武器系统小样本场合下的区间估计

介绍了区间估计的一般方法 ,针对武器系统试验次数少的特点 ,讨论了小样本条件下武器系统战术技术性能指标的置信区间估计的估计方法 ,并以示例进行了说明     

正态模型结构可靠性贝叶斯下限的计算方法

本文对正态模型结构可靠度的贝叶斯精确下限的评估公式提供一种新的计算方法。该方法能达到任意给定的精度。计算复杂度可由O(n~2)降为O(n)。程序结构简单,使用方便。     

复杂系统平均剩余寿命综合评估方法

 针对工程中广泛关注的平均剩余寿命问题， 首先利用信仰推断给出单个设备可靠度的置信分布， 包括指数分布、 威布尔分布和对数正态分布； 然后基于组成系统的设备试验信息， 结合系统的组成结构， 给出系统可靠度的置信分布， 接着根据可靠度和平均剩余寿命之间的关系， 建立复杂系统平均剩余寿命综合评估模型并给出具体的评估算法。 对于在设备试验中经常出现的右删失等不完全数据， 给出了将不完全数据虚拟成等效的完全数据的转化方法。 最后， 通过模拟研究和实例验证， 结果表明本文的方法较为精确， 能够满足工程的实际需求。     

一种新的基于可解释性置信规则库的飞轮健康状态评估模型

飞轮系统的稳定运行对于航天器在轨安全影响重大，因而对飞轮系统进行健康状态评估至关重要。在进行飞轮系统健康状态评估建模时，不仅要求模型能够处理各种不确定性以保障评估结果的准确性，同时要求其具有透明合理的评估过程与可解释、可追溯的评估结果。因此，在深入研究置信规则库（BRB）建模方法的基础上，构建了一种新的基于可解释性建模的置信规则库（BRB-e）飞轮系统健康状态评估模型。首先，结合飞轮系统特征对模型的可解释性建模准则进行定义；在此基础上，设计了BRB-e评估模型的推理过程；然后，基于鲸鱼优化算法（WOA），提出了一种具有可解释性约束的BRBBRB-ee模型参数优化方法；最后，通过对某飞轮系统中轴承组件的评估案例研究，验证了模型在飞轮系统健康状态评估中的有效性。对比研究表明，BRBBRB-ee模型在评估结果准确性和评估过程可解释性方面具有一定的优势。     

置信·牧山丽景 镌刻时间的名著 2011仲夏 置信·牧山丽景再著全新篇章

置信·牧山丽景,在中国别墅第四区-成都牧马山上,演绎着人生的激情、勇敢和优雅,立于山巅大放异彩。开盘当日,二号地块一批次产品推出,一杯下午茶的时间,     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

聚焦伦敦奥运 见证置信·牧山丽景冠军生活品质

2012年7月底,第三十届夏季奥林匹克运动会将在英国伦敦拉开帷幕。届时,全世界的目光将聚焦伦敦,聚焦英伦三岛这一古老的国度。当来自世界各地的奥运健儿奋力角逐每一项冠军的时候,作为还原了维多利亚时代纯粹英伦风情的庄园社区,置信·牧山丽景又是如何塑造高端住宅的冠军品相呢?冠军品相源于对细节的千锤百炼天下难事,必作于易;天下大事,必作于细。早在7年前,即伦敦成为2012奥运主办城市的那一年,置信·牧山丽景规划设计团队一行10余人     

LDPC码低复杂度译码算法研究

在描述置信传播（BP）译码算法基础上，研究和分析了两种降低复杂度的译码算法。Min-Sum算法主要讨论了简化校验节点的消息更新运算，并应用密度进化方法对此算法进行极限性能分析，求出最佳修正参数α以改进译码性能。强制收敛技术致力于减少BP和MSA算法译码过程中“激活”节点的数目，从而降低译码复杂度。AWGN信道仿真结果表明，两种算法在降低译码复杂度的同时，译码性能没有明显降低。     

置信·牧山丽景 感动张国立的“奢与爱”

成都,在大多数人眼中,只读出它的"慢节奏"生活,只有少数人能品尝到这座城市馥郁的滋味,这对他们来说,是一场奇遇,一种启示。正如走下大荧幕,与置信·牧山丽景结缘的"成都女婿"张国立,以其现身说法,诠释着他透过牧山丽景,所感受到的不一样的生活方式。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。