求解对偶Riccati方程的矩阵符号函数法

本文介绍一种求解对偶代数Riccati方程正定(负定)稳定(反稳定)解的方法——矩阵符号函数法,给出这些解的唯一存在的充分必要条件和算法实现。     

Systolic算洁和结构求解代数Riccati方程

本文基于矩阵的符号函数法，提出了一种Ｕ－Ｄ分解算法和脉动（Ｓｙｓｔｏｌｉｃ）结构有效地求解代数Ｒｉｃｃａｔｉ方程以及用固定大小的方形阵列解决大型问题的方法．     

矩阵代数Riccati方程的进一步研究

研究矩阵代数Ｒｉｃｃａｔｉ方程ＰＡ＋Ａ‘Ｐ＋Ｃ’ＰＣ－（ＰＢ＋Ｃ‘ＰＤ）（Ｒ＋Ｄ’ＰＤ）＋Ｑ＝０,所得结果改进了文献（７）的结论。     

一种计算传递矩阵H-范数的快速方法---矩阵广义符号函数法

本文提出一种基于矩阵广义符号函数的传递函数阵Ｈ∞范数的快速计算方法，这一方法避免了以往方法中必须采用的哈密顿阵的特征值计算问题，大大加快了计算速度。     

基于MATLAB求解电路方程符号解的方法

使用MATLAB语言及其符号工具箱,设计基于改进节点法(Modified Nodal Approach)与全矩阵技术的线性电阻电路符号分析程序.使用对话框启动分析和直观的观察分析结果,并在实现分析功能的同时,提供完整的编辑、输入保护以及数据保存功能.     

NURBS的符号矩阵表示及其应用

本文应用符号推理技术,给出了获得NURBS符号矩阵表示及其从符号矩阵自动转换成数值矩阵的算法.应用该算法使NURBS的计算简单且易于理解。     

求解矩阵方程的一种新方法

如果在矩阵方程中，矩阵A是稳定矩阵，则f(P)=‖PA＋A′P＋Q‖^2→minimun。最小。本文利用该原理解矩阵方程。     

由符号函数与绝对值函数派生的非线性函数

人工智能控制中逻辑判断必不可少。因为可以采用简单的非线性函数进行逻辑判断,所以在实际应用中,可以用适当构造的非线性函数来实现部分的智能控制。因此,提出了一种采用符号函数和绝对值函数构造特殊非线性函数的方法,并讨论了利用这些特殊的非线性函数逼近任意的第一类非连续函数的问题。     

基于SVM与ANN神经网络的车牌识别系统

由于车牌识别系统中车牌位置精确定位难和车牌中字符识别率低等问题。本文提出了一种基于SVM与ANN神经网络的车牌识别算法。通过Soble边缘检测算法与形态学算法相结合来确定大致的车牌轮廓,结合车牌的外接矩形的面积与长宽比来筛选出符合车牌特征的候选区域,再利用SVM分类器来判断检测到的区域中是否是车牌,来最终筛选出是车牌的区域。对于筛选出的车牌利用ANN神经网络进行车牌字符的识别。经验证,该车牌识别系统能够适用于比较复杂的环境,且识别速度快,准确率相对较高。     

ANN构造性设计中基于GA优选神经元激活函数类型

构造性设计是ANN设计的发展方向之一。全面的高质量的ANN学习应包括神经元激活函数类型的自动优化。该文在构造性设计的框架内讨论了如何实现典型前馈网络的包括神经元激活函数类型在内的全面学习。首先,提出了典型前馈网络的一种构造性设计方法的原理和算法框架,把整个网络的设计分解成了一个个单个神经元的设计问题;然后提出了基于GA的能实现激活函数类型优选的单个神经元的设计方法。大量函数拟合的仿真实验显示:与其它几种激活函数类型不优选的常见ANN设计方法相比,该文提出的方法更有效,能用较小的网络结构获得较好的泛化性能。     

