BP神经网络在光学相关器相关峰识别中的应用

光学相关识别是图像识别的重要方法，有效识别相关器输出平面的相关峰信号是保证光学相关器图像识别准确性的关键。由于激光器输出功率的波动、光学系统本身的误差以及SLM器件本身带来的噪声，采用一般的阈值方法很难达到理想的效果。该文提出对相关器的输出平面进行预处理，充分考虑相关信号的形状信息，提取感兴趣区域(ROI)，采用BP神经网络对输入矢量进行计算，可达到对相关峰信号和噪声的有效分类识别，从而提高了光学相关器识别的可靠性，降低了误判的概率。     

考虑两种不确定性的模糊决策方法

本文提出了一种新的考虑两种不确定性的模糊决策方法。该方法采用贴近测度SM和阈值λ以决定是否启用某条规则,井用修正函数MF修正推出的结论;然后,再利用专家对规则的置信度SC再一次校正修正后的结论。这种决策方法将为专家系统提供有效的推理工具。本文最后,提出了算法及例子。     

用神经网络鉴别退化图像的模糊类型

提出了一种用神经网络鉴别退化图像的模糊类型的方法。由于采用不同降质方法得到退化图像的频谱差异较大,以此作为判别依据,用概率神经网络实现了对四种模糊类型:离焦,矩形,运动和高斯模糊的鉴别。根据神经网络的鉴别结果决定点扩散函数的初始估计值,可大大地提高盲解恢复算法的复原质量和系统点扩散函数的估计精度,扩大了算法的实用范围。     

基于反向传播神经网络的阻抗断层图像重建新方法

电阻抗成像是通过对物体表面电压、电流的测量来重建物体内部阻抗分布或变化图像的一种新颖计算机断层成像技术。阻抗断层图像重建是一种病态的、非线性的逆问题。提出了一种全新的阻抗断层图像重建方法，它利用反向传播神经网络来表征物体内部阻抗变化位置与物体表面电压变化大小的非线性映射关系，从而可以根据对物体表面测量电压的变化先准确定位阻抗变化区域，再用线性近似方法重建阻抗变化图像，这种方法不仅具有一定的抗噪能力，而且成像精度和空间分辨率都大大好于逆投影方法。     

良紧性的特征与网式Alexander子基引理

紧性是拓扑学中最重要的概念之一.自从1968年C.L.Chang提出Fuzzy拓扑空间的概念以来,人们就试图将这一概念推广到Fuzzy拓扑学中,提出了各种Fuzzy紧性.相比之下,还是王国俊提出的良紧性有较多的优点,比较理想,从而很快获得人们的承认.对良紧性进行各种等价刻划,不论对良紧性本身的研究还是对后继工作都是很重要的.事实上,正是对良紧性的几何刻划导致了这种紧性在L-Fuzzy拓扑空间中的推广.本文中,我们将对L-Fuzzy拓扑空间中的良紧性给出几个等价刻划,在此基础上,我们建立了良紧性的所谓网式Alexander子基引理,从而更加简捷地证明了良紧性的Tychonoff定理而不借助良紧性的几何特征.     

神经网络在工程爆破应力波规律探讨中的应用

采用BP（Back Propagation)前馈人工神经网络模型，对工程爆破中柱状震源的自由场应力波传播规律进行了探讨。结果表明：利用人神经网络模型的非线性映射功能，可以较好地给出工程爆破引起的近区自由场力学规律，对于同类型问题的研究，也有着很重要的意义。     

Fuzzy拓扑共生预序空间

文[1]给出了研究拓扑空间,邻近空间,一致空间的统一化理论的方法,提出了拓扑共生结构的概念。文[3,4]引入了Fuzzy拓扑共生结构,初步研究了Fuzzy拓扑,Fuzzy邻近结构,Fuzzy一致结构的统一化问题,文[5]讨论了Fuzzy拓扑共生结构生成     

用随机模糊方法研究合理确定工程项目工期

站在兼顾业主与建造商的公正立场,基于网络优化技术基础上并以系统的观点,采用随机模糊数学方法研究合理确定项目工期,进而用实际项目进行分析验证,是一种科学合理确定工期的方法.     

L—Fuzzy集上的Fuzzy数值Fuzzy测度和Fuzzy数值Fuzzy积分

本文在L-FuZzy σ-代数上引入了Fuzzy数值Fuzzy测度和Fuzzy数值Fuzzy测度的自连续和零可加,以及L-Fuzzy集上的关于Fuzzy数值Fuzzy测度的Fuzzy数值Fuzzy积分等重要概念,并讨论了一些类似于[1]中给出的重要性质,特別给出了依测度收敛的情况下,自连续性与积分序列收敛的等价性定理。