基于径向基函数神经网络的铁路路径规划

通过合理路径规划实现高速铁路能量效率的优化是铁路运行中的重要研究内容。本文引入资格迹(eligibility trace)改进径向基函数(RBF)神经网络。在此基础上,使用改良的径向基函数(RBF)神经网络实现列车在复杂情况下的路径规划。     

基于通用生成函数的惯导部件可靠性建模

惯性导航系统是飞机、导弹等复杂装备的重要部件。准确评估其可靠性是装备使用、保障和遂行作战任务的基础。在分析基于通用生成函数方法构建多状态可靠性模型研究的基础上,设计了一种基于通用生成函数方法的性能相依多状态系统可靠性建模的仿真算法,以某型飞机的惯性导航计算部件为研究对象对模型的正确性进行了验证,并且和基于贝叶斯网络可靠性建模方法进行了比较,结果表明:①设计方法可行与贝叶斯方法可靠性结果一致且计算速度快,其中贝叶斯算法过程约需3.72e-02 s,而基于UGF的算法需要1.8810e-03 s左右;②所建模型可以获得多状态系统性能状态的分布特性。     

G(o)del系统中由一个或两个原子生成的公式的真值函数的特征

在G(o)del系统中研究了仅由一个或两个原子生成的逻辑公式的真值函数的特征,进而按照逻辑等价关系对F(p),F(p,q)进行了细致的分类.     

M-RNA碱基复合物(M=Ca+和Mg+)特征振动的密度泛函理论分析

采用密度函数理论的B3LYP交换关联能泛函在6-311+G(2df,2p)基组水平上,优化计算了Ca+,Mg+与RNA碱基嘧啶各同分异构体形成稳定复合物的结构,发现其中C1M,T1M和U1M(M=Ca+和Mg+)为最稳定复合物,并对这些复合物红外振动进行了计算.计算结果显示碱基嘧啶单体主要存在的两个红外特征振动,是由环振动和环外氧原子及与其成键的环上碳原子之间产生伸缩振动引起的.当形成复合物时,由于离子的参与,使单体碱基分子的振动情况发生了改变,主要表现在离子倾向于与环外负电子原子N和O原子成键,使与离子直接作用环外原子参与的特征振动频率减小,谱线红移;不与离子直接作用环外原子引起的特征振动频率增大,谱线蓝移.     

动脉中血液脉动流的一种分析方法

动脉中的血液流动被分解为平衡状态(相当于平均压定常流状态)和叠加在平衡状态上的周期脉动流,利用Fung的血管应变能密度函数分析血管壁在平衡状态下的应力-应变关系,确定相对于平衡状态血管作微小变形所对应的周向弹性模量和轴向弹性模量,并建立在脉动压力作用下相应的管壁运动方程,与线性化Navier-Stokes方程联立,求得血液流动速度和血管壁位移的分析表达式,详细讨论血管壁周向和轴向弹性性质差异对脉博波、血液脉动流特性以及血管壁运动的影响.     

基于模糊结构元的模糊级数

在文献[1]中提出的模糊结构元概念及文献[4]中的得到的[-1,1]上同序标准单调有界函数类与有界模糊数空间同胚性质基础上,本文给出了基于模糊结构元的模糊数项级数和模糊值函数项级数定义,对其重要性质进行了讨论.     

ON THE BOREL DIRECTION OF K-QUASIMEROMORPHIC MAPPINGS

For the K-quasimeromorphic mappings, a precise fundamental inequality for the angular domain is established. From this, the Borel direction of the K-quasimeromorphic mappings of zero order is derived.     

Hardy-Hilbert积分不等式的一个新推广及其应用

通过引入一个形如x1 x(x∈[0, ∞))的幂指函数建立了带权的Hardy-Hilbert积分不等式的新推广.并证明了系数(2)(sinπp)是最佳值.作为应用,给出了Hardy-Littlewood积分不等式的一个推广.     

Nonlinear Time Series Forecast Using Radial Basis Function Neural Networks

In the research of using Radial Basis Function Neural Network (RBF NN) forecasting nonlinear time series, we investigate how the different clusterings affect the process of learning and forecasting. We find that k-means clustering is very suitable. In order to increase the precision we introduce a nonlinear feedback term to escape from the local minima of energy, then we use the model to forecast the nonlinear time series which are produced by Mackey-Glass equation and stocks. By selecting the k-means clustering and the suitable feedback term, much better forecasting results are obtained.