随机过程数值仿真的精度实验与分析

为了考核随机过程数值仿真中采用的混沌多项式展开,小波动态自适应网格等的可靠性和近似程度,本文构造了一个具有解析解的随机过程,随后进行数值仿真。比较了数值仿真结果与解析解,证明两者是相互一致的。说明所采用的数值仿真方法是成立和近似度是可以接受的。所进行比较的随机过程解析解是相对比较简单的,当对更复杂的情况需要进一步数值实验验证。在文中并讨论了影响数值仿真精度和增加数值仿真工作难度的因素。     

基于物理信息神经网络的光斑质心计算

为了实现强噪声干扰下的远场光斑质心高精度计算,研究了一种基于物理信息神经网络的质心定位方法—质心物理信息神经网络(centroid-PINN),该方法利用U-Net神经网络优化质心计算误差损失.为了验证该方法,利用模拟产生不同强度的两种类型噪声(斜坡噪声和白噪声)干扰下的高斯光斑训练网络.通过两种类型的光斑(高斯光斑和类Sinc函数光斑)测试神经网络,均得到了较高的质心定位精度.相比传统质心定位计算方法, centroid-PINN无需根据噪声水平设置参数,特别是能够处理斜坡噪声的干扰,获得高精度定位结果.成果可用于高性能激光光斑质心参数测量设备的研制,对于夏克-哈特曼波前测量装置的研制也有一定的借鉴意义.     

基于径向小波神经网络的混沌系统鲁棒自适应反演控制

设计了一种具有自适应性和鲁棒性的反演控制律, 实现了对含有系统不确定性的类Rossler系统的控制. 首先通过小波神经网络辨识系统的非线性部分, 将系统转化为含有结构不确定性和参数不确定性的参数化模型; 然后, 对于系统中的参数不确定性, 设计自适应控制律, 在线估计未知参数; 对于系统中的结构不确定性, 设计鲁棒控制律, 使得系统具有鲁棒性. 最后, 通过仿真实现, 验证了以上控制方法的有效性.     

基于平稳小波变换的有噪弱目标检测方法的研究

利用平稳小波变换的多尺度边缘检测算法分别对模糊图像、低对比度图像和加入噪声的图像进行了边缘检测,验证了多尺度二次B样条小波的检测效果,也比较了三种小波局部模极大值方法在抗噪性、计算量及检测效果等方面的性能,并且针对对比度低,受噪声污染严重的目标图像,提出一种能够根据不同背景计算出自适应阈值的新方法,使其在抗噪的同时又能较好地提取出微弱目标边缘。实验证明,利用多尺度二次B样条小波边缘检测算法能有效地排除噪声干扰,准确地提取出微弱边缘,可以实现3%对比度下的有噪图像的目标探测问题。     

幂律流体温度边界层定性分析和数值模拟

本文研究具有连续移动延伸表面的幂律流体边界层的流动和传热问题,建立了一种新的热扩散系数数学模型,定性地分析了温度边界层厚度的分布规律.数值求解得出温度场的分布,并进一步分析了物性参数和运行参数对无量纲温度分布的影响规律,结果表明:温度边界层的分布不仅和幂律指数及普朗特数有关,而且和平板速度比例参数有关.     

奇异微分方程边值问题的数值解法

本文给出求解奇异微分方程边值问题的正则化方法。解在奇点邻域内展开成级数形式,在余下区间上推导出正则边值问题,应用差分方法求解,并给出收敛结果和数值算例。     

小波分析及神经网络方法在核物理及核工程中的应用

介绍了小波分析和神经网络方法在核物理及核工程领域的应用现状。 分别对小波分析及神经网络方法的基本原理进行了介绍, 详细讨论了小波变换中的多分辨分析方法在γ能谱平滑以及核电站设备监测等方面的应用, 讨论了连续小波变换在γ能谱分析、 粒子种类鉴别以及核反应堆安全监测等领域的应用。 同时, 还详细介绍了神经网络方法在以上各领域的发展现状。 最后, 展望了两种方法在核安全检测、 核辐射防护以及核电站实时监控等领域的发展趋势。 Applications of wavelet analysis and neutral networks in the field of nuclear physics and engineering are reviewed. The principle of these two methods are introduced briefly, and then the applications of multiresolution analysis technique in the smoothing of γ ray spectroscopy, and in nuclear power plant monitoring are discussed in detail. Applications of the continuous wavelet analysis method in γ ray spectroscopy analysis, in particle identification , and in nuclear reactor safety monitoring are also talked over. In addition, the applications of neutral networks in above fields are introduced. Finally, the trends of the future development for these two methods are prospected.     

