基于广义回归神经网络的波束形成

针对阵列信号处理的特点,提出利用广义回归神经网络来实现无线通信中智能天线的波束形成,计算机仿真实验证明结果与理论结果相符,表明了该方法的有效性。     

多种卫星传感器反演长江口悬浮泥沙浓度的对比分析

通过用Shen等~([1])的方法对Terra/MODIS、FY-3A/MERSI、COMS/GOCI传感器入瞳处的辐射亮度即天顶辐射亮度进行反演计算,得出了遥感反射率Rrs与悬浮颗粒物(Suspended Particulate Matter,SPM)浓度的数据,并将上述反演与Envisat/MERIS反演进行了对比。结果表明,MODIS、MERSI、GOCI传感器的天顶辐射亮度与MERIS的线性相关性均较好;GOCI、MODIS与MERIS的Rrs一致,MERSI与MERIS的R_(rs)相差较大,尤其在近红外区域。MODIS、MERSI和GOCI反演的SPM数据与MERIS反演的绝对偏差分别为36%、31%和26%。对于长江口、杭州湾及江苏沿岸的高浊度水体,3种传感器反演的SPM均与MERIS反演的SPM相近。对于离岸较远的低浊度水体,仅GOCI能很好地体现。     

基于高分一号遥感卫星的渤海湾悬浮泥沙时空分布反演

悬浮泥沙是评价II类水体水质的重要参数之一,近海岸水域悬浮泥沙对重金属、营养盐等具有一定的吸附作用,悬浮泥沙的分布特征在一定程度上反映着污染物的迁移和循环,因此研究悬浮泥沙对渤海湾建设和环境保护具有重要意义。为探究渤海湾水域悬浮泥沙浓度和分布的变化特征,利用高分一号多光谱卫星影像,通过采用波段组合的方式对悬浮泥沙含量指数反演提取,反演得到2019年9个月的渤海湾悬浮泥沙指数,分析发现渤海湾悬浮泥沙含量在冬季受季风影响较高,春季和夏季的时候渤海湾高浓度悬浮泥沙向近岸收缩,秋季悬浮泥沙分布格局有正在向冬季过渡的趋势,本文研究可为渤海湾的生态环境保护和工业开发提供重要的科学依据和参考价值。     

基于人工神经网络的高分五号高光谱影像悬浮泥沙浓度反演方法

悬浮泥沙浓度是水体监测中极为重要的指标.本论文基于神经网络具有弥补传统经验算法固有误差的潜力,设计并开发了基于人工神经网络的神经网络校正器来对经验反演结果进行二次校正.为了防止在小数据集的情况下出现过拟合问题,采用了特殊设计的正则化项.基于高分五号高光谱遥感数据以及在长江口和沿海水域同时收集的悬浮泥沙浓度实地测量结果,...     

基于广义回归神经网络的面罩语音矫正研究

为了提高面罩语音的清晰度和可懂度,提出一种基于广义回归神经网络(GRNN)对线谱对(LSP)参数进行非线性建模的面罩语音矫正方法。分别提取正常语音和面罩语音的LSP参数,其次利用LSP参数对GRNN进行训练,得到矫正模型,将面罩语音的LSP参数通过矫正模型进行修正,并将结果作为参数用来合成新的语音。实验结果表明,利用GRNN训练出的矫正模型能够有效地调整面罩语音的LSP参数,在一定程度上能够恢复其频谱分布。     

基于广义回归神经网络的电力系统暂态稳定评估

本文提出了一种基广义归回神经网络(generalize dregressionneural network,GRNN)的电力系统暂态稳定评估模型,该模型的输入特征为故障清除后一段时间内系发电机电压的模值,模型输出为系统在对应故障下的暂态稳定状态。IEEE10机39节点的仿真结果表明,本文所提模型在采用故障切除后180ms的电压模值输入时,正确分类率为95.45%,误报率为2.05%,漏报率为4.77%,Kappa值为0.92,50次试验正确分类率方差为7.89×10-6,考虑到信息的传输延时和GRNN分类器的判断时间,在实时应用中,该模型在故障发生后300ms内可以做出准确判断,可以满足在线应用的需求。     

