GPS误差模型参数估计的Hopfield神经网络方法

本文首先建立了ＧＰＳ误差模型。然后，利用Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）方法对误差模型参数进行了估计，并给出了其硬件实现方法。将估计结果与传统的最小二乘（ＬＳ）估计进行比较，证明了神经网络方法的有效性。     

神经网络算法及其在GPS导航中的应用

GPS导航解算中常采用最小二乘算法。由于导航解算中存在观测异常（粗差），采用的模型精度很难满足用户需求，而高动态用户需求的精度却不断提高，为此文中提出一种利用神经网络的非线性逼近能力，在顾及观测信息权阵的条件下，利用Hopfieid神经网络进行GPS导航解算的新算法。该算法具有很好的抗差性和自适应性，能较好地抑制观测粗差对导航解的影响。计算结果证明了该算法的有效性。     

ON THE ASYMPTOTIC BEHAVIOR OF HOPFIELD NEURAL NETWORK WITH PERIODIC INPUTS

ＩｎｔｒｏｄｕｃｔｉｏｎＳｉｎｃｅｔｈｅｓｐｅｃｉａｌｓｕｐｅｒｉｏｒｉｔｙｏｆａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｅｃｈｎｏｌｏｇｙｉｎｖａｒｉｏｕｓｅｎｇｉｎｅｅｒｉｎｇｔｅｃｈｎｉｑｕｅｓｆｉｅｌｄｓ,ｓｕｃｈａｓｏｐｔｉｍｉｚａｔｉｏｎ ,ａｓｓｏｃｉａｔｉｖｅｍｅｍｏｒｉｅｓ,ｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ ,ｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇａｎｄａｕｔｏｍａｔｉｃｃｏｎｔｒｏｌ,ｔｈｅｒｅｈａｓｂｅｅｎｉｎｃｒｅａｓｉｎｇｉｎｔｅｒｅｓｔｉｎｔｈｅｉｎｖｅｓｔｉｇａｔｉ…     

红外CT模拟在混凝土板内部缺陷探测中的应用

红外成像技术采用非接触式检测方法,对结构内部缺陷进行实时、快速大面积扫描探测,作为无损检测领域一项新的技术在土木工程中得到越来越广泛的应用。但是,这种技术的主要缺点是只能通过成像技术显示缺陷表面状况,却无法获知缺陷深度和厚度。本文以一维有缺陷混凝土板为研究对象,采用有限差分法对混凝土板进行热传导数值模拟分析,获得每一点物体表面温度差与缺陷深度及其厚度的非线性对应关系。在此基础上,采用人工神经网络算法,实现对混凝土板内部缺陷的三维重构,即红外CT模拟。本文提出的方法可以同时获得缺陷深度和厚度,并适用于任意形状的缺陷。     

改进遗传人工神经网络在组合导航中的应用

鉴于常规卡尔曼滤波算法组合导航系统数据融合算法中,存在易于发散的缺陷,尝试将遗传优化人工神经网络引入组合导航系统中.针对传统遗传算法存在的易早熟、算法稳定性差、固定的交叉和变异概率影响收敛效果等缺点,采用浮点式编码方式,两两竞争的选择策略、引入突变操作、重新定义交叉算子和自适应的交叉变异算子等措施进行了遗传算法的改进.仿真结果表明,改进后的算法更为有效,并且精度与常规卡尔曼滤波算法相当.     

神经网络的分叉理论设计方法

本文用分叉理论的规范形方程设计和综合期望贮存静、动态记忆模式的神经网络。对于期望贮存静态记忆模式的网络，该规范形方程为叉形分叉的；若期望贮存的记忆模式是周期振荡形式，该规范形方程为高余维数Ｈｏｐｆ分叉的，由满足设计约束的规范形系数得到的突触连接系数可以保证期望贮存的记忆模式都能成功地存贮于所设计的网络，且是网络仅有的吸引子，没有伪吸引子，吸引域的范围足够大。     

Neural network optimization of material composition of a functionally graded material plate at arbitrary temperature range and temperature rise

Summary A neural network model is applied to optimization problems of material compositions for a functionally graded material plate with arbitrarily distributed and continuously varied material properties in the thickness direction. Unsteady temperature distribution is evaluated by taking into account the bounds of the number of the layers. Thermal stress components for an infinite functionally graded material plate are formulated under traction-free mechanical conditions. As a numerical example, a plate composed of zirconium oxide and titanium alloy is considered. In the optimization problem of minimizing the thermal stress distribution, the numerical calculations are carried out making use of the neural network. The optimum material composition is determined by taking into account the effect of temperature-dependence of material properties. The results obtained by neural network and ordinary nonlinear programming method are compared. Received 3 March 1998; accepted for publication 22 May 1998     

Traveling Waves of a Singularly Perturbed System of Integral–Differential Equations Arising from Neuronal Networks

A nonlinear nonlocal model arising from synaptically coupled neuronal networks with two integral terms is considered. The existence and stability of several traveling wave solutions are established by using ideas in differential equations and functional analysis. Steady-state solutions of some inhomogeneous integral–differential equations are also investigated. We consider several types of kernel functions: (I) positive functions, such as and , where ρ>0 is a constant; (II) nonnegative kernels with compact supports, for examples, (i) 1$$" align="middle" border="0"> , and (ii) {\pi\over 2}$$" align="middle" border="0"> ; (III) Mexican hat type kernel functions, such as and , where A>B>0 and a>b>0 are constants.Dedicated to Professor Yulin Zhou and Professor Boling Guo on the Occassions of their birthdays.     

MACRO AND MICROSCOPIC PARAMETER MAPPING RELATIONSHIP FOR RED SANDSTONE 1)

颗粒流离散元软件PFC2D在岩土工程中的应用十分广泛,存在的主要问题是如何标定其细观参数,目前大多使用"试凑法",此方法的缺点在于工作量大、效率低等,本文提出以反向传播算法(back propagation,BP)神经网络的方式代替此方法,利用PFC2D 内置的FISH 以及Python 语言对其进行二次开发,使之自动运行并获取40组宏细观参数样本。结果表明：BP神经网络可以快速准确地建立宏细观参数映射关系,误差均保持在0.01 以内,模拟得到的应力--应变曲线与室内试验曲线高度吻合,且无需大量的数据样本便可创建网络,效率较高;另外,经验证本文选用的平直节理模型,可以有效地解决平行粘结模型UCS/TS值偏小问题,确定平直节理模型可以更好地模拟岩石。     

矩形板结构损伤的分区域神经网络识别方法

通过引入LM优化算法，针对矩形薄板中对称结构的损伤识别问题，提 出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比 较高的问题，常会出现网络训练时收敛速度慢、网络预测精度低，并且当网络训练达到目标 误差时，输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题，利用选 取的组合输入参数，提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟 结果表明：提出的分区域识别方法对结构损伤的分区和预测是可行和有效的， 其预测精度要明显的高于只用单个网络的预测结果，并且预测子网络对损伤的位置和程度是 同步输出的，从而避免了传统分步识别理论中子网络过多的问题.