混合型径向基函数神经网络检测PVC

采用径向基函数（ＲＢＦ）神经网络作为室性早搏（ＰＶＣ）的检测器,将ＱＲＳ波的模板以及其他不同物理意义的特征参数综合在一个检测网络中,构成一种由Ｇａｕｓｓ函数和Ｓｉｇｍｏｉｄ函数作为隐层点基函数的混合型ＲＢＦ网络,并且给出确定网络结构参数的方法。用ＭＩＴ心电数据库对算法进行验证,单层心电信号的室性早搏检出率达到９８．４６％。     

基于模糊对向传播网络的水中目标分类识别

把对向传播（CP）网络的竞争层神经元输出函数定义为模糊隶属度函数,将模糊C-均值（FCM）算法和对向传播网络相结合,提出了一种改进的模糊对向传播（MFCP）网络。在MFCP网络中解决了模糊隶属度函数的自动生成问题。对海上实录的三类水中目标辐射噪声进行了调制解调谱（DEMON谱）的线谱和连续谱分析,并进行了对应的特征提取和神经网络分类识别实验,结果证明：MFCP网络的分类能力及对未训练目标的适应性优于CP网络和误差反向传播（BP）网络。     

RBF—LBF串联神经网络方法快速测定微量甲醇

提出了由两层径基函数（ＲＢＦ）网络和两层线性基本函数（ＬＢＦ）网络组成的串联网络，对气敏传感器阵列测试八种浓度甲醇挥发蒸汽所得到的样本集进行分类实验，表明这两种网络分类速度快，分类精度高，优于前向三层ＲＢＦ网络和前向三层ＬＢＦ网络。     

第七层交换

本文探讨了第七层开放系统互连应用层的服务并将其与第三、四层交换服务进行了比较。了解了高层交换到底是什么东西以后,你在做下一个网络升级的预算时就可以驾轻就熟了。 诸如 Ｃｉｓｃｏ、Ｅｎｔｅｒａｓｙｓ（将并入 Ｃａｂｌｅｔｒｏｎ麾下）,Ａｖａｙａ（Ｌｕｃｅｎｔ负责企业连网的新成立的子公司）,以及新公司 Ｆｏｕｎｄｒｙ Ｎｅｔｗｏｒｋｓ和 Ｔｏｐ ｌａｙｅｒ 这样的网络设备供应商,都声称有各自的网络解决方案。这些方案不仅能解决企业层的交换问题,同时也对网络的含义提出了不同而有趣的解释。 例如,在 Ｃｉｓｃｏ, …     

服装企业综合管理与决策系统

本文结合现代企业管理网络的特点，尤其是服装企业网络的特点，提出并详细阐述了建立管理网络的三层方案，（ＷＥＢ层、ＬｏｔｕｓＮｏｔｅｓ／Ｄｏｍｉｎｏ层、ＲＤＢ（关系型数据库层）。     

中小企业如何选择路由器

在广域网络系统集成的设计与实施过程中,遇到的首要和关键问题就是关于路由器的选择问题,下面由晓通电子提供的这篇文单为我们解决了这方面的有关问题 路由器（Ｒｏｕｔｅｒ）是工作在ＯＳＩ七层模型中第三层即网络层（Ｎｅｔｗｏｒｋ　Ｌａｙｅｒ）与第四层即传输层（ＴｒａｎｓｐｏｒｔＬａｙｅｒ）间的网络设备。从应用看,主要有内部路由与边界路由之分。内部路由的作用主要是将不同的网段连接起来,或是将不同网络操作系统（Ｎｅｔｗｏｒｋ Ｏｐｅｒａｔｉｏｎ　Ｓｙｓｔｅｍ）上运行的不同协议（如Ｍａｃｉｎｔｏｓｈ机上跑的 Ａｐ…     

再论（J，J＇）－无损分解

本文在状态空间中对基于共轭化理论的（Ｊ，Ｊ＇）－无损分解问题进行了讨论，在无需Ｇ～（ｓ）ＪＧ（ｓ）中不存在零极点相消的这一假设，给出ＲＬ∞函数具有（Ｊ，Ｊ＇）－无损分解的由两个Ｒｉｃｃａｔｉ方程所表征的充要条件．本文还通过一个Ｈ∞控制问题求解的例子，验证了上述结果．     

