回复式离散神经网络的特征子空间估值(英文)

提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回路网络模型的动力学性质并用于特征子空间估值。     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

离散递归神经网络平衡点控制及稳定性分析

通过将离散递归神经网络的状态空间分割为若干个子区域,控制其输出反馈权值、输入项及阈值等,分析在每一个子区域上平衡点的存在、唯一性问题,给出了其判定条件.并进一步讨论了平衡点渐近稳定、指数稳定性.通过举例说明给定的结果简明又容易验证.     

离散递归神经网络平衡点控制及稳定性分析

通过将离散递归神经网络的状态空间分割为若干个子区域,控制其输出反馈权值、输入项及阈值等,分析在每一个子区域上平衡点的存在、唯一性问题,给出了其判定条件.并进一步讨论了平衡点渐近稳定、指数稳定性.通过举例说明给定的结果简明又容易验证.     

K子空间和时延自相关器的英汉音素识别

提出了用于音素识别的K子空间和时延自相关器神经网络结构,用将时延设计加入线性自相关器,以扩展音素滤波神经网络的方法,产生p维子空间,并采用迭代过程修改划分,以便捕获语音信号中的时间序列信息。这种带不分类训练过程的体系结构提供了一种高识别性能的方法,没有大多数常规语音识别神经网络所常有的网络输出值不表示候选者似然性的缺陷。通过英语音素和汉语音素的初步试验,识别正确率为84.38%,比音素滤波神经网络方法好。     

采用自适应GHA神经网络的分类器设计

介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。     

HFC网中的离散小波多音调制技术研究

针对HFC网上行信道窄带噪声的环境,研究了HFC网中的离散小波多音调制技术,并对离散小波多音调制技术和离散多音调制技术进行了比较。计算机仿真结果表明,离散小波多音调制子信道幅频响应特性远优于离散多音调制。离散小波多音调制通过精心设计子信道使其具有极佳的幅频响应特性曲线,具有比离散多音调制更强的抑制信道间干扰的能力。     

小波变换的离群时序数据挖掘分析

针对时序数据进行离群数据挖掘方法的研究。通过对时序数据进行离散小波变换,将其从时域空间变换到频域空间,使时序数据映射为多维空间的点。该方法具有多尺度、时移不变性等特点,经离群时间序列进行离散小波变换后,不仅具有良好的保距性又达到降低维数目的。然后提出一种基于距离的离群时序数据挖掘算法。仿真试验表明了该方法的有效性。     

宽带信号子空间谱估计修正方法的研究

提出了信号子空间维数估计法、噪声子空间加权法和扩展MUSIC法三种修正的宽带信号子空间谱估计方法,它们均有效地解决了宽带信号子空间谱估计法所存在的信号子空间维数扩展问题。信号子空间维数估计法用包含信号99.9%以上功率的特征值数目来估计信号子空间维数,正确地划分了子空间。噪声子空间加权法和扩展MUSIC法不用划分子空间,而是给噪声子空间特征向量或全空间特征向量加权,减小了子空间维数扩展的影响。仿真实验结果表明:三种修正方法是有效的,并具有良好的统计性能。     

对流扩散方程的半拉格朗日有限差分法

针对二维对流扩散方程提出了半拉格朗日Crank-Nicolson有限差分格式.化对流扩散方程成拉格朗日形式,然后进行时间和空间离散.时间的离散采用Crank-Nicolson格式,空间离散采用有限差分格式.数值实验表明,新建格式是稳定和收敛的.     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和It?公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

用联想神经网络设计的信道均衡器

研究了联想神经网络在数字通信信道均衡器实现中的应用,讨论了其设计方法和设计步骤,给出了计算机模拟结果,并进行了性能比较。研究结果表明:Hopfield联想神经网络实现的信道均衡器具有比传统线性横向均衡器更优越的性能。     

一种非线性神经网络自校正调节器

针对一类非线性动态系统,提出了一种新的应用多层神经网络的自校正调节器,分析了基于神经网络的非线性系统自校正调节机理,并利用一种基于同构网络的自适应预测方法解决可能存在于系统的大时延问题。计算机仿真表明,这种神经网络自校正调节器为解决一类复杂非线性系统的自校正调节问题提供了一条可行的途径。     

快速神经网络无损压缩方法研究

传统的人工神经网络数据编码算法需要离线训练且编码速度慢,因此通常多用于专用有损编码领域如声音、图像编码等,在无损数据编码领域应用较少。针对这种现状,该文详细地研究了最大熵统计模型和神经网络算法各自的特点,提出了一种基于最大熵原理的神经网络概率预测模型并结合自适应算术编码来进行数据压缩,具有精简的网络结构的自适应在线学习算法。试验表明,该算法在压缩率上可以优于目前流行的压缩算法Limpel-Zip(zip,gzip),并且在运行时间和所需空间性能上同PPM和Burrows Wheeler算法相比也是颇具竞争力的。该算法实现为多输入和单输出的两层神经网络,用已编码比特的学习结果作为待编码比特的工作参数,符合数据上下文相关约束的特点,提高了预测精度,并节约了编码时间。     

一种基于模糊贝叶斯理论推测信元丢弃率分布的方法

提出了一种基于贝叶斯理论推测ＡＴＭ 网络中信元丢弃率分布的新方法，并讨论了利用模糊神经网络对其中模糊估算与分类子系统进行优化的原理     

分数阶自相关和FrFT的LFM信号参数估计

基于分数阶自相关和分数阶傅里叶变换的特点,提出了一种LFM信号检测与参数估计方法。相对分数阶傅里叶二维扫描法和匹配傅里叶变换,所提方法将检测与参数估计的二维搜索变为一维搜索,快速实现信号检测和参数估计,在多分量LFM信号情况下借助“Clean”的方法来抑制强分量对弱分量的干扰。计算机仿真表明了该算法在低信噪比多分量LFM信号检测与参数估计中的有效性。     

基于非线性偏最小二乘的操作臂逆解算法

操作臂逆运动学问题是机器人控制中的一项重要内容。目前使用较多的神经网络法大多为多输入多输出或者 多输入单输出方式,需要大量运算。非线性偏最小二乘法( NLPLS)建立的模型分为内部和外部模型,样本数据经外部模 型处理后才用于训练若干个单输入单输出的神经网络。对PUMA560操作臂的仿真试验表明,在相同隐层神经元数的情 况下,该算法比普通神经网络法具有更好的预测精度。这也表明,NLPLS只需较少的隐层神经元数就可以达到普通方法 的精度,从而减少运算量。     

一种新的自适应神经网络均衡器

根据克服数字通信中码间干扰(ISI)的最佳均衡解一般表达式,提出了一种新的自适应神经网络均衡器结构,然后导出了基于该结构的一种自适应算法和相应的学习规则,最后对这种自适应神经网络均衡器进行了计算机模拟。研究结果表明:文中提出的神经网络均衡器非常有效,比传统线性均衡器和Gibson等人提出的多层感知均衡器(MLPE)性能更优越,更具实用性。