神经网络的Hopfield异步动力学模型及其应用

本文阐述了 Hopfield异步动力学模型及其马氏链描述 ,并引入能量函数概念 ,给出网络稳定性判据 .通过学习规则 ,训练网络 ,使其实现联想记忆 .给出一实例进行模拟计算并给出结果     

神经网络的Hopfield异步动力学模型及其应用

本阐述了Hopfield异步动力学模型及其马氏链描述,并引入了能量函数概念,给出网络稳定性判据。通过学习规则,训练网络,使其实现联想记忆,给出一实例进行模拟计算并给出结果。     

基于遗传算法的加速度计免转台标定方法

针对现有的加速度计标定方法依赖于昂贵的仪器设备,导致标定成本高,提出一种低成本、操作简单的加速度计免转台标定方法。该方法通过对原始数据进行预处理,将标定问题转化为优化问题,采用遗传算法进行最优化求解得到补偿参数。通过对比试验得到:两种方法的标定相对误差在0.5%(标度因素)、3%(零偏);两种方法标定后通过加计姿态角提取的水平角误差在0.2°左右。结果表明,加速度计通过该方法经过补偿后,能够得到与传统转台标定方法相同数量级的测量精度,该方法可以有效替代传统标定方法,简化标定步骤,降低标定成本,具有重要的理论及使用价值。     

非线性时间序列的投影寻踪学习网络逼近

本文研究非线性自回归模型投影寻踪学习网络逼近的收敛性,证明了在L^k(k为正整数）空间上,投影寻踪学习网络可以以任意精度逼近非线性自回归模型,给出基于投影寻踪学习网络的非线性时间序列模型建模和预报的计算方法和应用实例,对太阳黑子数据,山猫数据及西安数据进行了拟合和预报,将其结果与改进BP网和门限自回归模型相应的结果进行比较,结果表明基于投影寻踪学习网络的非线性时间序列的建模预报方法是一类行之有效的方法。     

光致感应型形状记忆和形状改变高分子材料

光致形状记忆高分子材料是一类在室温、一定波长的光照条件下发生形变后,再次成型得到二次形状,通过另一波长光刺激手段的处理,又可使其发生形状回复,从而"记忆"初始形状的新型功能高分子材料。该类材料具有非接触性、瞬时性、精确性和清洁性等特点。这些独特的优点使得该类材料越来越受到研究者的关注。本文主要集中对近年来光诱导的形状记忆和形状改变高分子材料的研究现状进行简要的论述,重点是光化学反应型材料,如含肉桂酸基和偶氮苯基系列材料,分别介绍了这些材料的分类、特性、工作原理及潜在的应用。最后对光致型形状记忆高分子材料的存在问题、发展方向和应用前景进行了展望。