基于自适应归一化 RBF 网络的Q-V 值函数协同逼近模型

径向基函数网络逼近模型可以有效地解决连续状态空间强化学习问题。然而,强化学习的在线特性决定了 RBF 网络逼近模型会面临“灾难性扰动”,即新样本作用于学习模型后非常容易对先前学习到的输入输出映射关系产生破坏。针对 RBF 网络逼近模型的“灾难性扰动”问题,文中提出了一种基于自适应归一化 RBF（ANRBF）网络的 Q-V 值函数协同逼近模型及对应的协同逼近算法———QV（λ）。该算法对由 RBFs 提取得到的特征向量进行归一化处理,并在线自适应地调整 ANRBF 网络隐藏层节点的个数、中心及宽度,可以有效地提高逼近模型的抗干扰性和灵活性。协同逼近模型中利用 Q 和V 值函数协同塑造 TD 误差,在一定程度上利用了环境模型的先验知识,因此可以有效地提高算法的收敛速度和初始性能。从理论上分析了 QV（λ）算法的收敛性,并对比其他的函数逼近算法,通过实验验证了 QV（λ）算法具有较优的性能。     

多层感知器网络内部判决模式的研究

人工神经网络（ANN）内部行为的研究,无论是对生物神经系统内部工作机理、ANN理论,还是对ANN应用都有重要意义。本文在作者原有工作基础上加以发展,针对多层感知器网络应用于模式识别、分类、 数逼近与参数估计的内部行为,作出了明确解释;以单陷层结构为典型,定义了隐层神经元输出为网络输出量的“（正、负）内部分量”,陷层权重分布为网络求解问题的“内部判决模式”;并给出了应用这一理论分析的实例。     

降维网络及其在混凝土配合比优化设计中的应用

提出在BP网络的输入层与隐层或径基函数网络的输入层与隐层之间增加一个只有2个结点的线性函数层（Z层）,以构成基于BP网和基于径基函数网的降维映射网络,这两种网络均将多维输出Y（可为一维）与多维输入X之间的非线性映射关系转变成与二 维向量Z之间的非线性映射关系,网络学习后,就可以在由Z构成的二维映射平面上描绘出输出向量的等值线,通过这些等值线可全景式地,准确可靠地出样本数据集的最估操作区域,实现混凝土配合比优化设计。     

无线传感器网络跨层参数模型设计

通过对现有多种无线传感器网络（WSNs）跨层协议的分析和研究,提出一种新型的跨层参数参考模型。该模型给出WSNs中网络层、数据链路层以及物理层等各层次之间相互影响的参数。在此基础上,分析该模型中网络各层次参数之间对网络性能的影响。最后通过对多个参数进行仿真实验,得出各参数对网络性能的影响情况,并作出理论分析,从而验证该模型的有效性。     

一种基于模糊规则的神经网络结构及其学习算法研究

文章提出了一种基于模糊规则的神经网络结构,并用形式化语言进行描述。基于模糊规则的神经网络由输入层、规则层和输出层三层网络结构组成,以隶属度函数（语义值）作为网络权值,输入值沿权值的传播即进行隶属度计算。在充分分析三角形函数特征的基础上,应用启发式方法,导出了FRBNN网络的学习算法。最后应用FRBNN评价船舶碰撞危险度,表明FRBNN兼备神经网络和模糊推理系统的优点。     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数,导致网络能量消耗过快,全网能耗不均衡。针对这个问题,提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先,在网络能量消耗模型中引入太阳能补给模型,得出每一轮次网络能量总消耗与网络分簇数目的函数关系,并对其求导从而得到网络的最佳分簇数。然后,利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选,得到备选簇头节点;再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选,得到网络簇头节点。最后,通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标,与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比,该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍,网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。     

电脑文摘

９９０８１使用多分辨力神经网络的凹自动目标识别／／ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ．—１９９８,７（８）．—１１２２～１１３５介绍了用多分辨力神经网络根据目标的凹（分等级的分辨力）图象探测和分类目标的方法。其目标识别决策是以使能量函数最小化为基础的。在当前的凹图象中可同时获得的几个分辨级上 ,把一个候选的斑点与目标模型库相比较 ,并由此计算能量函数。文章特别介绍了通过一个新的多层Ｈｏｐｆｉｅｌｄ神经网络 ,实现一种并发的 ,自上而下的和自下而上的匹配过程。有关的能量函数不…     

