一种基于后验概率差值的拒识算法

本文提出了一种孤立词语音识别系统中基于后验概率差值的拒识算法。研究了作为拒识特征时,输入词的后验概率和后验概率差值之间的区别,并将多层感知人工神经网络用于拒识特征的学习。相比现存的几种拒识算法,本算法几乎不需要额外的计算和存储量。当识别率为98．2％时,拒识率达到了95．4％。     

基于模糊神经网络的短时交通流预测方法研究

为满足交通控制和诱导系统的实时性需求,减少交通拥挤状况,降低交通事故突发频率,需要对短时交通流进行预测。当前的短时交通流预测方法是采用K-近邻的非参数回归对其进行预测,预测过程中没有将预测模型中关键因素对交通流的影响进行详细的说明,导致预测结果不准确,存在短时交通流预测误差较大的问题。为此,提出一种基于模糊神经网络的短时交通流预测方法。该方法首先以历史短时交通流数据样本序列为基础,将提取的关联维数作为短时交通流的混沌特征量,然后以该特征量为依据,对短时交通流数据进行聚类,使相同的短时交通流聚合类样本比不同的交通流聚合类样本更为贴近,采用高斯过程回归对短时交通流预测模型进行建设,建设过程中利用差分方法对短时交通流预测序列进行平稳化操作之后,对短时交通流预测模型进行训练,将GPR模型引入至短时交通流预测过程中,得到交通流预测方差估计值,并确定交通流预测值置信区间,由此实现短时交通流的预测。由此实现短时交通流的预测。实验结果证明,所提方法可以准确地预测交通运输系统的实时状况,为车辆行驶的最佳路线进行了有效引导,减少了自然影响方面和人为因素对短时交通流预测结果的干扰,为交通部门对交通路况的控制管理提供了依据。     

人工神经网络在超声无损检测中的应用

人工神经网络对于超声无损检测的发展具有重要的意义,本文对国内外人工神经网络在超声无损检测中应用研究做了较为详细的介绍和分析,指出人工神经网络是实现超声无损检测测定量化的有效途径。     

基于非线性光谱混合模型的遥感影像提取城市不透水层

针对传统方法在提取城市不透水层中的许多局限性,采用两种非线性光谱混合分解模型,包括混合调谐匹配滤波和多层感知器神经网络,通过混合像元分解获取城市不透水层.混合调谐匹配滤波利用用户选择的端元,通过最大化端元响应并减少未知背景信息的影响,进行局部分解端元.多层感知器由多个感知器组成,能够很好的进行非线性学习.对LandsatTM遥感影像进行最大噪声分离,使其转换到另外一个特征空间.利用新生成数据集的前三个成分(占90%以上信息量)进行纯净像元提取,并利用N维可视化分析器寻找出四个进行分解的端元:植被、高反射率地物、低反射率地物和土壤.不透水层则由高反射率和低反射率两个分量估算而成.对不同模型提取的结果,利用QuickBird多光谱图像评价其准确性.实验结果表明人工神经网络的精度最高,即非线性光谱混合模型同样可以有效地提取不透水层,精度甚至优于线性模型.     

An investigation of interface-sharpening schemes for multi-phase mixture flows

This work evaluates several approaches for sharp phase interface-capturing in computations of multi-phase mixture flows. Attention is focused on algebraic interface-capturing strategies that fit directly within a finite-volume MUSCL-type framework, in which dimension-by-dimension reconstruction of interface states based on extrapolated fluid properties is the norm. In this scope, linear, sine-wave, and tangent hyperbola volume-fraction reconstructions are examined for a range of problems, including advection of a volume-fraction discontinuity, the Rayleigh–Taylor instability, a dam-break problem, an axisymmetric jet instability, the Rayleigh instability, and flow within an aerated-liquid injector. An implicit dual-time stepping approach, applied directly to a preconditioned form of the governing equations, is used for time-advancement. The results show that the sharpening strategies are successful in providing two-to-three-cell capturing of volume-fraction discontinuities.     

