神经网络在结构损伤模拟中的应用

识别一个结构在震动状态下的变化，在结构监测中是十分重要的，神经网络就非常适用于这种目的。本文研究了使用可分析的学习样本来训练神经网络的可行性问题。神经网络从损伤状态中训练产生，然后用于诊断一个五层钢框架在一系列震动模拟中的状态。结果表明，使用神经网络可使在线结构诊断更加可行。     

用神经网络求解TSP的一种改进算法

对利用神经网络求解ＴＳＰ问题的算法进行了改进,在保持算法优点的基础上,使得所需神经元的数目减少,对提高计算效率以及神经网络的硬件实现有参考价值。     

人工神经网络在交流传动控制中的应用

综述和分析了人工神经网络在交流传动控制中的应用 ,提出了有待解决的问题 ,对今后的发展趋势进行了展望。     

基于BP神经网络的非线性组合预测模型在粮食物流需求预测中的应用

鉴于单项预测模型的局限性,在确定粮食物流需求量的基础上,建立了基于BP神经网络的非线性组合预测模型,并把这一模型应用于长春市粮食物流需求的预测。误差分析表明,该预测模型可以有效地提高粮食物流需求量的预测精度。     

基于改进2DCNN的高光谱遥感图像处理研究

针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题,以提高遥感高光谱图像分类中的处理速度、精度,降低参数量为目标,提出改进的2DCNN模型En-De-2CP-2DCNN.首先,使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验,对比分析各自优缺点.其次,在保持较快的处理速度和不增加模型参数量的前提下,选择2DCNN为基础模型,参考SegNet的Encoder-Decoder结构,融入双卷积池化思想进行基础模型改进,同时优化学习策略.结果表明:En-De-2CP-2DCNN模型F1为99.96％,达到3DCNN的同等水平(99.36％),较改进前(97.28％)提高2.68个百分点;处理速度(5 s／epoch)和1DCNN位于同一量级,快于3DCNN(96 s／epoch);参数量(2.01 MB)较改进前降低了1.54 MB,虽高于3DCNN(316 KB),但远低于1DCNN(19.21 MB).En-De-2CP-2DCNN模型在处理速度和参数量方面的改进,有利于进一步实现移动端的轻量化部署.     

基于红外焦平面阵列读出结构的非均匀校正算法

空间固定图案噪声严重影响了红外探测器的成像质量,它主要是由于焦平面阵列上各探测单元对于同一辐照的光电响应不完全一致所造成。另外,多通道图像数据采集电路的非均匀性更加重了这种噪声。本文提出了一种基于红外焦平面阵列读出结构的非均匀校正算法,它将校正过程分成两步。首先利用恒定统计方法滤除由通道放大器引起的固定图案噪声,然后再将处理结果通过改进的神经网络方法,进一步校正由探测器响应而产生的非均匀性。由于该算法是递推进行,并且具有收敛速度快、计算复杂度低等优点,因此易于工程实现。文中详细阐述了算法的基本原理及其流程,并用仿真数据和真实红外数据对算法性能进行验证,取得了较好的效果。     

职工住宅小区高速多媒体网络的开发

随着信息技术和计算机网络技术等高科技的迅猛突破与广泛普及,将会有越来越多的家庭通过Internet/In tranet来获取信息和资讯.向社区内广大居民家庭提供综合信息的资讯服务,将是社区网必须建立的服务设施.     

神经网络控制系统的研究与展望

本文综述了近年来神经网络应用于控制领域的研究概况,并对其存在的问题和发展趋势作了讨论。     

Decentralized adaptive recurrent neural control structure

This paper presents a novel decentralized variable structure neural control approach for large-scale uncertain systems, which is developed using recurrent high-order neural networks (RHONN). It is assumed that each subsystem belongs to a class of block-controllable nonlinear systems whose vector fields includes interconnection terms, which are bounded by nonlinear functions. A decentralized RHONN structure and the respective learning law are proposed in order to approximate online the dynamical behavior of each nonlinear subsystem. The control law, which is able to regulate and to track the desired reference signals, is designed using the well-known variable structure theory. The stability of the whole system is analyzed via the Lyapunov methodology. The applicability of the proposed decentralized identification and control algorithm is illustrated via simulations as applied to an interconnected double inverted pendulum.     

动态核的形态分解联想算法及抗随机噪声研究

在灰度图像分解算法和动态核形态联想记忆网络的基础上,提出了一种新的联想记忆算法--动态核的形态分解联想算法.该方法显著地提高了联想记忆抗随机噪声的能力,较好地解决了灰度图像在含噪时的联想记忆和识别的问题,从而给出了一种恢复含噪灰度图像的途径,并把该方法推广到了彩色图像的处理.通过实验,验证了该方法的良好性能,取得了理想的结果.