计算机会议系统信息传播模型的研究与分析

首先简单论述了计算机会议系统着急的为通信问题，然后详细分析了多点信息传播的集中式、层次式和分布式三种方法，并给出各自时间复杂性分析的数学推导和计算机仿真结果。     

基于神经网络实现的遥测帧码数字相关检测器

本文提出了一种利用帧同步码（以下简称帧码）符合度特征，采用多比特观测窗口技术的数字相关检测模型，基于上述模型，采用神经网络实现了这种数字相关检测器。实验结果表明：该数字相关检测器对帧码出现的误码和码元滑动的情况均有较高的检测率。     

基于神经网络的轴承故障预测模型

利用在故障预测领域广泛应用的神经网络模型,对轴承监测数据的特征提取与建模,挖掘出监测数据与剩余寿命间内在关联,从而对轴承剩余寿命做出评估。在轴承全寿命数据的实际实验中,证实了该模型的有效性。     

Forecasting the geomagnetic activity of the Dst index using multiscale radial basis function networks

The Dst index is a key parameter which characterises the disturbance of the geomagnetic field in magnetic storms. Modelling of the Dst index is thus very important for the analysis of the geomagnetic field. A data-based modelling approach, aimed at obtaining efficient models from limited input–output observational data, provides a powerful tool for analysing and forecasting geomagnetic activities including the prediction of the Dst index. In this study, the process of the Dst index is treated to be a structure-unknown system, where the solar wind parameter (VBs) and the solar wind dynamic pressure (P) are the system inputs, and the Dst index is the system output. A novel multiscale RBF (MSRBF) network is introduced to represent such a two-input and single-output system, where the Dst index is related to the solar wind parameter and the dynamic pressure, via a hybrid network model consisting of two submodels: a linear part that reflects the linear relationship between the output and the inputs, and a nonlinear part that captures the effect of the interacting contribution of past observations of the inputs and the output, on the current output. The proposed MSRBF network can easily be converted into a linear-in-the-parameters form and the training of the linear network model can easily be implemented using a forward orthogonal regression (FOR) algorithm. One advantage of the new MSRBF network, compared with traditional single scale RBF networks, is that the new network is more flexible for describing complex nonlinear dynamical systems.     

MPP蛀孔互联网的模拟研究

蛀孔交换技术的特性不同于存储转发交换技术的特性。该文分析了消息在重载蛀孔网络中传输的性能特性，指出了在典型的二维MESH网中应用蛀孔技术的障碍。在此基础上提出了二维MESH的一种改进结构，即间接二维MESH结构，并分析、模拟了该结构在各种网络负载及各种网络规模下的性能特性。分析及模拟都说明了该结构的高效性。     

神经网络在火箭容错控制中的应用

利用解析冗余思想和神经网络的非线性映射能力，提出了基于神经网络的故障检测和容错控制框架，以此实现解析冗余，并将其应用于火箭稳定回路容错控制设计，仿真研究表明，该方案设计思想正确．具有一定的实用价值。     

用于测频测向的偶对称神经网络模型

介绍了Hopfield神经网络用于测频测向的原理。为解决一些基本算法的局部极值问题，建立了偶对称神经网络的模型，并给出了相应的算法。理论分析和仿真结果表明，该算法用于解决全局优化问题是有效的，可用于解决测频测向问题。     

基于贝叶斯网的业务端编程方法

针对现有的业务端编程方法缺乏对于没有软件开发背景的最终用户的指导机制,提出了一种基于贝叶斯网的业务端编程方法.首先提出了一种基于贝叶斯网的最终用户编程基本框架,然后基于贝叶斯网结构学习方法和过程日志建立了用来支撑业务端编程的领域专家系统,在此基础上提出了以领域专家系统为核心的启发式业务端编程方法.该方法在编程过程中依赖领域专家系统对最终用户推荐业务活动,提供实时指导,帮助最终用户逐步完成应用系统的构造.最后对该方法的有效性进行了定性的评估和分析,结果表明,基于贝叶斯网的业务端编程方法可以在一定程度上提高最终用户编程的效率.     

快速伺服刀架神经网络自适应PID控制

为了提高快速伺服刀架的控制性能,减小跟踪误差,实现正弦网格表面精密加工,提出了基于RBF和BP神经网络的自适应PID控制策略.由仿真结果可以看出,采用基于神经网络的自适应控制算法,使跟踪误差的最大值降低为1.37μm,跟踪误差的绝对均值降低为0.52μm.这两项指标相对与传统PID控制分别降低了28%和40%.     

基于自校正模糊神经控制的无刷直流传动系统

提出了一种自校正模糊神经网络控制器(SCFNNC)来实现无刷直流电动机起动、调速、制动等各运行阶段的性能指标.该SCFNNC是采用调整系统增益参数的方法完成较完善的控制规则的.重点研究了系统自校正增益参数的确定方法,模糊控制器的设计,人工神经网络实现模糊控制规则的方法等.自校正增益参数是根据系统对超调量、转速稳态误差、动态速降的期望值来确定的.设计模糊控制器时是根据系统的性能指标,确定出合适的模糊控制规则表,用于训练神经网络.为使系统的性能达到最佳,采用了自校正模糊神经控制、开关控制和比例控制相结合的复合控制方法,通过数学仿真证实配备SCFNNC的系统具有优良的动、静态特性,及较强的鲁棒性.