基于自组织特征映射神经网络的聚类分析

在深入研究自组织特征映射（Self-organizing Feature Mapping,SOFM）神经网络的结构和聚类算法的基础上,阐述了SOFM网络的建立方法.以随机二维向量的聚类为例,利用所建立的SOFM网络模型对输入的随机二维向量进行聚类,并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下,SOFM网络模型的权值向量的调整过程.仿真结果表明：在输出层神经元节点形式为六边型条件下,输出层神经元的个数越多,SOFM网络模型的聚类结果就越准确;在相同的拓扑结构条件下,训练步数越大,SOFM网络聚类结果越准确,但过大的训练步数对于聚类结果的影响甚微.     

LM算法改进的BP网络在模式分类中的应用研究

针对标准BP算法在进行模式分类时,存在收敛速度慢和易陷入局部极小值等缺陷,采用LM(Levenberg-Marquart)算法对标准BP算法进行改进,分别构建了LM-BPNN和标准BPNN分类模型并对平面上二维向量模式的分类,并进行了泛化能力测试。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,LM-BPNN的收敛速度明显加快,训练准确性和分类精度也明显优于标准BPNN,有效克服了标准BPNN收敛速度慢、易陷入局部最小值的缺点。     

GRNN与BPNN的函数逼近性能对比研究

为了研究GRNN和BPNN非线性函数的逼近能力,从数学角度详细阐述了GRNN和基于LM优化算法改进的BPNN的学习过程,编程建立了GRNN和BPNN,并分别用两种神经网络对指定的非线性函数进行逼近实验。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,相对于BPNN而言,GRNN的逼近精度更高、收敛速度更快,具有很好的逼近能力,为解决非线性函数的逼近问题提供了良好的解决手段。     

自生法制备纳米-微米颗粒增强B4C基复合材料

采用原位自生法设计并制备了一种新型纳米-微米颗粒增强B4C基复合材料:Al2O3-TiB2/B4C.理论计算和实验证明,可在相对较低的温度(1950℃)下成功实现预期的原位反应,得到完全致密化的复合材料.复合材料中生成细小均匀的微米级Al2O3和TiB2颗粒增强相,并在B4C晶粒内部形成Al2O3纳米颗粒增强相,得到晶间/晶内复合增强的组织结构.复合材料具有优异的综合力学性能,维氏硬度值达到28.8GPa,断裂韧性高达8.27 MPam1/2,耐磨性能大幅提高,K IC3/4*HV1/2达到26,是一种很有发展潜力的复合材料.还探讨了该种纳米-微米颗粒增强复合材料的韧化机制.     

虚拟仪器技术在电子信息类实验教学中的应用

文章介绍了虚拟仪器的概念、特点及其构成,指出了电子信息实验室引入虚拟仪器的必要性,探讨了基于虚拟仪器技术的电子信息类实验室的建设方案和实验课程的实施方法.     

基于LabVIEW的远程数据通信技术的实现

简要地介绍了LabVIEW的结构和特点,详细阐述了在LabVIEW平台上结合TCP／IP协议技术和DataSocket技术编写客户／服务器模式的网络通信程序,并给出了正弦信号的实际模拟传输结果,为实现远程数据通信、数据采集和仪器控制提供了一个切实可行的方案。     

基于PSD的微位移传感器建模的实现方法

为了正确反映基于光电位置敏感器(PSD)的微位移传感器的特性,首先介绍了一维光电位置敏感器的工作原理并分析了利用PSD结合光学三角测量法将位移信号转换成电压信号的工作原理,得出基于PSD的微位移传感器被测试件位移量与相关测量电路输出电压(S,V)关系特征,然后基于最小二乘估计算法基本原理,提出了运用MAT-LAB语言建立PSD的微位移传感器(S,V)关系特征的数学模型的方法,给出了建模的程序流程图以及仿真结果。     

基于LabVIEW的虚拟函数信号发生器的研究

简要地介绍LabVIEW的结构和特点,并详细地介绍一种基于LabVIEW环境下自行开发的虚拟函数信号发生器。该仪器不但界面友好,而且功能强大、操作简便。经过仿真实验表明,它能够产生实验室常用的正弦波、三角波、方波、锯齿波信号,而且还可以产生白噪声及多频波,并能通过输入公式,产生测试领域的非周期特殊信号。输出波形频率范围宽,具有相关参数可调、同步显示和幅度频谱分析功能。可以完成不同环境下的测量要求。     

基才BP神经网络的数字式涡流传感器特性曲线拟合的实现

为了正确反映数字式涡流传感器的实际特性,首先介绍了数字式涡流传感器的工作原理,然后从实测数据出发．提出了应用BP神经网络拟合其特性曲线的方法,运用MATLAB语言编程建立BP神经网络并进行训练和仿真,与现有最小二乘法进行对比。仿真结果表明,基于BP算法所得拟合曲线误差很小、收敛速度快且具有更高的拟合精度．比最小二乘法更具有实际意义。