基于人工神经网络的非线性系统辨识

人工神经网络是一个非线性动力学系统，具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力，对非线性系统进行系统辨识。仿真结果表明，该方法是可行的，计算精度高。     

抗非平稳干扰的广义预测控制器

将Ｄ．Ｗ．Ｃｌａｒｋｅ等人提出的广义预测控制器进行适当的改进，得到了抗非平稳干扰的广义预测控制器。仿真结果表明，这类控制器适应能力强，跟踪性能好，有较强的稳健性     

自组织特征映射神经网络在岩性识别中的应用

传统的岩性识别技术主要基于统计学理论,如贝叶斯方法、回归方法等,近年来人工神经网络方法如反向传播算法（ Ｂａｃｋ － Ｐｒｏｐａｇａｔｉｏｎ , Ｂ－ Ｐ） 也应用于岩性识别,取得了一定的效果。用 Ｋｏｈｏｎｅｎ 提出的自组织特征映射神经网络对测井数据进行岩性识别,该方法具有较强的自组织性、自适应性,有较高的容错能力。与 Ｂ－ Ｐ 算法相比较,计算量小,收效速度快,且不需要已知的先验信息而自动确定分类类别。结果表明与统计方法、岩性录井分析结果一致。     

�������緽��ʶ��̼�������ѷ�ϵͳ�е�����ˮ

碳酸盐岩裂缝系统中所含流体性质的确定（即究竟是含气还是含水或二者均有）是四川盆地天然气勘探中所面临的关键问题和难点之一。在用川南沈公山构造的三维地震资料提取出多种地震特征参数和综合利用已有钻井,测井资料的基础上,通过使用具有无教师监督和自聚类特点的自组织映射神经网络,提出了一套地震特征参数筛选和气、水识别分类器设计的方法。由于应用该方法能够将沈公山构造上已知井所钻遇裂缝系统中的气,水进行正确区分类     

WPS文字处理系统中使用AR—2463打印机

WPS2.1版的打印机控制栏,可选择9种国内较为普遍使用的打印机。笔者发现,其中STAR AR—2463打印机在实际连接中,打印西文正常,打出的汉字点阵码却是混乱颠倒的。最初以为是打印机本身汉字库的故障问题,经检查打印机在CCDOS支持下能正确拷贝屏幕,也能联机打印汉字。因此断定是WPS中的打印机驱动程序有误。这里介绍两种纠正方法: 其一:在WPS打印机选择栏中,不选AR—2463,而选择其他打印机栏。回车后,系统提问9次,依次回答如下: 问题一:送打印机点阵命令(用十六进制数表示)