柔性空间机械臂系统的模糊滑模神经网络控制及柔性振动主动抑制

研究了参数不确定漂浮基柔性空间机械臂关节空间的轨迹跟踪及柔性振动主动控制问题.运用虚拟力概念,生成能同时反映柔性振动和刚性运动的虚拟期望轨迹,设计了一种自适应非奇异Terminal滑模控制器来跟踪该虚拟期望轨迹,以实现载体姿态及关节稳定跟踪运动轨迹并对所产生的柔性振动进行主动抑制的控制目标.所设计的控制器结合了Terminal滑模控制快速收敛性,模糊小波神经网络优良的函数逼近特性及鲁棒技术处理逼近误差的优势,利用自适应算法在线自适应调节模糊小波神经网络的所有网络权值和参数,使控制器具有很强的鲁棒性.仿真实验证明了所提控制方案的有效性.     

基于小波变换的脉冲耦合神经网络预测模型及其应用

被称为第三代人工神经网络的脉冲耦合神经网络(PCNN)模型,以其耦合机制、脉冲输出两大基本特性广泛应用于图像处理等领域。文章在两大基本特性的基础上对PCNN进行了改进:增加了绝对误差控制公式;连接强度以相关系数来控制,调整阈值设置为最小误差;网络的运行机制与以往的PCNN原理有所不同;将ATrous小波变换与PCNN模型相结合,形成了组合预测模型。将改进后的组合模型用于年降雨量的预测中,以求检验模型的可行性。预测结果表明,基于小波变换的PCNN组合模型用在年降雨量预测中是可行的,并取得良好效果。为进一步深化PCNN的理论、拓宽PCNN的应用领域、解决水文水资源中的预测问题提供了新的思路和方法。     

构建高等数学网络课堂的基本设想

针对当前高等院校高等数学课堂教学中存在的一些缺陷,提出网络课堂与学校课堂相结合是高等数学教学的必然和最佳教学模式,简述高等数学网络课堂的设计和构成。     

基于神经网络的翼盒结构响应重构方法应用

翼盒结构复杂,航行中承载条件恶劣,利用有限测点信息重构其它位置响应对于实时健康监测具有很强的现实意义。通过误差反向传播神经网络训练得到响应之间的非线性关系,建立基于神经网络的响应重构方法,开展有限元分析对其进行数值仿真验证,并将该方法应用于实测随机激励环境下翼盒典型承力结构的响应重构及损伤定位与判断分析。结果表明：采用该方法重构出的预测响应功率谱密度的均方根相对误差不超过1.90 dB,主要频点误差小于10%;判断出翼盒关键测点e 的损伤或故障发生在所截取片段数据3 s 后,其故障特征频率为240 Hz 左右,该方法应用于响应重构预示及健康监测分析具有可行性。     

PTNet：一种面向加密流量分类的半监督并行Transformer网络

随着网络加密协议的广泛使用,传统的网络流量分类技术面临很大的挑战。目前的方法具有以下局限性：一是模型高度依赖深度特征,这要求有标注训练数据集的规模足够大,否则模型难以在新的数据上进行泛化;二是模型仅专注于流量的一个模态特征,不同类别流量的同一模态的特征区分度可能不够明显。针对这些问题,本文提出了一种基于深度学习的加密流量分类模型Parallel Transformer Net（并行转换网络,PTNet）。该模型基于预训练-微调的半监督思想,充分利用网络中大量无标签流量数据进行预训练,然后在少量有标签数据的基础上进行微调。此外,该模型并行提取了载荷和包长序列两个模态的流量特征,进行多模态的特征融合,并在三种不同的流量分类任务与相应的数据集（Android、USTC-TFC和CSTNET-TLS1.3,均为公开的数据集）上都表现出很好的效果,分类准确率分别达到95%、98%和97%。     

基于多层次特征的高分影像海岸带地物分类

针对高分辨率影像地物光谱丰富复杂的问题,文章提出了一种结合像元-对象-空间格局特征的水域、盐田等海岸带精细地物分类方法。首先基于像元和空间格局特征分别利用遗传算法优化随机森林参数进行分类;其次将两种分类结果采用D-S证据理论融合;然后基于不同地物斑块的空间上下文信息,采用粒子群算法优化支持向量机（Support Vector Machine,SVM）参数实现面向对象的二次分类。为验证方法的有效性,收集山东省莱州湾海岸带附近区域的“高分二号”卫星影像,开展了水域及水利设施用地、盐田、工矿用地、交通运输用地、住宅用地、沿海滩涂、海域与耕地8类地物的分类实验,总体精度达到97.21%,Kappa系数为0.964 2。实验结果表明,文章提出的高分影像海岸带地物分类方法兼顾像元、对象及空间格局特征优点,能够实现多层次细致分类,并同时兼具较短的训练时长与较高的分类精度。该研究成果可为中国海岸带生态环境监测与土地利用规划提供一定技术支撑。     

A comparative analysis of SLR,MLR, ANN,XGBoost and CNN for crop height estimation of sunflower using Sentinel-1 and Sentinel-2

Sustainable monitoring and determining the biophysical characteristics of crops is of global importance due to the increase in demand for food. In this context, remote sensing data provide valuable information on crops. This study investigates the relationship between the variables determined from both Synthetic Aperture Radar (SAR) and optical images and crop height. For this purpose, backscatter (σVH, σVV, σVH / σVV) and coherence (?VH, ?VV) of multi-temporal dual-polarized Sentinel-1 and vegetation indices of multi-temporal Sentinel-2 data are analyzed. Two indices, namely, Normalized Difference Vegetation Index (NDVI) and NDVI with the red-edge band (NDVIred), are interpreted to identify the contribution of the red-edge band over the near-infrared band. The Zile District of Tokat province in Turkey where dominantly sunflower cultivation is carried out, was selected as the study area. In the analysis of the data, Simple Linear Regression (SLR), Multiple Linear Regression (MLR), Artificial Neural Network (ANN), EXtreme Gradient Boosting (XGBoost), and Convolutional Neural Network (CNN) were used. In the results of the study, ANN showed the lowest RMSE = 3.083 cm (RMSE%= 11.284) in the stem elongation period. The CNN followed the lowest RMSE for the Inflorescence development and flowering stages 19.223 cm (RMSE%=15.458) and 8.731 cm (RMSE%=5.821), respectively. In the ripening period, XGBoost achieved the lowest RMSE = 8.731 cm (RMSE%=6.091). All the best models in four methods were created using common variables of σVH, σVV, ?VH, ?VV and NDVIred, except ANN which exclude coherence variables. The results concluded that NDVIred contributed more than NDVI which is widely interpreted in previous studies.     

基于神经网络的参数-费用模型研究

讨论了采用用神经网络理论来建立参数－费用模型的方法，给出了几种地空导弹武器系统的特征参数与研制费用，对神经网络法与线性回归法所得的结果进行了比较。比较结果表明，神经网络法比线性回归法精确。     

自适应有限元的应用和发展

自适应有限元（ＡｄａｐｔｉｖｅＦＥＭ）是一种通用后验误差估计,不断进行网络优化提高计算机精度的数值方法,它是有限元法（ＦＥＭ）的新发展,具有高效率,高可靠性的特点,在现代工程得到了广泛应用,本文分析了自适应有限元的关键技术,总结了其在在国内外的应用情况,并展望了其发展前景。     

图论在有限元分析中的应用

应用图论理论，建立节点关联矩阵，用于自动剖分的网络节点编号优化和网格图形的输出。研究结果在工程上有实用价值。