人工神经网络法鉴别红外光谱

本文将反向传播人工神经网络（ＢＰ－ＡＮＮ）用于ＦＴＩＲ,鉴别未知化合物。结果表明,当训练集样本不含噪声时,纯光谱的预测结果很好。而当训练集样本有少量噪声干扰时,预测结果随预测集样本的不同,而得到不同的改善。     

人工神经网络法对多组分大气污染物的同时监测

用 18 7 8的反向传播人工神经网络 (BP ANN)模型 ,对FTIR光谱图存在着严重混叠干扰的八种有毒易挥发有机化合物 (VOCs)组成的大气污染物进行了同时定量测定 ,得到了各污染物的浓度。所测定的八种VOCs为苯乙酮 ,苯酚 ,三氯甲苯 ,1,3丁二烯 ,氯苯 ,甲醇 ,三氯代乙烷和二氯甲烷。用标准预测误差 (%SEP) ,平均预测误差 (MPE)和平均相对误差 (MRE)来评价其预测能力。结果表明 ,本方法对多组分大气污染物定量分析 ,能够得到较为满意的结果。     

超声探伤信号的人工神经网络识别

粗晶奥氏体不锈钢的超声探伤受到能否有效区分有用信号与背影噪声的限制,目前人们大多倾向使用频率分隔来提高缺陷回波比例。本文则介绍一种用傅里叶变换作特征提取,用前馈网络自动识别奥氏体钢中缺陷信号的方法。在作者的实验中,这种方法的正确识别率达到９０％。     

IP/GMPLS/Optical多层网络生存性机制的协调

通过对多层网络生存性问题、独立的网络生存性配置方案和多层网络生存性配置方案的研究分析,基于快速发展的GMPLS技术提出了IP/GMPLS/Optical多层网络结构,明确了多层网络生存性方案存在的问题,并利用GMPLS的统一控制平面进一步提出了基于层间协调机制的集成多层网络生存性方案,获得了优化的多层网络故障恢复能力.     

基于遗传神经网络的耙吸挖泥船泥泵转速预测

耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多。为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测。首先,遗传算法对BP神经网络的初始权值和阈值进行优化。然后,BP神经网络根据优化值对网络进行训练并对转速进行预测。为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比。仿真结果表明：遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速。该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。     

人工神经网络对VOCs的自动识别

利用人工神经网络(ANN)对严重混叠的傅里叶变换红外光谱图进行了定性和定量解析。通过大量模拟数据训练神经网络后,引用了新的评价标准——逼近度来选择最优网络模型。利用此优化网络对两类光谱图进行了解析,考察了网络的泛化能力。结果表明：该网络不仅能够对两组分同时存在时的样本进行准确解析,而且对于未知单组分光谱图,也能够进行准确鉴别和定量分析。可见, 该研究为人工神经网络在单组分和多组分未知物的定性和定量分析方面提供了一种新思路。     

虚拟组分-人工神经网络用于中药紫外光度法中多组分的同时测定

采用虚拟组分自修正、自拟合的方法消除了干扰组分的影响,实现了人工神经网络(ANN)-紫外分光光度法不经分离的中药多组分浓度的同时测定。建立了包含训练网络和拟合网络的双网络ANN算法,提高了ANN算法的自学习、自判别能力,使复杂中草药体系多组分浓度预报的准确度大大提高。对21种不同来源的秦皮中秦皮甲素和秦皮乙素的含量进行了预测,预测结果与HPLC法相比较,以相对误差小于10%计,预测准确率大于90%。该法对秦皮甲素和秦皮乙素的测定精密度分别为0.37%,1.5%。     

Artificial Neural Network Model for the Gap Discontinuity in Shielded Coplanar Waveguide

Fast and accurate component models are essential for the development of three dimensional millimeter wave integrated circuits. In this paper, an accurate and efficient artificial neural network (ANN) model for the gap discontinuity in shielded coplanar waveguide is presented. The ANN model is developed with a set of training data given by the finite-difference time-domain simulation and can be used in the frequency scope of 0100GHz.     