基于ANN/HMM的中国手语识别系统

手语是聋哑人使用的语言。它是由手形动作辅之以表倩姿势为符号构成的比较稳定的表达系统,是一种靠动作／视觉交际的特殊的语言。一方面,手语识别可以作为健全人与聋哑人之间的翻译,为聋哑人提供更好的服务;另一方面,作为人体语言理解的一部分,手语识别可作为人机交互的一种手段。该文实现了基于ANN／HMM的手语识别系统,采用ANN方法建立了关于手形、位置、方向的特征映射器,并在建立手形特征映射器的过程中,给出了多特征多分类器融合算法。实验证明,基于ANN／HMM的手语识别系统是可行及实用的。     

基于EMD和BP神经网络的雷达体征信号检测算法

随着城市生活中医疗、治安、反恐等方面的需求日益突出,非接触式雷达生命体征检测逐渐得到各方面的关注.文章提出一种基于EMD和神经网络的雷达生命体征信号检测算法.由于UWB雷达回波信号的非平稳非线性特性,利用EMD的空间时间尺度特性对信号进行分解,得到一系列的本征模态函数IMF,然后通过结合了免疫遗传算法IGA的BP神经网络对信号进行优化,获得心跳和呼吸信号.结果表明,文章提出的算法比直接用EMD分解重构的信号的准确性高,弥补了EMD分解的端点效应问题,具有广阔的应用前景和研究价值.     

基于轻量型卷积神经网络的交通标志识别方法

交通标志识别设备的功耗和硬件性能较低,而现有卷积神经网络模型内存占用高、训练速度慢、计算开销大,无法应用于识别设备.针对此问题,为降低模型存储,提升训练速度,引入深度可分离卷积和混洗分组卷积并与极限学习机相结合,提出两种轻量型卷积神经网络模型:DSC-ELM模型和SGC-ELM模型.模型使用轻量化卷积神经网络提取特征后,将特征送入极限学习机进行分类,解决了卷积神经网络全连接层参数训练慢的问题.新模型结合了轻量型卷积神经网络模型内存占用低、提取特征质量好以及ELM的泛化性好、训练速度快的优点.实验结果表明.与其他模型相比,该混合模型能够更加快速准确地完成交通标志识别任务.     

基于人工神经网络的多模型综合预报方法

根据天气系统非线性变化及天气变化受大气多种内外因素综合影响的特点,文中提出了用ANN的前馈网络(BP算法)串入竞争自组织映射网络(SOM网络)方法对同一预报量进行不同结构类型的MOS模型、动力诊断模型和人工智能模型的综合预报。利用这一系统对样本进行了先聚类后训练的预报。结果表明,BP SOM网络实现多模型(异型)综合预报系统具有很好的应用前景。     

基于卷积神经网络的交通标志检测

针对自动驾驶场景下,提高交通标志检测速度和准确率的问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的交通标志检测算法,与传统的图像检测算法相比拥有明显的优势。首先解析影响交通标志检测准确性的因素,并对算法提出了两项改进:使用101层的残差网络作为特征提取的基础网络以获得高精度的特征提取和物体检测,同时优化网络的区域候选框特征提取方式以提高交通标志图像的检测效果。在GTSDB德国交通标志检测基准数据集上的实验结果表明,该算法实现在复杂背景下交通标志的精准检测。     

梯度神经网络解线性矩阵方程之收敛性分析

为了求解线性矩阵方程问题,应用一种基于负梯度法的递归神经网络模型,并探讨了该递归神经网络实时求解线性矩阵方程的全局指数收敛问题.在讨论渐近收敛性基础上,进一步证明了该类神经网络在系数矩阵满足有解条件的情况下具有全局指数收敛性,在不能满足有解条件的情况下具有全局稳定性.计算机仿真结果证实了相关理论分析和该网络实时求解线性矩阵方程的有效性.     

概念设计中基于扩展功能矩阵的功能求解方法

提出了功能矩阵的概念,在证明功能矩阵的代数系统与布尔代数析取合取代数系统同构的基础上,对功能矩阵进行扩展,并证明了扩展功能矩阵的展开定理;利用扩展功能矩阵逐步展开与约简,实现了功能的求解算法.最后通过实例证明:该方法有效地缩减了解空间,提高了效率,同时对于概念设计中创新冲突的检测与定位起到了积极的推动作用.