元都唯一代表一种模式,每当接收新模式时,自动建立一个新的连接,把信息存储在网络中;而接收已有的模式时,已有的神经元连接得到加强。当模式神经元的输出达到所设定的感觉阈值时,对应模式的信息被记忆。因此,PNBANN就是不断地接收、存储各种信息,并把感觉足够强的模式记忆下来,这一过程更接近于人脑的学习、记忆过程。实验结果证明,PNBANN学习效率高,在学习新知识时不会影响已有的知识,同时具有很强的识别能力。     

离散余弦变换的频率分解特性研究

利用离散余弦变换的频率分解特性,语音信号可以用一系列具有固定频率的余弦函数来表示。而生理实验表明,人耳外周听觉系统正是由一组代表不同特征频率的神经纤维来表达进入耳蜗的声波信号。因此,离散余弦变换可以应用到外周听觉系统的神经编码中。首先介绍离散余弦变换的定义,然后具体分析其频率分解作用的物理意义。对语音信号的仿真实验结果表明,离散余弦变换可以完好地保存原有信号中的各种频率成分。     

利用多点采样方法恢复二进制信号

提出了一种从经过高斯信道传输的基带信号、FSK、PSK信号中正确的恢复原二进制码序列的新方法.与传统方法不同,该方法是采用在一个码宽内对信号进行多次采样,如果采样值大于门限值则把该采样值记为‘1’,反之记为0'.然后根据每个码宽内‘1’的个数确定该码是‘1’还是‘0’.理论分析和大量仿真实验结果均表明:该方法简单,效果显著,能有效抑制干扰和噪声.利用该方法关键是可以知道恢复出来的每个二进制码位产生误码的可能性大小,因而该方法还可以和其它信道编码方式结合,具有很大的发展潜力.     

永磁起重吸盘的设计思路

就几种永磁起重吸盘的磁路设计与永磁吸力的计算方法,分析了其各自的优缺点及相对于常规电磁铁的节能、省材、廉价、安全等特点。     

引入记忆-遗忘机制的人工神经网络模型

针对如何提高人工神经网络在模式识别分类速度和更好地模拟人脑学习、认知事物过程的问题,提出一种改进的人工神经网络模型。将人脑的记忆-遗忘机制引入到人工神经网络中,同时在网络中加入了粗分类模块。在网络运行过程中,固定周期内对已学模式按照记忆强度进行排序。此方法可以有效地提高网络的识别速度。实验证明改进后的人工神经网络减少了网络计算量,节省了识别时间,提高了网络的工作效率。     

实用电动车控制器的研究

介绍一种电动自行车控制器.电动车动力部分主要由蓄电池和电动机组成.电动机则采用直流无刷电动机,其转子用电子换向替代了机械换向,转子在不同位置时,应导通的开关管是不同的,所以直流无刷电动机必须和控制器配合使用.论述了无传感器直流无刷电动机运行原理及控制器的工作原理,结合控制器原理图着重分析了电动机的起动过程.经实际使用,该控制器安全可靠,抗干扰能力强.