基于人工神经网络的复杂介质中波的传播不确定性分析方法

土壤在物理系统的工作频率范围内可能表现出较强的色散性,色散物质的不确定参数在波传播的仿真结果中引入了不确定性。在考虑这些仿真结果的可接受性时,量化仿真结果中的不确定性至关重要。针对传统不确定性分析法计算效率低、运算量大的问题,该文以探地雷达建模仿真中的不确定性分析为例,提出一种基于人工神经网络的不确定性分析模型,阐述了模型的构建过程,及克服过拟合问题的策略。作为探地雷达全波仿真的替代模型能够预测仿真结果,进而得到仿真结果的统计信息,如均值、标准差。经比较,在相同的数值模型、不确定性输入参数个数,以及参数变化范围为10%的前提条件下,对任意一组输入参数,输出得到1000组结果时,该方法所得预测结果统计特性与执行全波仿真所得具有较好的一致性,且显著降低运算量,计算时间效率提升79.82%。     

基于模糊神经网络的访问控制风险量化方法

访问控制系统中风险量化具有不确定性,非线性等特点,无法确定具有良好效果的求解规则.本文将模糊理论、人工神经网络、小波分析及量子粒子群优化算法有机结合,提出了模糊小波神经网络(fuzzy wavelet neural network,Fuzzy WNN)的风险量化方法,通过模糊综合评判法对主体、客体等的属性信息进行评价量化,作为小波神经网络的输入量,小波神经网络的输出量为量化的风险值,并对小波神经网络的训练算法进行改进优化.仿真结果表明,本文提出的算法可对访问请求风险实现有效量化,克服现有的量化方法所存在的主观随意性大、结论模糊等缺陷.     

基于子带VQ及ANN的话者确认系统的设计

话者识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性,本文提出了基于子带矢量量化及人工神经网络的话者模型。将语音文本的有效频段划分为几个子带,分别求取子带上的知闰量化码本,利用ＢＰ 工神经网络对训练数据在各个子带上的量化误差进行拟合,即可训练出话者模型（ＳＢＶＱ码本及ＢＰＮＮ的权值矩阵 、确认阈值）该话者模型反映了不同频段对话者识别系统性能的不同影响,并可将时间     

基于试验数据的性能裕量及其不确定性量化方法

在QMU方法中,对性能参数的裕量及其不确定性进行量化的结果将作为QMU评估的输入量。为了开展性能裕量及不确定性量化方法研究,文章首先根据获得的性能裕量结果的不同表示形式,给出了优良指数相应的计算方法,然后通过试验数据确定某部件关键性能参数随时间的变化规律。最后提出了基于统计理论的性能参数裕量及其不确定性量化的通用方法,并给出了相应的实例。     

基于人工神经网络的语音多脉冲激励矢量量化器的设计及其性能分析

本文讨论了人工神经网络技术在语音压缩编码方面的应用,提出了一种用Kohonen网络实现语音多脉冲激励分析模型的矢量量化方法。该方法将参数分析和量化编码熔为一体,和传统的先分析、后量化方法相比较,具有许多优良的特性,如全并行处理、过程简化等。本文针对语音多脉冲激励模型,提出了量化网络的结构和学习规则,并将此方法和传统方法进行了比较。最后对网络的压缩性能进行了计算机模拟,结果表明应用人工神经网络进行语音信源的压缩是切实可行的。     

分布轮廓与局部特征融合的云模型不确定性相似度量

针对当前基于云模型的不确定性相似度量或为精确局部数据的量化计算,或单纯通过其整体几何特征进行度量,导致结果具有较大的片面性问题,综合考虑云模型整体几何特征与微观云滴分布贡献,该文提出了一种分布轮廓与局部特征融合的不确定性相似度量方法,即基于包络带及其云滴贡献度的云模型不确定性相似度量方法(EACCM)。该方法将体现云模型几何特征的包络带(内包络曲线和外包络曲线之间区域)作为相似度量基础,结合其重叠部分包含云滴的贡献度大小建立综合度量模型。仿真结果显示,该方法度量结果更为科学合理,并且有效避免了同一数字特征相差较大或者非常接近时导致的相似性异常问题。     

基于安全熵的间接非授权行为分析理论

针对系统中存在间接非授权访问可能性的量化分析和证明问题,提出了一种基于安全熵的量化分析理论.首先,结合信息论有关知识引入安全熵概念,提出系统对间接非授权访问行为响应的不确定性计算方法;然后,基于安全熵提出了系统的间接安全性定理,作为判断系统是否可能存在间接非授权访问的依据;最后,应用该方法对经典安全模型进行了量化分析,验证了该方法的实用性.结果证明该方法适用于系统或访问控制模型对间接非授权访问的防护能力评估和证明.     

