基于ELMo-GCN的核电领域命名实体识别

在核电领域的知识管理过程中,需要使用命名实体识别技术抽取高质量语义实体,以进行核电领域文本的智能分析和处理。在现有研究的基础上,通过增强网络对上下文信息的提取能力,提升模型对嵌套命名实体的识别准确率。经实验验证,所提方法较现有方法在准确率与召回率指标上提升显著,与BiFlaG网络对比,准确率提高9.52%,召回率提高8.51%,F₁值提高9.02%。所提方法对嵌套命名实体识别优于BiFlaG等网络。     

具有复合非线性特征不确定系统的自适应反推控制

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案.基于模型分解的方法建立了具有复合非线性特征的执行器模型.论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界.自适应近似变结构控制能...     

第三代移动通信系统中非线性多用户检测技术

在CDMA系统中,多用户检测技术是提高系统容量,减少用户间干扰的关键.非线性多用户检测包括干扰消除和神经网络检测技术.其中干扰消除检测是对不同用户独立进行MAI估计,然后从接收信号中减去对该用户而言的部分或全部MAI;多用户检测从本质上看是一个组合优化问题,所有解决组合优化的算法原则上均可适用于多用户检测,其中基于神经网络的解组合优化方法当然也适用于多用户检测.本文论述了几种非线性多用户检测器的基本原理及其特点.     

应用BP网络校正的卡尔曼滤波器

当目标作机动飞行时,由于未知机动引起的估计误差的影响,卡尔曼滤波器的跟踪性能将会严重下降。提出了一种应用BP神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,BP网络可以辨识非线性机动,修正卡尔曼估计值,改善跟踪效果。同时还研究了BP网络的自适应算法。对两个变加速机动目标的跟踪结果表明,经过BP网络校正的卡尔曼滤波器不会发生误相关,跟踪的精度较高。     

基于神经网络算法的液体火箭发动机实时故障检测方法研究

以某液体火箭发动机为研究对象,将实时故障检测作为中心,分析了神经网络算法的特点及其实现步骤,利用Lab Windows/CVI与MATLAB混合编程的原理,实现和改进了基于神经网络的发动机实时故障检测方法,并用多次试车数据进行了检验.试车数据验证结果表明,该方法能及时、准确、有效地检测发动机稳态过程的故障.研究结果对发展未来液体火箭发动机的箭载故障检测系统具有重要的参考价值.     

防空导弹引信和导引头探测信息的融合优化研究

分析防空导弹引信和导引头探测目标信息的互补性和信息融合优化的可行性,提出了前馈神经网络MLSP的优化步长OBP学习算法.采用最优化的原理优化步长的选取很好的解决了传统BP算法收敛速度慢和产生振荡的缺点,构造了一个用于防空导弹引信和导引头探测目标信息的融合优化模型,并以某型防空导弹武器系统的引信和导引头分系统为例,仿真结果说明了该模型的有效性和可用性.     

弹道导弹显式制导的分析与研究

弹道导弹的制导方法是影响弹道导弹命中精度的关键因素。本文对此进行了深入研究。文章首先分析了影响制导精度和速度的原因。在此基础上，提出了一种基于神经网络的显式制导方法，这种方法利用神经网络进行弹道约束函数的解算，利用微分控制算法进行控制量求解，具有较好的应用价值，文中算例验证了算法的有效性。     

基于多处理机系统在超立方体上并行仿真BP神经网

本文介绍了人工神经网络的基本实现途径,并对Intel iPSC860/P超级计算机系统作了简介,给出了在超立方体上实现BP算法并进行并行仿真所得到的结论     

一种预测潜射导弹冷发射过程中筒盖上最大压力值的鲁棒算法

由于水下发射的特殊性和复杂性，传统的数据回归方法很难准确地预测潜射导弹冷发射过程中筒盖的最大压力值，因此，本文基于神经网络，结合遗传算法，提出并详细介绍了一种预测筒盖最大压力值的鲁棒算法。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。