基于广义回归神经网络的用水量预测模型及其应用

用水预测对落实最严格水资源管理制度、实现节水型社会建设具有重要意义。文章建立基于非线性优化光滑因子的广义回归神经网络模型,用来刻画人口、GDP、工业增加值、有效灌溉面积和实际灌溉面积与用水量之间的非线性映射关系。用水量预测实验表明：2016—2021年庆阳市用水量的预测值和实际值吻合较好,2016年用水量的预测值和实际值偏差最大,2019年和2021年用水量的预测值和实际值完全吻合,均方误差只有0.4,相对误差只有0.15;2016—2021年平凉市用水量的预测值和实际值之间的偏差不大,比较稳定,均方误差只有0.3,相对误差只有0.13,预测准确率达到87%。     

基于广义回归神经网络无参考模糊图像质量评价

提出一种基于广义回归神经网络的无参考模糊图像质量评价方法.该方法首先通过相位一致变换生成待评测图像的相位一致图像,然后利用灰度共生矩阵计算相位一致图像的信息熵、能量、对比度、相关性和同质性5个特征,最后利用广义回归神经网络模型训练学习,预测得到无参考模糊图像质量得分.在3个公开数据库模糊图像上的实验结果表明,新方法预测得分与主观得分有较好的一致性,更加符合人类视觉特性.     

基于信号子空间的广义回归神经网络频率估计

对淹没在噪声中的载波信号的频率估计可以通过对信号协相关矩阵求取特征向量,分离出信号子空间和噪声子空间,并可基于信号子空间找到与之线性相关,或者基于噪声子空间找到与之正交的载波信号。但要使这两个子空间的矢量函数在某个频率点上得到波峰,仅仅利用噪声子空间的算法,如MUSIC往往需要对一段较大频率范围的频域进行细致搜索,既耗费了大量的时间又会因为搜索步长的选取而造成对识别精度的影响。本文提出一种基于信号子空间的广义回归神经网络频率估计算法,利用广义回归神经网络其极强的非线型拟合和并行计算特性在信号子空间矢量与频率点之间建立良好的非线型映射关系,以达不失估计精度而又提高估计速度的目的。     

基于MODIS数据反演高反射率地区气溶胶光学厚度的方法研究

针对高反射率地区地表反射率难以确定的难点,假设在不同年间同一天相同地物的两个不同波段的比值近似相等的前提下,借助几何光学模型理论,应用MODIS历史产品和数据,即MODIS地表反射率产品(MOD09)、历史MODIS图像第七波段的地表反射率和待反演地区的MODIS第七波段的地表反射率数据计算出待反演地区的MODIS其他波段的地表反射率,然后结合利用6S辐射传输模式计算建立的查找表,可实现待反演区域的气溶胶光学厚度的反演.以北京市区为例,应用该方法实现了北京市区的气溶胶光学厚度反演,并把反演结果与AERONET观测站的结果进行了对比,对比发现该反演方法对亮区域有效,其误差在30％以内.     

广义回归神经网络的改进及在预测控制中的应用

针对广义回归网络的模式层单元数目与样本数量成正比的问题,提出了基于相似度衡量的模糊均值聚类的样本精简方法.针对广义回归网络在时变环境下难以确定平滑因子,自适应能力弱的缺点,提出了一种基于贡献率的选择优化方案.仿真结果表明,改进后的GRNN有较快的处理速度和较强的自适应能力,能够在实际应用中很好地辨识较为复杂的非线性时变系统.     

