神经网络在麦秆秆茎机械强度确定中的应用

为了避免重复性力学实验来确定麦秆茎秆机械强度, 将神经网络技术用于麦秆茎秆机械强度的计算, 建立神经网络多几何参数确定麦秆茎秆机械强度的预测模型. 详细介绍麦秆机械强度神经网络预测模型的操作过程, 并根据预测误差结果分析, 证实了该方法的有效性和可行性.     

Functional Time Series Prediction Using Process Neural Network

Time series prediction methods based on conventional neural networks do not take into account the functional relations between the discrete observed values in the time series. This usually causes a low prediction accuracy. To solve this problem, a functional time series prediction model based on a process neural network is proposed in this paper. A Levenberg-Marquardt learning algorithm based on the expansion of the orthonormal basis functions is developed to train the proposed functional time series prediction model. The efficiency of the proposed functional time series prediction model and the corresponding learning algorithm is verified by the prediction of the monthly mean sunspot numbers. The comparative test results indicate that process neural network is a promising tool for functional time series prediction.     

基于径向基神经网络的测定抗结核药物主成分质量分数的近红外光谱定量分析模型

建立了同时测定利福平片、异烟肼片、吡嗪酰胺片、异福片和异福酰胺片5种抗结核药物中的利福平(RMP)、异烟肼(INH)和吡嗪酰胺(PZA)含量的新方法,应用径向基神经网络(RBFNN)建立5种抗结核片剂药物样品的近红外光谱(NIRS)与其中RMP、INH和PZA含量间相关模型.模型以交互验证均方根误差(RMSECV)为评价标准,选择最有效光谱区域、对网络结构参数和扩展常数进行优化,得到最优定量分析模型.最优模型的RMSECV分别为0.0127、0.0104、0.0078,应用最优模型对预测集样品中RMP、INH和PZA含量进行预测,预测均方根误差(RMSEP)分别为0.0125、0.0109、0.0103.内部交互验证和外部验证均表明,该方法具有较高的准确度,能够满足5 种抗结核药物生产中RMP、INH和PZA的同时检测精度要求.     

降低DOAS系统探测限的新型反演算法研究

差分吸收光谱法(DOAS)是一种高灵敏测量大气痕量气体成分含量的有效的光学遥感方法,该方法基于最小二乘拟合模型,利用获得的痕量气体的差分吸收光学密度与标准的吸收截面进行拟合,反演待测气体的浓度.建立了基于径向基(RBF)神经网络的痕量气体浓度反演的新模型,对网络的隐层参数采用改进最近邻聚类学习算法训练,对输出层权值的训练采用梯度下降算法,使得网络收敛快,能更好地实时、在线反演测量光谱.并针对DOAS技术的特点,把拟合残差输入网络集中训练,使得RBF网络在反演真实痕量气体吸收时,效果更佳.实验结果表明该新型反演方法提高了DOAS系统的反演精度,降低了DOAS系统的探测限.     

基于神经网络的相位-高度映射算法

建立高精度的相位-高度映射关系是结构光测量技术中的关键技术之一.在精确建立相机图像和投影仪图像对应关系的基础上,使用三层反向传播神经网络训练来建立图像坐标与被测物体三维坐标之间的映射关系.使用带有圆形标志点的平面标定板进行神经网络的样本采集与训练.为了验证本文算法的测量精度,使用训练好的网络对一个标准球和石膏头像进行了测量.实验结果表明,本文算法可以测量具有复杂自由曲面的物体,测量精度可达0.095mm.     

Small-World Connections to Induce Firing Activity and Phase Synchronization in Neural Networks

We investigate how the firing activity and the subsequent phase synchronization of neural networks with smallworld topological connections depend on the probability p of adding-links. Network elements are described by two-dimensional map neurons （2DMNs） in a quiescent original state. Neurons burst for a given coupling strength when the topological randomness p increases, which is absent in a regular-lattice neural network. The bursting activity becomes frequent and synchronization of neurons emerges as topological randomness further increases. The maximal firing frequency and phase synchronization appear at a particular value of p. However, if the randomness p further increases, the firing frequency decreases and synchronization is apparently destroyed.     

DSWT-FTIR-RBFNN鉴别罂粟和虞美人

采用水平衰减全反射傅里叶红外光谱法(HATR-FTIR)测定罂粟和虞美人的FTIR,由于两者为同科同属中药材,所含化学成分较为相近,为了更好地突出罂粟和虞美人在FTIR上的差异,并据此进行正确分类识别,利用离散平稳小波变换(DSWT)分别对罂粟和虞美人的种皮和种仁的FTIR进行若干尺度的变换,从中选择2个最具代表性的尺度作为特征提取的尺度空间.根据罂粟和虞美人的FTIR分布情况,确定将DSWT域内2个尺度的FTIR分别划分为2个特征区域并以每个区域内的光谱能量作为特征参数.从而构造一个包含8个特征参数的特征向量,将这个特征向量输入到径向基函数神经网络(RBFNN)进行训练,从而达到正确识别罂粟和虞美人的目的.实验中共取罂粟和虞美人的FTIR数据128对,其中训练样本78对,测试样本50对.实验结果表明利用文章的方法对罂粟和虞美人的正确识别率分别为99.8%和99.9%,从而验证了方法的有效性.     

时滞离散神经网络的同步控制

利用既有效又便于实施的时滞状态反馈控制器,根据所给定的条件构造相应的不等式,研究了带有时滞的离散神经网络模型的同步控制问题,给出了该离散系统指数同步的充分条件.在设计同步控制的时候,没有假设激励函数的有界性、可微性和单调性,给出的条件简便易实施.数值结果进一步证明了该控制方法的有效性. 关键词： 离散神经网络 时滞 同步     

SET-MOS混合结构的细胞神经网络及其应用

基于细胞神经网络（CNN）细胞单元的等效电路及其电学特性模型,利用SET-MOS混合结构反相器实现了模型中的激活函数电路,用耦合电容单元实现CNN细胞的系统模板,构建了SET-MOS CNN细胞硬件电路,并将其应用在图像处理中.仿真结果表明,所设计的CNN硬件电路具有结构简单、功耗低、响应速度快等特点,可用于构成各种规模的CNN电路,进一步满足大规模信号处理的需求及提高集成电路的集成度. 关键词： 单电子晶体管 MOS管 细胞神经网络 图像处理     

色貌模型的人工神经网络方法的研究

色貌模型(CAM)主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。采用人工神经网络(ANN)的方法来实现目前最新的色貌模型CIECAM02的预测,包括正向预测(从色度参数到色貌属性参数)和逆向预测(从色貌属性参数到色度参数),应用自然色系统(NCS)中的部分色样作为神经网络的训练和测试样本。由于正向输出色貌属性参数空间不是均匀的,对于网络预测精度用特殊方法评估,而对于逆向模型则可直接利用LAB色差公式评价。测试的结果表明:用神经网络对CIECAM02模型的预测达到了较高的精度。