实现Hough变换的一种光学方法

讨论了Hough变换及其与相关计算的关系 ,提出了基于非相干光相关器的 ,以直线阵列作模板 ,以线光源阵列为照明光源的Houhg变换光学系统。并给出了计算机模拟此系统运算的结果。     

用神经网络实现VBR视频通信量的在线预测

VBR(Varible Bit Rate)视频信号具有时变性、非线性和突发性等特点,实现该信号通信量的高精度预测难度较大.针对以上问题,本文提出了一种用于VBR视频通信量预测的自适应神经网络模型,网络训练采用离线与在线相结合的方式,同时通过删除不重要的权重,以优化网络的拓扑结构,提高网络的推广能力,降低网络在线学习的计算复杂度;对VBR视频通信量预测的模拟结果表明该模型具有高的预测精度,并能满足通信系统对预测实时性的要求.     

光耦合负反馈前置放大器

本文介绍一种用于光伏型红外探测器的新型前置放大器。这种放大器采用光耦合负反馈,解决了互阻型前置放大器(TIA)因反馈电阻而造成的时间常数过大和动态范围小的问题。文中还给出用发光二极管和光敏三极管实现这种光耦合的实用电路、原理及测试结果。     

基于自适应抽头延迟神经网络的股指预测

提出一种自适应神经网络模型对股指这一非线性时间序列进行高精度的预测.首先采用基于递归最小方差的自适应学习算法对抽头延迟神经网络模型进行训练,然后再利用删剪算法对训练好的神经网络结构进行自适应删剪,去掉隐藏层中冗余的神经元,从而获得最佳的网络拓扑结构.最后利用优化好的神经网络对股指进行预测.抽取上证指数2000年1月至2004年4月期间的1 000个日数据作为样本,仿真实验表明,该方法能够快速地实现高精度的股指预测,预测精度达到4.8994×10-5.     

用支持向量机网络实现VBR视频通信量的预测

VBR(Variable Bit Rate)视频信号具有时变性、非线性和突发性等特点,实现该信号通信量的高精度预测是提高信息传输速度和提高网络带宽资源利用效率的重要手段.针对以上问题,本文提出了一种用于VBR视频通信量预测的差分输入支持向量机(SVM:Support Vector Machine)网络模型.该网络模型采用结构风险最小化准则,在最小化经验风险的同时,尽量缩小模型预测误差的上界,从而使网络模型具有更好的推广能力.实验结果表明:支持向量机网络模型的预测误差为0.0018,而梯度径向基函数(Gradient Radial Basis Function:GRBF)神经网络模型的预测误差为0.0029.可以看出,支持向量机网络模型的预测精度要比GRBF网络模型的预测精度高出大约40%.     

基于ATM交换结构的Hopfield神经网络调度算法

针对ATM交换结构，采用输入缓冲和每条入线在同一个时隙内可传送多于一个信元的策略，利用神经网络具有的实时性、高度并行处理能力和易于电路或光电技术实现等特点，提出了一种Hopfield神经网络调度算法。实验仿真比较表明，该方法不但大大提高了吞吐率，消除了队头阻塞造成的性能恶化，而且降低了信元丢失率和较大程度地降低了平均信元时延，提高了ATM交换结构的性能，实现了信元的优化调度。     

大量目标识别的光学相关与神经网络融合方法

本文基于光学相关与神经网络学习算法和编码聚类原理的融合 ,提出一种大数量目标的高效率分类识别方法 ,并以 67个字符 ,其中包括2 6个英文字母、1 0个数字和 31个省和直辖市的简称汉字的分类识别作为实例 ,给出详细的原理说明和结果。     

低温下JFET的噪声特性

对于空间技术和天文观测中应用的1～5μm大气窗口的高灵敏红外探测系统,前置放大器已经开始成为限制灵敏度的重要因素。对前置放大器的要求,除了尽可能低的噪声外,其频率响应及动态范围也应满足一定的要求。为了改善引线电容对频率特性的影响,同时也减小低温下引线的微音效应,前置放大器的输入级尽可能靠近工作于低温下的探测器是必要的。因此,研究结型场效应管(JFET)     

一种高速通信网络中多限制路由选择的新方法

对Hopfield神经网络(HNN)模型提出了一个新的能量函数,用以解决多限制路由(MCP)问题。提出利用寻找一个函数的最小问题代替多个约束限制条件,避免了多个限制条件中需要仔细选择多个参数的困难。对6节点和20节点的计算机模拟表明,采用新的能量函数的HNN的收敛速率在10^-3s量级,考虑到硬件实现,这种神经网络可以用于实时的多限路由选择。     

尺寸误差及表面反射率对复合抛物面聚光器特性的影响

本文介绍了复合抛物面聚光器(CPC)的结构及特性,提出一种用光迹法计算其透过特性的模型,并用数值计算的方法研究了径向尺寸误差及表面反射率对CPC 特性的影响。所得结果对实际设计和应用CPC 是重要的。