己知信号的计算机快速识别

从计算机模拟和１４Ｎ远程ＮＱＲ实验上研究了神经网络在对已知信号的自动识别问题．证实了多层网络的反向传播算法对解决这一问题的有效性．实验结果表明．在信噪比很低和存在很强的干扰条件下，Ｂ－Ｐ算法仍然保持了很高的识别率（≥９０％）．这在远程ＮＱＲ实际应用中是非常有意义的．     

己知信号的计算机快速识别

从计算机模拟和¹⁴N远程NQR实验上研究了神经网络在对已知信号的自动识别问题.证实了多层网络的反向传播算法对解决这一问题的有效性.实验结果表明,在信噪比很低和存在很强的干扰条件下,B-P算法仍然保持了很高的识别率(≥ 90%),这在远程NQR实际应用中是非常有意义的.     

基于神经网络的模糊系统

模糊理论和神经网络是信息处理和控制领域的最新技术，但各有优缺点。本文介绍了一种将二者结合起来，充分发挥二者优点的方法，以期能对读者有所帮助。     

基于时延神经网络模型的舰船辐射噪声目标识别*

水声目标被动识别是水声信号处理领域的研究热点之一。海洋环境中存在的不规则噪声干扰,使得基于传统方法的水声目标被动识别技术在实际的应用场景中效果不佳。本文采用一种基于时延网络(Time Delay Neural Network,TDNN)模型的舰船辐射噪声目标识别方法,该方法利用目标的短时平稳特性和长时关联特性对目标的声纹特征进行建模,使用梅尔谱图提取目标信号的初级特征,再通过融合注意力机制和时延神经网络的深度学习模型实现高级特性提取,最后再利用余弦相似度实现不同目标的类别划分。该方法在ShipsEar数据集和自行采集的数据进行测试验证,目标识别准确率分别达到79.2%和73.9%,可证明本文方法的有效性。     

混沌的模糊神经网络逆系统控制

提出用Sugeno型的模糊推理神经网络建立混沌系统的逆系统模型,并采用逆系统方法进行混沌的控制.这种方法的特点是可以不必建立混沌系统的解析模型,通过模糊神经网络学习混沌系统的运动规律,通过学习获得的规律对混沌进行有效的控制,并且该控制方法可以控制混沌系统以一定精度跟踪连续变化的给定信号.理论分析及针对虫口模型和Henon模型仿真研究证明了该方法的有效性 关键词： 混沌 模糊神经网络 逆系统控制     

小波计盒分形维数核爆电磁脉冲信号模糊识别

为了在现有禁核试验条件下开展核爆电磁脉冲探测技术研究,对实测的非均匀采样核爆电磁脉冲数据进行阈值检波、直流剔除、滤波、插值和归一化处理后,采用小波分析提取信号第四尺度小波系数能谱熵、第一尺度和第四尺度小波系数计盒分形维数特征值,在统计分析的基础上分别建立其专用隶属度函数;利用模糊识别理论,对核爆电磁脉冲信号和作为主要探测干扰信号源的闪电电磁脉冲信号进行了模糊识别,获得了总识别率为99.41%的识别效果。     

小波计盒分形维数核爆电磁脉冲信号模糊识别

为了在现有禁核试验条件下开展核爆电磁脉冲探测技术研究,对实测的非均匀采样核爆电磁脉冲数据进行阈值检波、直流剔除、滤波、插值和归一化处理后,采用小波分析提取信号第四尺度小波系数能谱熵、第一尺度和第四尺度小波系数计盒分形维数特征值,在统计分析的基础上分别建立其专用隶属度函数;利用模糊识别理论,对核爆电磁脉冲信号和作为主要探测干扰信号源的闪电电磁脉冲信号进行了模糊识别,获得了总识别率为99.41%的识别效果。     

红外测温中检测强噪声下微弱信号的新途径

就“BHJ 400”型便携式电脑红外测温仪的研制从理论和实践角度介绍了以下内容：①提高 红外光学系统信噪比的方法和途径;②提高红外探测器输出信号的方法和途径;③在探测器 输出信号处理电路中滤除广白噪声、有效提取并放大深埋在强噪声中微弱目标信号的方法和 途径.从而使该红外测温仪性能得到了最大限度地提高,实验结果和理论分析值相符,达到 了设计要求. 关键词：     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。     

利用随机共振在强噪声下提取信息信号

已有利用随机共振在强噪声下提取单一频率信号的若干报道，但单一频率信号所携带的信息量为零.本实验研究表明：在调幅波和白噪声的协同作用下，非线性双稳系统的输出不仅可以呈现随机共振现象，而且经检波、滤波后能提取出调制信号(信息信号)；与直接经电子学系统检波、线性滤波后所提取的调制信号相比，前者所获调制信号的信噪比更高.给出了绝热近似条件下，调制信号信噪比的解析表达式. 关键词： 随机共振 信噪比 调制信号 噪声     

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．     

人工神经网络用于燃烧火焰状态识别的研究

1引言燃烧过程是一个强非线性动力学系统，其稳定性是直接通过燃烧火焰状态的变化反映。燃烧状态变化受到燃料、配风等诸多因素制约，具有很强的模糊及随机特性［‘－‘］。实际生产中，大型电站锅炉的燃烧稳定性直接影响到整个电力工业的经济性和安全性，目前以此为背景的锅炉火焰监视系统所能完成的功能距实时性、智能化的要求相差甚远。本文针对CmHn和煤粉火焰进行了多因素变工况试验研究，在此基础上，从可视化角度，提出基于人工神经网络（AN用理论的火焰状态识别模型。ANN是目前最突出的智能化理论，它可以很好的模拟非线性系统的…     

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．     

微分方程的神经网络数值解法

神经网络具有良好的自学习和自适应能力,在现代科学中有很重要的应用.利用神经网络的特殊性质,基于基数B样条小波分析,提出了一种全新的神经网络数值计算格式,并且对具有边界层的常微分方程进行了数值计算,验证了该方法的有效性.     

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     

基于最大信噪比测量两相流速度

为了克服噪声对信号的影响,提出一种利用最大信噪比和相关法测量两相流速度的方法.基于最大信噪比的信号分离方法是一种盲源信号分离方法,该算法利用统计独立信号完全分离时信噪比最大作为分离准则,它具有非常低的计算复杂度.这里首先利用盲源信号分离方法分别提取出上游和下游两相流信号,并据此求出两相流信号的相关函数曲线,由此求出信号的渡越时间,最后给出仿真实验的处理结果.实验结果表明该方法能够满足两相流速度的测量要求.     

神经网络自动目标识别技术述评（一）

分析ＡＴＲ所面临的主要技术困难，指出神经网络对此能提供许多潜在的、富有成效的解决途经，进而论述神经网络自动目标识别的主要进展。     

复杂网络上动力系统同步的研究进展

本文简要介绍复杂网络的基本概念并详细总结了近年来复杂网络上动力学系统的同步的研究进展，主要内容有复杂网络同步的稳定性分析，复杂网络上动力学系统同步的特点，网络的几何特征量对同步稳定性的影响，以及提高网络同步能力的方法等。最后文章提出了这一领域的几个有待解决的问题及可能的发展方向。