基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

M.K.D.V方程高阶全离散Galerkin有限元格式

本文用对角隐式Runge-Kutta方法(D.I.R.K),对M.K.D.V.方程在时间方向离散,采用增加扰动项的办法,得到了L~2模意义下时间方向具有三阶精度的格式。数值实例表明,其精度比无拢动项及C-N格式好。还证明了收敛性和稳定性,用Newton迭代法求解非线性方程组,并证明选取适当的初始值,Newton迭代仅需一步完成。     

带惩罚项与随机输入的BP神经网络在线梯度学习算法的收敛性

本文对三层BP神经网络中带有惩罚项的在线梯度学习算法的收敛性问题进行了研究,在网络训练每一轮开始执行之前,对训练样本随机进行重排,以使网络学习更容易跳出局部极小,文中给出了误差函数的单调性定理以及该算法的弱收敛和强收敛性定理。     

农户信用评估系统的设计与运用研究

农户信用评估的研究对推动农村消费信用的发展，促进农村经济良好运行十分重要。本在构造农户信用评估的指标体系的基础上，提出了农户信用评估神经网络模型的算法，利用实际搜集到的农户资料进一步建立了农户信用评估模型，继而构造了农户信用评估系统，并举例说明了该系统的实际运用，以期能为农村经济发展中的农户信用评价及相关研究提供一丝基础性启发。     

多重休假的带启动--关闭期的Geom/G/1排队

本研究多重休假的带启动——关闭期的Geom／G／1离散时间排队，给出稳态队长，等待时间分布的母函数及其随机分解结果，推导出忙期的全假期的母函数，给出该模型的几个特例。     

BP神经网络在上海住宅市场需求预测中的应用

人工神经网络是近期发展最快的人工智能领域研究成果之一 ,本文在介绍 BP神经网络的有关原理的基础上 ,建立了一个上海住宅市场的 BP神经网络模型 ,并通过该模型对上海住宅市场的需求进行了预测和分析 .分析结果表明人工神经网络方法在住宅市场需求预测中的应用是可行的并且是有效的 .