利用截断奇异值分解法解冲激响应逆卷积

在目标识别领域中,目标的冲激响应占有十分重要的地位,然而冲激响应必须通过解电磁系统逆卷积求得。本文直接从时域的观点出发,采用截断的奇异值分解法解这类病态问题,去掉了引起病态的较小奇异值,使这类逆卷积问题趋于良态,并对解球目标的冲激响应进行了数值仿真。结果表明,使用截断奇异值分解法比传统的共轭梯度法得到的解改善了约10dB。     

利用人工神经网络仿真GPS误差信号

GPS（Global positioning system）是一种在军事和民用方面广泛应用的定位系统。如何降低成本，提高精度是一个重要的课题。本文应用人工神经网络能够实现高度非线性的特点，在对地理位置已知点进行大量GSP实际测量的基础上，设计出一种BP网络，作为GPS误差信号模拟器。在给出时间和天气情况的条件下，该模型器能够输出GPS的实时误差，为应用系统中对GPS误差进行补偿提供依据。通过与实际测试数据相比较，证明这种方法具有较好的模拟效果。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

基于前向神经网络的与内容无关的笔迹鉴别

与内容无关的笔迹鉴别是属于图象处理和模式识别领域的一项课题，有着广泛的实用前景。本文提出了一种基于前向神经网络的与内容无关的笔迹鉴别的方法。文中讨论了提取笔迹灰度图象特征和用前向神经网络分类器进行两大问题。对笔迹灰度图提取了3大类18个灰度特征，面前向神经网络分类器由一种新的遗传算法同时优化设计其结构和权重矢量。通过对10人、每人6幅笔迹度图象用18个灰度特征进行鉴别,试验结果显示此方法设计的前向神经网络分类器收敛率高，比常用的最近邻分类器有更高的识别正确率。     

轮辐式航线网的航班计划优化模型

分析了轮辐式航线网布局模式的特征,提出了在轮辐式航线网上进行航班计划优化所要考虑的主要因素,进而独立研究了该种布局模式的航班计划优化模型。并通过一个案例说明该种轮辐式航线网航班计划优化模型的应用。     

非线性系统的神经网络控制器设计

神经网络是解决非线性系统控制问题的一种新颖而有效的方法。文中主要讨论了神经网络在非线性控制中的应用,针对一个典型的非线性系统,采用不同的神经网络控制结构,设计了不同的控制器,并进行了数字仿真。比较了它们的优缺点。作者的研究对神经网络在控制领域当中的应用具有一定的理论指导作用。     

旋翼/机身气动干扰的神经网络模型

依据直升机空气动力学理论建立起来的旋翼／机身气动干扰模型,至今尚不能达到满意的准确度,而且它的计算工作量相当大。文中采用多层前向通道神经网络建立旋翼／机身气动干扰模型,探索一种新的建模方法。在试验结果的基础上,对机身的空气动力随前进比和桨盘载荷变化情况进行了分析,然后提出了一个二输入／三输出的旋翼／机身气动干扰神经网络模型。网络训练样本直接来源于试验数据。训练好的干扰模型清楚地反映了机身阻力与前进     

基于BP神经网络的随机信号筛选算法

在随机信号导航研究中,可接收到的信号数量众多、种类繁杂、特征多样,难以从中选择出适用于导航的信号。针对随机信号的筛选问题,提出了一种基于BP神经网络的随机信号筛选算法。该算法通过输入随机信号的特征信息,对随机信号的定位误差进行了估计,通过定位信息的误差对将信号用于导航的效果进行了评估。仿真结果表明,该算法能够对由随机信号解算而得到的导航信息误差进行估计,可以达到较好的筛选效果。     

求解区域网络问题的近似算法

区域网络是给定一个无向图G=(V,E),在图G中,存在一个子图是森林,森林中的若干个不相交的树称为若干个区域。该问题的目标是把该森林子图即若干个区域连结成一棵树,且使增加的边的权和最小。把该问题归结为图的Steiner tree问题,给出了求解该问题的一个近似算法,并证明其复杂性,最后用实例说明算法的准确性。