【摘 要】
：
本文针对非线性系统的建模,提出一种基于模块化神经网络的动态建模方法.该方法是多个神经网络以协同方式构建的学习系统,各子网络有不同的功能,能区别出不同时间阶段动态数据对拟合效果的影响,从而提高系统的泛化能力和学习算法的稳定性.采用具有快速收敛功能的L-M算法训练子网络,为了避免模型陷入局部极小值和相互关联,利用具有全局优化能力的遗传算法确定网络结构和初始权值.仿真结果表明模块化神经网络比单一的网络结
【机 构】
：
辽宁石油化工大学,信息工程学院,辽宁,抚顺,113001
论文部分内容阅读
本文针对非线性系统的建模,提出一种基于模块化神经网络的动态建模方法.该方法是多个神经网络以协同方式构建的学习系统,各子网络有不同的功能,能区别出不同时间阶段动态数据对拟合效果的影响,从而提高系统的泛化能力和学习算法的稳定性.采用具有快速收敛功能的L-M算法训练子网络,为了避免模型陷入局部极小值和相互关联,利用具有全局优化能力的遗传算法确定网络结构和初始权值.仿真结果表明模块化神经网络比单一的网络结构具有更好的建模效果.
其他文献
发现网络拓扑是实现许多关键网络管理任务的先决条件,因此设计和实现一个自动生成网络拓扑的工具是十分必要的.针对网络拓扑自动发现的几种方法进行了分析,提出了一种新的基于SNMP协议的网络拓扑发现算法,此外,对网络拓扑图的生成也给出了一种新的方法.并对实现该算法的系统进行了测试,测试表明算法是正确和有效的.
本文根据IP-over-ATM中交换虚通道的工作原理,建立了带有启动机制的延迟休假排队模型.仿真分析了在具有突发性的条件下,交换虚通道的建立比率、有效利用率和信元平均响应时间等性能指标与超时定时器大小及系统负载之间的关系,对超时定时器大小的优化设置具有指导意义.
本文提出了一种在前端对含有随机噪声的原始信号进行小波变换,然后进行多传感器信息融合来辨识两相流流型的方法.它可以充分利用小波分析在信号消噪方面的优势来更有效地利用多传感器信息以减小传感器不确定性误差的影响,从而进行正确的流型识别.
本文针对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均(MA)新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按标量加权线性最小方差最优信息融合准则下,提出了自校正标量加权信息融合Kalman平滑器,并证明了它的渐近最优性.与单传感器Kalman平滑器相比,它可提高平滑精度,且算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.
无线通信技术的发展与应用,克服了有线传输布线不便的缺点.射频技术以其适应性好、传输效率高等特点,有广泛的应用空间.针对于此,使用飞思卡尔公司的射频发送芯片(集成在MC68HC908RF2内)和射频接收芯片MC33591,开发并实现了远程监控系统,给出了主要的硬件电路、传输协议和软件实现.该系统构成了无线射频通信的基础,为实现不同需求的通信,提供了一种新的解决方案.
本文针对坦克车辆系统复杂、故障诊断难的特点,介绍了一种递归神经网络模型的算法和基于递归神经网络的故障诊断系统,给出了系统的结构.以坦克车辆的典型故障为例,顺利地实现了故障的分离和诊断.诊断结果说明了神经网络故障诊断系统的有效性,并具有较高的精度.
本文针对火力发电厂旋转设备故障原因的复杂性和传统的故障诊断专家系统的不足,结合人工神经网络用于故障诊断的优点,构造了一种神经网络故障诊断专家系统.该系统包括管理模块、数据收集模块、诊断分析模块、状态参数数据库和专家数据库,能及时为运行及检修人员提供旋转设备的故障情况.
本文介绍了一种基于神经网络的某型坦克火控系统故障诊断专家系统.分析了基于BP模型的神经网络及故障诊断机理,并给出了系统的结构.针对神经网络的缺陷和该型坦克火控系统故障原因多、征兆多的特点,利用网络分块技术,将BP网络规模控制在可以接受的范围内,较好地解决了知识获取和自学习的问题.以计算机及传感器子系统为例,说明了系统的诊断过程,诊断结果表明了该方法的有效性.
本文提出一种新的空域3D网格模型数字水印方案,它对3D旋转、平移和均匀缩放具有鲁棒性.在对3D网格模型适当定位后,根据各顶点邻域内顶点位置的平均差值作为掩蔽因子,修改3D模型的顶点位置,使得嵌入的水印是不可察觉的.最后对该水印方案应用不同的攻击,结果显示了它对上述攻击具有鲁棒性.
本文提出了一种用于认证的分数傅立叶加密域的数字水印算法,选取两个随机序列和版权信息生成数字水印,将其嵌入到图像的分数傅立叶加密域中,利用分数傅立叶变换的变换阶数作为算法的密钥,具有良好的安全性.通过比较两个相关系数的大小来提取水印,避免了相关检测中的阈值选取带来的误检率和虚警率.仿真实验说明,该算法能够抵抗一定的JPEG压缩,并对图像的恶意篡改有较好的脆弱性.