基于神经网络的仿真输出数据的分布识别

分布识别在仿真输出数据的分析中有着重要的理论和实际价值，但长期以来一直没有很好解决，在研究和改进神经网络的基础上，提出用多层感知机ＢＰ网格进行分布识别，给出了基于ＮＮ的分布识别模型，并进行了实验检验，实验结果表明本方法识别效率高，并具有很高的可靠性，可以辅助分析者作出准确的判断。     

大弯角串列叶型优化设计与数值分析

以50°弯角多圆弧单列叶栅和串列叶栅为研究对象,应用数值模拟手段对所设计的两类叶栅进行数值分析,获取了其不同来流马赫数条件下的性能和流动细节。应用NSGAⅡ遗传算法结合BP神经网络技术,对串列叶栅的五个关键几何参数进行优化设计,验证了优化方法的可行性。研究结果表明:在全攻角范围内,串列叶栅的静压比都高于单列叶栅,负攻角范围内,串列叶栅损失低于单列叶栅;经过优化,串列叶栅在大负攻角下的性能略有降低,同时改善了正攻角性能,在4°攻角、0.8马赫数时静压比提升4.3%,总压损失系数降低42%;优化后串列叶栅在全工况范围内性能都要优于单列叶栅,并且串列叶栅最大压比点和最小损失点攻角均向右漂移2°。     

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.     

Investigation of diurnal variations of cosmic ray fluxes measured with using ASEC and NMDB monitors

A study of daily variations of secondary Cosmic Rays (CR) is performed using data on charged and neutral CR fluxes. Particle detectors of Aragats Space-Environmental Center (ASEC), Space Environmental Viewing and Analysis Network (SEVAN) and neutron monitors of the Neutron Monitor Database (NMDB) are used. ASEC detectors continuously register various species of secondary CR with different threshold energies and incident angles. NMDB joins data of 12 Eurasian neutron monitors. Data at the beginning of the 24th solar activity cycle are used to avoid biases due to solar transient events and to establish a benchmark for the monitoring of solar activity in the new started solar cycle.     

证据源权重的计算及其在证据融合中的应用

证据融合是提高目标识别准确性的有效方法.为了解决高度冲突证据融合时产生不合理结果的问题,提出了证据源权重的评定原则.引入了证据距离的概念,根据证据源权重的评定原则,提出了证据源权重的计算方法,实现了对各传感器证据的按权相加修正,从而在信息融合之前消除了冲突证据,避免了不合理结果的产生.为了有效利用先验知识,提高目标识别的效率,分两种情况设计了证据融合的方案,并进行了融合复杂性分析.分别对两种证据融合方案进行了仿真试验并进行了比较分析,仿真结果验证了使用证据融合进行目标识别的有效性.     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

变结构DDBNs的推理算法与多目标识别

 目前变结构离散动态贝叶斯网络（DDBNs）的推理算法存在的缺陷是计算量随时间片数的增加呈指数增长。为了解决这类网络的推理问题,引入前向后向算法的基本思想,提出一种新的变结构DDBNs的推理算法。在分析变结构DDBNs数据结构的基础上,定义变结构DDBNs的前向、后向算子,从理论上对算法进行了推导,它的计算量仅与时间片数成线性关系。并且把该算法应用于识别空中多目标的变结构DDBNs,通过有效融合“交战行为"节点信息,使识别系统的鲁棒性显著增强。仿真结果验证了推理算法的有效性。     

一种弹用涡喷发动机风车起动数值仿真方法

对弹用涡喷发动机风车起动过程进行仿真求解:点火前风车过程用径向基函数神经网络(RBFN)建模,引入相关先验知识对网络输入变量加以变换,以满足小样本情况下网络建模;依据试验数据运用滑动最小二乘法(MLS)获得压气机特性;对于点火加速过程的动态模型,采用改进的粒子群优化(PSO)算法求解.解决了N-R(Newton-Raphson)法受初值影响不易收敛的问题.计算结果与试验数据吻合较好,可作为发动机起动过程性能分析和优化的理论依据.      

基于多分类器融合的航空发动机气路故障诊断

为解决航空发动机这一复杂系统的故障诊断问题,提高智能化诊断方法的准确率,使用了D-S证据理论对RBF神经网络、BP神经网络和支持向量机三个诊断子系统的诊断结果进行决策级融合,结果表明D-S证据理论的使用可以达到比单独运用三个子系统具有更好的诊断效能,经过融合降低了误诊率,改善了诊断性能。     

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。