色散有损介质土壤对电磁回波影响的不确定性分析研究

不确定性分析是量化不确定性从而获得统计特性的过程.在数值模拟中,均值、标准差等统计特性是评价数值仿真结果是否合理的重要依据.针对探地雷达系统建模仿真输出结果的不确定性,本文提出一种改进的不确定性分析方法.该方法结合辅助微分方程时域有限差分法与广义多项式混沌展开方法,对色散有损土壤模型的不确定参数所引起的仿真输出结果的不确定性进行量化表征,从而得到输出结果的不确定度.与传统不确定性分析方法蒙特卡洛方法相比,该方法计算效率更高,显著降低计算成本.     

一种基于云模型的网络态势综合评估方法

针对网络态势评估中存在的模糊性、随机性和指标量化不统一等问题,提出了一种基于云模型的网络态势综合评估方法。综合考虑实数型、区间型和模糊型指标并统一用云模型量化表示,采用主观与客观相结合的赋权方式,并利用云相似性理论进行网络态势综合评估。对通信网络态势评估的实例分析表明,该方法能够合理地实现网络态势的定性及定量评估,并且保留了评估过程中的不确定性。     

基于人工神经网络的数据散列加密算法

在密码学中,散列是非常重要的一种加密方法。人工神经网络模拟人脑的思维方式,具有输入与输出是一个高度非线性映射关系以及高智能、可训练、超大容量等特点。基于人工神经网络的数据散列加密可以达到非常完美的加密效果。文中在传统加密算法的基础上分析了基于人工神经网络加密的优越性,得到了基于人工神经网络的数据加密算法。     

基于加权信度熵的传感器数据冲突度量与融合

目标识别中,来自多传感器的数据通常包含诸多不确定性。在D-S证据理论框架下,提出一种基于加权信度熵的传感器冲突数据融合与目标识别方法。首先,将辨识框架(FOD)中包含的不确定信息融入新近提出的Deng熵模型;随后,采用加权Deng熵量化不同传感器数据源中的不确定性;最后,实现传感器冲突数据融合与目标识别决策。数值仿真及不同方法的比较分析结果验证了所提方法的合理性与有效性。     

基于误差限制的神经网络混合精度量化方法（特邀）

基于卷积神经网络的深度学习算法展现出卓越性能的同时也带来了冗杂的数据量和计算量,大量的存储与计算开销也成了该类算法在硬件平台部署过程中的最大阻碍。而神经网络模型量化使用低精度定点数代替原始模型中的高精度浮点数,在损失较小精度的前提下可有效压缩模型大小,减少硬件资源开销,提高模型推理速度。现有的量化方法大多将模型各层数据量化至相同精度,混合精度量化则根据不同层的数据分布设置不同的量化精度,旨在相同压缩比下达到更高的模型准确率,但寻找合适的混合精度量化策略仍十分困难。因此,提出一种基于误差限制的混合精度量化策略,通过对神经网络卷积层中的放缩因子进行统一等比限制,确定各层的量化精度,并使用截断方法线性量化权重和激活至低精度定点数,在相同压缩比下,相比统一精度量化方法有更高的准确率。其次,将卷积神经网络的经典目标检测算法YOLOV5s作为基准模型,测试了方法的效果。在COCO数据集和VOC数据集上,该方法与统一精度量化相比,压缩到5位的模型平均精度均值（mean Average Precision, mAP）分别提高了6%和24.9%。     

任意分布ST方法及其在随机场线耦合中的应用

随机测试(ST)方法是一种不确定性量化方法,已有的ST方法还不能处理具有任意分布随机变量的情况。通过Gram-Schmidt正交化算法为任意分布随机变量构建混沌多项式基底,对ST方法进行拓展,使其可用于任意分布随机变量的情况。将拓展后的ST方法用于传输线场线耦合分析中。在场线耦合的计算中,由于辐射场的不确定性,入射波极化角、方位角与仰角存在不确定性,因此传输线的响应也呈现出不确定性,导致随机场线耦合问题。针对输入参数服从任意分布的情况,应用ST方法对传输线场线耦合响应进行不确定性量化。对模型的输出响应进行多项式混沌展开,通过求解展开系数得到模型响应的统计信息。结合单随机变量和多随机变量场线耦合算例,得到传输线电压响应的统计信息。最后对比蒙特卡罗模拟方法,验证了ST方法的正确性和高效性。     

