鲁棒自联想神经网络在故障传感器信号恢复中的应用

总结和归纳了传感器的六类故障模式，仿真结果显示出采取鲁棒自联想神经网络能恢复发生故障的传感器信号。     

适应型神经网络系统的控制

控制对象系统根据控制领域的不同，或多或少具有非线形特性。尤其汽车发动机系统中更具有很强的非线性。目前，三层构造的神经网络对于非线性系统的控制非常有效。     

MOTIS协议的研究和实现

本文描述了MOTIS相似文献   

小型通信卫星在未来全球信息高速公路网中的作用

中小型通信卫星在未来混合型网络结构中将扮演重要角色。这种混合网络将为各种信息业务提供随时随地可访问的多媒体通道。本文旨在考察即将问世的全球信息基础结构（简称信息高速公路，ＮＩＩ）的基本概念。卫星通信将是未来这些混合网络结构赖以存在的核心传输结构中的一个重要组成部分。现代技术的突飞猛进使得未来中小规模的卫星就拥有建立明天高速信息网所必需的高性能。本文着重探讨了小卫星在建立未来信息高速公路中所起的作用。     

非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。     

信息技术对企业组织结构的影响

企业所面临的环境日益复杂,信息技术的发展给了企业一个变革自我适应环境的有利工具.在运用信息技术的过程中,企业组织结构也要相应变化.通过组织结构的四个维度:形式化、专业化、集权程度、权力层级,讨论了信息技术对企业组织结构的影响,并指出网络组织是未来企业的主要组织形式之一.     

基于自组织映射网络的故障诊断推理方法研究

从故障诊断基本形式出发，结合飞机刹车系统故障的各类特点，研究了基于Kohonen自组织映射网络理论的故障推理模型，并且应用到起落架刹车系统故障诊断中。该方法只需选择听，具有代表性的故障样本训练神经网络，他将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断出发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此，很符合复杂系统的故障诊断。     

应用自组织网络识别火箭发动机泄漏故障

以一个典型的泵压式液体火箭发动机（LRE）为对象，针对发动机的几种泄漏故障，先用主成分分析法对泄漏故障的原始样本进行降维，然后利用降维的样本，用自组织网络对泄漏故障进行识别，仿真结果表明，这一方法能对泄漏故障进行很好的识别。     

基于神经网络的加速度计静态误差系数标定

利用具有强自学习性、自适应能力及非线性变换特性的神经网络方法，构造加速度计静态函数型神经网络模型，并用于对加速度计静态误差系数的标定。试验证明，利用该方法标定的系数结果具有高精度性，可较好地满足加速度计误差补偿的要求。     

应用神经网络的手写体数字识别算法研究

结合程序代码论述了1个手写体数字识别程序的原理。该识别程序应用了神经网络来实现其功能,采用BP网络。主要论及了关于BP网络的3个问题:反向传播算法;提高BP网络收敛速度的算法;以及文中提出的对网络进行修剪以期能改善其推广能力的1种算法。