基于小波神经网络的光纤陀螺误差补偿方法

为了提高光纤陀螺的测量精度,提出了一种基于小波神经网络的误差补偿方法。首先使用小波分析中的Mallat分解算法提取出陀螺信号中的主趋势项,对其误差余项进行重构。然后将重构信号作为小波神经网络的目标输出,将原始陀螺信号作为训练样本。为了提高小波神经网络的训练速度同时防止其陷入局部极小值,采用增加动量因子和自适应调整学习速率的方法来改进训练方法。训练后建立的神经网络模型对光纤陀螺误差具有良好的估计能力。结果表明,经过小波神经网络方法补偿后,光纤陀螺的输出精度达到了0. 019 4°/s,光纤陀螺的测量性能得到了提高。     

基于小波神经网络的模拟电路故障诊断技术

文章提出了一种基于小波神经网络的模拟电路故障诊断方法:通过分析被测电路的冲激响应来识别电路中的故障元件,利用小波理论中的多分辨率分析的方法提取出相应信号中的故障特征,组成特征向量后输入神经网络进行训练,实现故障诊断;该方法减少了神经网络的输入、简化了其结构、并缩短了训练和处理时间,文中分别用小波神经网络和传统的BP神经网络对实例电路进行故障诊断,仿真结果发现:小波神经网络相比BP网络方法收敛速度更快,诊断率更高。     

人工神经网络的光学实现

本文讨论了光学神经网络的优势及其所面临的主要问题,简述了它近十年来的发展．光互连是光学实现神经网络最具吸引力的技术,光电混合集成的灵巧象素器件又融合了电子器件灵活、可编程、易控制的特点．二者的结合是当前光学神经网络发展的主要趋势,它们为神经网络的进一步发展和应用,为超大规模神经网络的实现和应用提供了一种很有前途的方案．     

人工神经网络在配煤过程状态建模中的应用研究

本文详细介绍了人工神经网络应用于状态建模的方法．对神经网络应用中的一些难点提出了切实可行且有效的解决措施，并举例作了应用示范．同时还介绍了神经网络方法应用于优化动力配煤的情况，并就神经网络方法在优化动力配煤中的进一步应用作了展望．     

强噪声下已知信号的模糊神经网络识别

以计算机模拟为基础研究了用模糊神经网络方法对被噪声严重污染的已知信号进行识别的问题,研究表明,将模糊隶属函数和BP神经网络相结合对信噪比极低的信号有较强的识别能力,本文还从实用性角度讨论了这一识别方法的可行性,这为强噪声下的磁共振信号识别问题提供了新途径.     

正交梯度下双扩散对流的数值模拟

本文采用有限单元法求解涡量、流函数、能量和组分控制方程,数值模拟了在温度梯度和浓度梯度正交情况下竖直环形容器内的双扩散对流结构。通过改变浮升力比N=GrS／GrT和Le数的大小,分析了溶质浮升力方向及其大小和Le数对容器内双扩散对流的影响。结果表明:当溶质浮升力改变时,壁面处的流体流动状况、边界层厚度、Nu数和Sh数都发生了变化;随着Le数的增大,竖直壁面处Nu数逐渐降低而水平壁面处的Sh数逐渐增大。     

细胞神经网络平衡态的稳定性分析

通过对细胞神经网络平衡态的表示、存在区域和稳定性的细致的研究,总结出一些有用的结论,根据所得平衡态的具体稳定的分布区域,适当调节权矩阵,就可使网络系统处于稳定状态,所得结果简洁且实用,并且也通过仿真算例阐明了这一点. 关键词： 细胞神经网络 平衡态 稳定性     

光折变神经网络

本文阐述了几种神经网络模型和模式两分法中感知算法的一种光学执行过程。利用光折变介质动态全息术来存入和修正光学神经网络的加权矩阵。该系统可用以完成模式分类。还介绍了光折变晶体LiNbO₃的一些实验结果。     

结合人工神经网络的翅片管式冷凝器快速仿真模型

为了提高翅片管式冷凝器仿真精度和计算速度，提出了含基本数学模型与两个神经网络的复合冷凝器模型．基本数学模型采用分区集中参数模型，简化用神经网络用以反映分区集中参数模型与分布参数模型间的非线性关系，精度改进用神经网络通过分析比较模型与实验值的差别，提高复合模型的精度．实际应用表明，复合模型的计算速度比分布参数     

随机微分方程计算方法及其应用

介绍随机微分方程离散化格式的构造、收敛性法则、强收敛格式、弱收敛格式、带跳跃的随机微分方程的计算方法,偏微分方程的概率求解以及它们在物理、工程和金融等领域中的一些应用.     

神经网络的自适应删剪学习算法及其应用

在局域卡尔曼滤波算法的基础上,提出了一种自适应删剪学习算法,这一算法的核心是用网络训练结束后得到的局域的误差协方差矩阵测量权重的重要性,通过删除不重要的权重,得到一个紧凑的网络结构.广义异或逻辑函数和手写体数字识别的计算机模拟结果显示该方法是一种有效的网络规模优化算法 关键词： 神经网络 模式识别 广义卡尔曼滤波 删剪