于ARM9的乙炔气体浓度监测研究

为了解决基于可调谐二极管激光光谱吸收(TDLAS)技术的乙炔气体浓度监测系统的小型化、实时现场监控难的问题,采用了带MMU的ARM9处理器S3C2410.实现了乙炔气体浓度数据采集和数据处理的实时现场监控系统的设计.系统中,采用了激光的波长调制和乙炔气体的光谱吸收特性.实验结果表明,整个监控系统不仅实现了小型化设计,而且实现了智能化和实时监控,非常适合现场监控,乙炔气体浓度的测量精度可以达到10-6量级.     

新型光纤乙炔气体传感器的研究

基于乙炔的近红外吸收机理,针对采用宽带光源直接进行吸收检测灵敏度不高的缺点,应用宽带光源和梳状滤波器(Fabry-Perot腔)来获得与乙炔气体梳状吸收峰相适应的出射光,来实现乙炔气体浓度的谐波检测,使由于气体吸收而引起的相对输出光功率变化大大提高,检测效率得到改善.建立了谐波检测的数学模型,利用光纤作为传输媒质,实现了在线遥测,提高了测量灵敏度.     

人工神经网络的逻辑模型

引入了统一建模语言(UML)的方法,建立了一种神经网络的面向对象模型,即神经网络的逻辑模型.在神经网络的静态结构中,类图描述了组成神经网络的基本元素及其相互关系,包括神经元、神经元集、输入层、中间层、输出层、神经元层、训练层和辅助层,并通过继承抽象神经网络类给出了具体的神经网络类.在神经网络的动态运行中,活动图把神经网络的活动状态分成外部激励和内部运行两组,展现了神经网络应用过程中的活动流程.     

一款可编程语音处理器的设计与应用

提出了一种基于模糊神经网络的数据挖掘算法,把模糊理论和神经网络结合起来构造、训练模糊神经网络,弥补了神经网络结构复杂、网络训练时间长、结果表示不易理解等不足.经过模糊神经网络的建立和训练达到精度要求,实现了运用模糊神经网络方法从数据库中提取知识的目标.     

优化船舶主机燃油喷射系统故障诊断的GA-Elman神经网络

RBF神经网络进行船舶主机燃油喷射系统故障和诊断的过程中存在着精度不高、误诊率高的缺点.针对这种情况,引入以Elman神经网络为基本识别模型,使用改进遗传算法(GA)对网络的权值和阈值进行优化;使用船舶主机燃油喷射系统故障样本对优化后的算法进行训练并对待识别故障样本进行仿真.对比普通Elman神经网络模型、GA-RBF神经网络模型、GA-Elman神经网络模型的诊断结果.仿真结果显示,改进的GA-Elman神经网络不易陷入局部最小值,误差小,在故障诊断方面优于Elman神经网络和GA-RBF神经网络.     

轻量级神经网络架构综述

深度神经网络已经被证明可以有效的解决图像、自然语言等不同领域的问题.同时伴随着移动互联网技术的不断发展,便携式设备得到了迅速的普及,用户提出了越来越多的需求.因此,如何设计高效、高性能的轻量级神经网络是解决问题的关键.本文详细阐述了三种构建轻量级神经网络的方法,分别是人工设计轻量级神经网络、神经网络模型压缩算法和基于神经网络架构搜索的自动化神经网络架构设计,同时简要总结和分析了每种方法的特点,并重点介绍了典型的构建轻量级神经网络的算法.最后,总结现有的方法,并给出了未来发展的前景.     

采用光声光谱技术检测乙炔气体的研究

气体光声光谱检测技术灵敏度高,不消耗被测气体,能够很好地检测变压器油中溶解的微弱气体.乙炔是变压器产生的微弱气体之一,为了检测乙炔气体,构建了用以检测该气体的实验装置.利用该装置,对外腔可调谐半导体激光器的辐射特性进行了分析;深入分析光声池的品质因数和频率响应;在低气体体积分数、低激光功率条件下,得到了光声信号与气体体积分数、激光功率间的关系.     

基于神经网络的计算机网络安全评价研究

本文分析了计算机神经网络的特点及发展,研究神经网络在计算机网络安全评价中的应用.神经网络技术虽然发展较快,应用较广,但神经网络技术目前并不是完全成熟.智能技术的未来发展趋势,是神经网络与灰色系统、证据理论、分形、粗集、混沌、小波、遗传算法、专家系统、模糊逻辑等技术相互融合,共同发挥更大的作用.     

深度神经网络修复策略综述

随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错误行为的定性或者定量结论,但这种事后分析并不能防止错误行为的发生,如何修复表现出错误行为的预训练神经网络模型依然是极具挑战性的问题.为此,深度神经网络修复这一领域应运而生,旨在消除有缺陷的神经网络产生的错误预测,使得神经网络满足特定的规约性质.目前为止,典型的神经网络修复范式有3种:重训练、无错误定位的微调和包含错误定位的微调.介绍深度神经网络的发展和神经网络修复的必要性;厘清相近概念;明确神经网络修复的挑战;详尽地调研目前已有的神经网络修复策略,并对内在联系与区别进行分析和比较;调研整理神经网络修复策略常用的评价指标和基准测试;展望未来神经网络修复领域研究中需要重点关注的可行方向.     

改进的BP神经网络在故障诊断中的应用

智能化故障诊断技术的关键是基于数据预处理方法的故障模式识别理论.结合计算机综合业务的一些实际问题,探讨了利用改进的BP神经网络进行故障诊断的方法和应该注意的问题,在分析神经网络的基础上提出了基于改进的BP模型神经网络的故障诊断推理方法,给出了后台服务中常见的故障征兆原因、故障诊断神经网络模型、神经网络参数和学习样本.结果表明,基于改进的BP神经网络的故障诊断方法是行之有效的.