电容层析成像中电容敏感场的计算与图像重建

建立了 １２ 电极基本传感器的有限元模型．对电容敏感场进行了仿真计算,以此作为先验信息可以重建出令人满意的图像,为进一步的应用研究提供了强有力的支持     

电容层析成像

介绍了作者在电容ＣＴ重建算法、测量装置方面所进行的工作，并较为详细地介绍一种基于网络理论的新算法，这种算法是将介质分布映射为一个电容网络，网络中的电容值直接与介质分布有关。为了解决从测量电极所测得的电容计算网络内部电容这一逆问题，分析和利用了附加的网络结构约束。将测量过程等效为相应的四端网络，利用迭代方法进行求解，得到了较好的实验结果。     

多电极电容传感器的参数优化设计

将电容层析成像中多电极电容传感器的参数设计作为一个以均匀敏感度为目标 ,并受电容测量技术及制造工艺水平限制的有约束条件的最优化问题处理 .提出了用正交设计法对传感器进行计算机辅助设计 ,可以方便、快速地找到一组最优参数 ,能够较好地克服以前的设计方法所需计算量大的缺点 .实验结果表明 ,该设计方法具有较强的实用性 .     

基于神经网络射线非直线传播的层析成像

讨论了如何利用走时数据重建声波地震波或某些电磁波这类波长较长的射线慢度(波速的倒数)分布问题。首先根据费马原理,利用加权有向图求射线在给定介质中的最短传播路径,然后,基于Hopifield神经网络的联想功能,提出一种射线非直线传播的重建慢度分布的方法,计算机模拟表明,迭代是收敛的,并且能得到较好的慢度重建结果。     

PV-WAVE在电容层析仿真中的应用研究

介绍了一套基于１２电极电容传感器进行图像重建的电容层析成像的仿真软件包，该软件包是利用可视化编程语言ＰＶ－ＷＡＶＥ在ＳＧＩ图形工作站上开发的．利用该软件包可以深入分析电容敏感场和流体模型数据的变化，从而为改进图像重建算法和设计最佳电容传感器几何参数提供了有力依据．最后利用仿真结果对电容层析成像的特性进行了研究．     

Kohonen网络在电容CT图像重建中的应用

提出一种采用Ｋｏｈｏｎｅｎ网络算法进行１２电极电容ＣＴ系统的图像重建的方法．该网络由输入和输出两层神经元组成,输入为１２电极电容ＣＴ系统测量所得的６６个电容值,输出对应管道介质的空间分布模式．该网络采用竞争算法无监督学习,实验结果证明,该网络有较强的抗噪声能力,可重建出较精确的介质分布图像     

基于卷积神经网络的高压电缆局部放电信号分类

尽早发现高压电缆局部放电信号类型并采取相应措施,对于有效避免绝缘系统遭受破坏至关重要.针对高压电缆中4类常见的典型缺陷产生的局部放电信号,本文提出一种基于卷积神经网络的高压电缆局部放电信号分类方法.首先构建缺陷模型,采集4类缺陷的局部放电信号作为样本,并用电压幅值-相位谱图作为输入数据集;然后利用多层卷积核进行特征提取...     

BP神经网络模拟软件的设计和实现

本文介绍一个窗口系统下用Ｃ语言实现的后向传播神经网络（ＢＰ网络）模拟软件，该软件能够模拟多至四层的ＢＰ网络，多层神经元数及网络工作参数可以通过对话窗口输入，采用该模拟软件对三输入奇偶校验模式识别问题进行了处理，得到了满意的结果。     

模糊自适应算法的神经网络图像重建

在12电极ECT系统中,采用BP神经网络进行图像重建时以一定原则选取学习样本,并引入模糊自适应算法以加快训练的收敛速度,获得较满意的重建图像效果．     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

线性动态系统的神经网络辨识与控制

近年来，不同结构的神经网络已成功地用于一大类动态系统的辩识与控制。本文应用函数型链接网提出一实际可行的辨识器与状态反馈控制器；研究的问题主要是线性动态系统在状态可测情形下在平衡点镇定问题。仿真结果显示了本文提出的方法的有效性。     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｌｉｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样．对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论．此外，还分析了初始突触强度对学习效果的影响，计算了不同存储图样数目下的平均吸引半径．     

一种改进的神经网络BP算法

提出同时对神经元温度常数Ｔ、位置常数θ、联接权值Ｗ进行调整的观点,并推导出相应的学习算法公式．对比试验表明：所给出的改进算法能有效地减少节点数、加速训练进程和识别精度     

一种基于重置的变结构前馈神经网络

基于GaussNewton法的前馈神经网络虽然可以达到局部二阶收敛速度．但网络结构中如果结点个数过多，会造成过模拟；网络结点过少。又会导致不收敛。为了优化神经网络结构，尝试引入重置算法(Early Restart Algofithm)，并将其应用于Gauss Newton前馈神经网络．提出基于重置的Gauss Newton变结构前馈神经网络。对比实验表明，重置算法的引入有效地解决神经网络的结构优化问题，优化后的神经网络具有良好的收敛性与稳定性。     

细胞神经网络环境下偏微分方程的求解

在探索细胞神经网络新的应用时，由于低端硬件模拟非常昂贵，不可避免要使用行为仿真器．基于波数字滤波原理，本文提出了细胞神经网络的一个数字模型．将此模型用于求解泊松方程，取得满意结果．在所提的方案中，方程的解信息来自细胞的状态而非输出     

用自适应谐振网络进行图像纹理的分类与识别

分析了自适应谐振（ＡＲＴ２）神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别的结果验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果．     

基于实数编码遗传算法的多层神经网络BP算法

提出用实数编码的遗传算法来优化多层神经网络的权值，并且将遗传算法与ＢＰ算法结合，能有效地避免ＢＰ算法陷入局部极小和遗传算法过早收敛，实验结果令人满意．