人工神经网络用于有机环境污染物紫外光谱库检索

本文将人工神经网络（ＡＮＮ）用于有机环境污染物紫外光谱库检索。对该神经网络的参数优化作了讨论。并用ＡＮＮ对噪声、杂质等因素的影响作了详细的考察。为了提高紫外光谱的分辨,本文提出用导数光谱作ＡＮＮ训练和检索,使网络的收敛速度明显加快,对检验光谱中杂质的容允程度明显增加。本文还将ＡＮＮ与传统的相关系数法作了比较。结果表明,ＡＮＮ法在抗噪声和杂质等方面明显优于相关系数法。     

Characterization of chaotic dynamic behavior in the gas–liquid slug flow using directed weighted complex network analysis

Understanding the nonlinear and complex dynamics underlying the gas–liquid slug flow is a significant but challenging problem. We systematically carried out gas–liquid two-phase flow experiments for measuring the time series of flow signals, which is studied in terms of the mapping from time series to complex networks. In particular, we construct directed weighted complex networks (DWCN) from time series and then associate different aspects of chaotic dynamics with the topological indices of the DWCN and further demonstrate that the DWCN can be exploited to detect unstable periodic orbits of low periods. Examples using time series from classical chaotic systems are provided to demonstrate the effectiveness of our approach. We construct and analyze numbers of DWCNs for different gas–liquid flow patterns and find that our approach can quantitatively distinguish different experimental gas–liquid flow patterns. Furthermore, the DWCN analysis indicates that slug flow shows obvious chaotic behavior and its unstable periodic orbits reflect the intermittent quasi-periodic oscillation behavior between liquid slug and large gas slug. These interesting and significant findings suggest that the directed weighted complex network can potentially be a powerful tool for uncovering the underlying dynamics leading to the formation of the gas–liquid slug flow.     

Kohonen网络与BP网络用于钨和钼的同时测定

Kohonen与BP人工神经网络结合用于解析钨和钼的吸收光谱,讨论了Kohonen网络输出层的拓扑结构,并利用确定的结构对钨和钼的重叠光谱进行波长选择,在全光谱中选择最能代表光谱特征的不同类波长。所选波长处的吸光度作为三层BP-ANN网络的输入集,分光光度法同时测定了钨和钼。利用Kohonen网络选择全谱特征波长,优化了BP-ANN的输入层。与常规的波长选择方法进行比较,分析结果表明, 经K-ANN方法进行波长选择后,提高了BP-ANN的预测能力。确立了Kohonen网络作为选择最优波长集的一种工具。     

人工神经网络用于光度法同时测定铜钴镍

本文采用PAR－Cu,Co,Ni显色体系,应用人工神经网络原理,以Levenberg-MarguardtBP算法,对紫外吸收光谱严重重叠的三组分金属配合物体系进行含量测定。在452－552nm的范围内,以14个特征波长处的吸收值作为网络特征参数,并通过正交设计安排样本。网络仅训练781次即可达到要求,Cu,Co,Ni三者的平均回收率分别为99．99％,99．97％,测定结果的相对标准偏差分别为0．1％,0．2％,0．1％。实验表明,该方法与现有的算法相比具有训练速度快,预测结果准确度高等特点。该方法和光度法结合有望成为多组分分析的有效方法之一。     

荧光光谱-人工神经网络法同时测定注射液中色氨酸和酪氨酸

本文用人工神经网络法中的误差反传学习算法对色氨酸、酪氨酸混合体系的荧光光谱进行解析,提出了同时测定这两种氨基酸的计算分析方法。以pH=7.15的KH_2PO_4-K_2HPO_4的缓冲溶液为介质,用224nm为激发波长,在290～400nm的范围内,以14个特征波长处的荧光强度值作为网络特征参数,进行网络训练。网络训练了12次即达到误差精度要求(误差平方和小于0.1)。以同样方法对复合氨基酸注射液进行测定,通过训练好的网络进行色氨酸、酪氨酸含量的计算,相对误差分别为4.0％和2.6％。实验表明,该方法与现有的算法相比具有训练速度快、预测结果准确度高等特点。该方法与荧光法结合有望成为多组分分析的有效方法之一。