集成滤波器在谱图信号除噪中的应用

本文提出了一种由神经元网络与线性自适应滤波器组成的集成滤波器的实现方法，用于谱图信号除噪处理。     

气相[（SiO2）nX]^—团簇产生机理

利用ＸｅＣｌ准分子激光烧蚀多种硅氧多孔结构材料，在负离子通道测得丰富的「（ＳｉＯ２）ｎＸ」＾－负离子团簇，并讨论了多孔网结构和表面活性基团的分布对激光能量的吸收，传输及团簇产生的重要作用。     

模式识别—人工神经网络在化学中的若干新应用

本文通过我们应用模式识别－人工神经网络方法预报新化合物、熔盐相图以及复杂化学反应体系的研究，展示应用模式识别－人工神经网络方法与物理化学理论相结合，研究化学现象的可能性和应用价值。     

人工神经网络X射线荧光光谱法测定钢中酸溶铝

建立了一种人工神经网络-X射线荧光光谱法测定钢中酸溶铝的方法，用X射线荧光光谱法测定低合金钢中总铝值，应用所建立的ANN-BP网络模型，输入总铝含量直接预测出酸溶铝含量。同时使用改进的BP算法，避免了神经网络学习中可能产生的麻痹现象。该方法用于钢中酸溶铝的测定，结果满意。     

色谱技术在中药指纹图谱研究中的应用

 介绍了气相色谱、高效液相色谱、超临界流体色谱和高速逆流色谱等几种色谱技术在中药指纹图谱研究中的应用现状,以及使用模糊聚类分析和人工神经网络分析指纹图谱对中药进行模式识别和质量鉴定的方法。     

Set controllability of Markov jump switching Boolean control networks and its applications

In this article, a novel method is proposed for investigating the set controllability of Markov jump switching Boolean control networks (MJSBCNs). Specifically, the switching signal is described as a discrete-time homogeneous Markov chain. By resorting to the expectation and switching indicator function, an expectation system is constructed. Based on the expectation system, a novel verifiable condition is established for solving the set reachability of MJSBCNs. With the newly obtained results on set reachability, a necessary and sufficient condition is further derived for the set controllability of MJSBCNs. The obtained results are applied to Boolean control networks with Markov jump time delays. Examples are demonstrated to justify the theoretical results.     

可编程数据平面技术综述

在软件定义网络中,可编程数据平面提供的编程能力是网络功能虚拟化的基石。可编程数据平面技术的核心是可编程能力与数据包处理性能。首先从数据平面的可编程性出发,探讨现有数据平面的数据包处理抽象。然后,分别对数据平面实施的目标平台与对应平台上的主要流表算法进行介绍,详细论述现有数据平面技术。最后,探讨了高性能数据平面技术存在的关键挑战。     

多尺度特征融合U-Net的遥感影像黑臭水体智能检测

研究采用卫星遥感技术获取高分辨率遥感影像水体样本数据集,基于深度卷积神经网络从高分辨遥感影像中提取水体并进行黑臭水体智能监测,提出了一种改进U-Net的黑臭水体检测网络模型(IWDNet)。基于U-Net结构引入跳跃式多尺度特征融合,结合通道注意力机制、卷积注意力模块、通道与空间注意力机制生成不同多尺度特征融合注意力机制(MFFAM)模块进行对比,并引入空洞卷积扩大网络感受野,最终实现黑臭水体的识别检测。实验证明：基于跳跃式多尺度融合与CBAM注意力机制的黑臭水体检测网络(MFFCBAM-IWNet)模型有效提升了识别精度,在高分辨遥感影像水体样本数据集上表现最佳,总体精度达98.56%,Kappa系数达0.978 4。     

基于BAS-BP-Bagging模型的光纤陀螺温度补偿

为提高光纤陀螺的输出精度,以天牛须搜索算法(BAS)优化后的BP神经网络模型为基学习器,采用Bagging并行集成学习算法建立了BAS-BP-Bagging温度补偿模型,并对某型号光纤陀螺进行了温度补偿实验。实验结果表明,在-40～+60℃温度变化环境下,该方法补偿后的光纤陀螺温度漂移相较于补偿前减小了近80%,相较于多项式补偿算法减小了55%,相较于BP神经网络补偿算法减小了30%左右。同时该模型在对新鲜样本的补偿过程中表现出了较为优越的泛化性能。