解一般线性规划问题的神经网络

本文提出了一个解一般线性规划问题的神经网络，并在理论上予以了严格证明，对比增广的神经网络，新网络除了同优点外，还具有模型小的特点，最后，给出了网络的电路实现及模拟示例。     

Improved Generalized Regression Neural Network for Target Localization

Wireless Personal Communications - Security surveillance of home or office premises is usually performed by deploying a number of video cameras to continuously monitor the environment. Such...     

A General Neural Network Model for Estimating Telecommunications Network Reliability

This paper puts forth a new encoding method for using neural network models to estimate the reliability of telecommunications networks with identical link reliabilities. Neural estimation is computationally speedy, and can be used during network design optimization by an iterative algorithm such as tabu search, or simulated annealing. Two significant drawbacks of previous approaches to using neural networks to model system reliability are the long vector length of the inputs required to represent the network link architecture, and the specificity of the neural network model to a certain system size. Our encoding method overcomes both of these drawbacks with a compact, general set of inputs that adequately describe the likely network reliability. We computationally demonstrate both the precision of the neural network estimate of reliability, and the ability of the neural network model to generalize to a variety of network sizes, including application to three actual large scale communications networks.      

用模糊神经网络进行火灾探测

本文根据火灾探测的特点,提出了相应的模糊神经网络系统,论述了综合处理多种火灾信号的模糊推理计算模型和学习算法;针对具体应用,对网络结果进行了改进.由于模糊神经网络的自适应特性和推理过程易于理解的特点,明显提高了火灾探测的灵活性和准确性.     

利用卷积神经网络的车道线检测方法

车道线检测是自动或智能辅助驾驶的核心问题之一。本文主要研究单目视觉下车道线检测算法。车道线具有多样性,其存在的环境又具有复杂性,因此准确高效车道线检测是一个具有挑战性的问题。本文提出了一种新的车道线检测算法,在传统车道检测方法中引入深度学习模型,主要包括下了步骤:首先使用基于车道线先验特征的图像增强算法进行边缘增强,对于边缘增强后的图像采用线段检测器进行线段提取,然后利用卷积神经网络构造线段分类器排除线段噪声,最后通过对消失点聚类排除无关线段,并按斜率聚类产生主车道线。实验表明,本文实现的算法具备较强的鲁棒性和很高的检测准确度。      

神经网络最短路径路由算法

最短路径路由算法一直是分组交换网络的研究热点。飞速发展的计算机网络对路由算法的反应速度提出了更高的要求。神经网络作为一种新的组合优化计算工具,以其固有的并行执行方式以及潜在的硬件实施能力,使其在网络路由方面的应用得到较大关注。对神经网络最短路径路由算法的模型、发展做了较为细致的阐述,并指出了存在的不足和将来的研究方向。     

粗神经网络的禁止搜索训练算法研究

粗神经网络不仅可以处理明确定量的输入信息,而且可以处理传统神经网络不能处理的语义形式的输入信息.本文给出了一种新的训练方法--基于禁止搜索算法的粗神经网络训练方法.仿真结果表明本文提出的训练算法在收敛速度和网络性能上都有显著提高.     

Agglomerative Learning Algorithms for General Fuzzy Min-Max Neural Network

In this paper two agglomerative learning algorithms based on new similarity measures defined for hyperbox fuzzy sets are proposed. They are presented in a context of clustering and classification problems tackled using a general fuzzy min-max (GFMM) neural network. The proposed agglomerative schemes have shown robust behaviour in presence of noise and outliers and insensitivity to the order of training patterns presentation. The emphasis is also put on the complimentary features to the previously presented incremental learning scheme more suitable for on-line adaptation and dealing with large training data sets. The performance and other properties of the agglomerative schemes are illustrated using a number of artificial and real-world data sets.     

数字逻辑的神经网络设计

在讨论数字逻辑与神经元的关系后，提出一种利用前向三层神经网络实现任意布尔逻辑的设计方案，并引入卡诺图化简及最小项抑制的思想降低神经网络的实现复杂性，文中给出设计的原理及算法流程图，此方案结构简单可靠，学习速度快，易于硬件实现。