基于改进YOLOv5m的弱小目标识别方法

针对空对地观测弱小目标识别与跟踪技术需求,提出了一种改进型YOLOv5m网络的多目标识别检测方法,以提升对所占像素个数小于10*10弱小目标的识别能力;分析了网络结构输入端Mosaic数据增强、Anchor计算、Focus模块及SPP模块对弱小目标的影响;在深度学习网络Prediction层引入距离交并比非极大值抑制（DIoU-NMS）代替传统非极大值抑制（NMS）,引入距离交并比损失函数（DIoU_Loss）代替广义化交并比损失函数（GIoU_Loss),加快边界框回归速率,提高定位精度,消除重叠检测,并在网络中引入4*4以上像素的目标识别层,提升对遮挡重叠弱小目标识别的准确率;实验结果表明,改进的深度学习网络算法与经典的YOLOv5m网络相比,目标识别的均值平均精度mAP指标达到89.7%,对比原网络提高了4.1%,实现了对图像像素个数小于10*10的弱小目标高精度识别,有效提升了深度学习网络对弱小目标的适应性和应用价值。     

基于生成对抗网络的图像动漫风格化

目前的卡通风格图片生成方法仍然存在局限,如色彩不真实、图片局部细节处理不到位等,要想快速将输入图片转换为动漫的风格输出还需要结合深度学习进行研究。基于生成对抗网络的思想,提出了一种动漫风格化编码的生成对抗网络,将输入的图像风格转变为宫崎骏动画电影的风格。网络结构加入自适应实例归一化层（AdaIN）模块和多层感知机（MLP）模块,得到很大优化,同时提高实验效果。在损失函数部分,引入图像感知相似性（lpips）作为内容损失函数,二分类交叉熵（binary cross entropy）损失函数（BCELoss）作为对抗损失函数。实验结果表明,该网络对于动漫化图片起到了很好的效果,FID分数72,能够灵活适用于各种类型的图片动漫化。     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数，导致网络能量消耗过快，全网能耗不均衡。针对这个问题，提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先，在网络能量消耗模型中引入太阳能补给模型，得出每一轮次网络能量总消耗与网络分簇数目的函数关系，并对其求导从而得到网络的最佳分簇数。然后，利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选，得到备选簇头节点；再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选，得到网络簇头节点。最后，通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标，与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比，该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍，网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。     

归一化径向基函数网络的结构优化策略

针对归一化RBF网络的结构设计，首先利用基于山峰函数的减法聚类算法构造网络的初始结构和初始数值，并采用奇异值分解（SVD）算法分析了网络初始结构中隐含层节点与奇异值，累积贡献率以及索引向量的关系，提出了针对归一化RBF网络的结构精简优化策略。最后，对该结构优化策略的可行性和有效性进行了仿真验证和性能比较。     

零代价函数条件下的前馈神经网络统计灵敏度分析

讨论了输入层和输出层为恒等变换神经元,隐层为非线性变换神经元的三层神经网络的统计灵敏度,给出了权值和输入样本的加性扰动灵敏度计算的理论公式.当输入扰动较小时,通过选择多种不同的隐层神经元函数,按照本文理论结果计算出来的灵敏度数值与仿真实验的结果十分吻合,说明了本文理论分析结果的正确性.当输入扰动较小时,隐层取不同函数时灵敏度的值是不同的,但数值基本上稳定不变.对于某些隐层函数,当输入扰动值较大时,网络的灵敏度数值迅速下降,但是网络输出的平均相对误差却迅速增加.在求灵敏度时,网络的权值是用代价函数为0的精确算法求得的.     

分数阶理论在BP神经网络中的应用

对分数阶微积分理论与BP神经网络理论结合研究,提出了在BP神经网络算法中加入分数阶微积分有神经元节点函数和权值的修正算法,该算法将BP网络中将隐含层节点函数的传递函数通过分数阶傅里叶变换时频分析工具转换为核函数,在BP神经网络应用中将信号误差反向传播,解决信号不稳定问题。