一种基于自组织特征映射的前馈式神经网络模型及其算法

本文提出了一种基于自组织特征映射的前债式人工神经网络模型,介绍了其结构和算法．该模型基于自组织特征映射机理,用统计方法获得输入信号对不同模式类别的隶属程度,并由此进行模式分类判决计算．该神经网络模型还导出了“模式地形图”的概念,可以实现数据聚类分析的可视化．经计算机模拟验证,上述算法和概念是有效的．     

基于人工神经网络的长江水质评价模型

为了能够客观地对长江水质进行评价,在分析人工神经网络原理的基础上,通过对水质污染指标浓度生成样本的方法,生成了适用于人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于长江水质评价的人工神经网络模型。将该模型用于长江水环境评价,通过模型的计算,得到长江水质类别。评价结果表明该模型设计合理、泛化能力强,对长江水质评价具有较好的客观性、通用性和实用性。     

一种偌于自组织特征映射的前馈式神经网络模型及其算法

本文提出了一种基于自组织特征映射的前馈式人工神经网络模型，介绍了其结构和算法。该模型基于自组织特征映射机理，用统计方法获得输入信号对不同模式类别的隶属程度，并由此进行模式分类判决计算。该神经网络模型还导出了“模式地形图”的概念，可以实现数据聚类分析的可视化。经计算机模拟验证，上述算法和概念是有效的     

低码率下基于ROI与JND的分级量化方法北大核心

传统基于人眼感兴趣区域(ROI)的分级量化模型,将视频帧划分为ROI区域和非ROI区域,对相应区域用不同的量化参数(QP)进行量化,以提升视频的主观质量。而该模型没有考虑ROI区域的内部特性,不能很好地符合人眼视觉特性(HVS)。针对低码率条件下以人脸为主体的桌面视频、手持终端等场景,提出一种基于ROI和恰可观测失真(JND)的分级量化方法。JND模型表明边界区域相对平滑区域能够隐藏更多的失真,利用该属性检测出ROI区域(即人脸)中人眼更感兴趣的边界部分(例如眼睛、鼻子、嘴巴等),据此建立基于ROI与JND的分级量化模型,指导各区域的量化。实验结果表明,针对低码率视频的应用,与传统分级量化方法相比,本文所提方法在相同码率条件下能明显提升视频的主观质量。     

深熔激光焊焊缝形状人工神经网络模型和混合专家系统

介绍了利用人工神经网络建立深溶激光焊焊缝形状模型和基于人工神经网络的混合专家系统模型。以Ｎｄ：ＹＡＧ激光焊接Ｍｏｎｅｌ４００的实例介绍了应用ＡＮＮ模型研究激光焊接规范参数和焊缝形状的关系,并提出了基于ＡＮＮ的焊接规范参数优化方法。结果显示,模型具有很好性能。     

电子战目标威胁评估的折衷排序方法

电子战目标威胁评估是制定电子战作战决策的重要环节,针对电子战目标涉及因素多、各因素不确定性大的问题,建立了电子战目标多属性群决策威胁评估模型,重点对威胁评估指标的选取以及确定进行了讨论,并基于标尺量化函数对定性指标进行量化;采用折衷排序方法 VIKOR对威胁目标排序,从而在整体效用最大的同时达到个体遗憾最小。最后通过进行电子战干扰战情想定下目标威胁能力的评估仿真,验证了威胁评估模型的有效性及算法的可行性,为电子战目标威胁评估提供了一种行之有效的方法。     

基于双谱模型的被动微波遥感土壤湿度反演

利用随机粗糙表面的双谱散射模型计算了粗糙裸土壤表面的发射率,并建立了基于双谱模型的被动微波遥感的土壤湿度的人工神经网络反演方法.结果表明,基于双谱散射模型计算粗糙裸土壤表面发射率是可行的,利用人工神经网络反演方法,仅采用两个发射率的数据组合便可以反演出精度较高的土壤湿度值,且反演方法具有一定的抗噪性能.