通用软测量技术研究

本文介绍了利用可测辅助变量来推断不可测变量的方法。并提出了控制软件平台上的通用软测量技术的思想。     

LTCC带通滤波器的设计

低温共烧陶瓷(LTCC)技术作为一种新兴的集成封装技术,以其优良的高频、高速传输特性及小型化、高可靠而备受关注。而建模分析和优化综合是叠层LTCC滤波器设计的关键。该文利用智能方法对叠层LTCC滤波器建模与优化,采用LTCC技术制备多层结构的LTCC滤波器。该结构滤波器的尺寸显著减小,从而有利于实现电路的小型化。     

神经网络方法在农业经济预测中的应用

一、引言科学的预测是正确地作出决策的前提。预测的方法有多种 ,但基本上分定性和定量两大类。一般来说 ,又可把定量预测方法大致分为时间序列分析和因果关系研究两大类。预测的准确性是人们所关心的问题。虽然在目前的情况下要求预测结果准确无误是做不到的 ,但是为了提高预测精度 ,将各种预测方法进行比较研究 ,探讨各种方法的适用范围和能力 ,是一件有理论价值和现实意义的事情。神经网络方法有许多引人注目的特点 :对不完全信息、带躁音的信息具有良好的适应性 ;对非线性输入输出关系的学习更显优越性。它为复杂农业系统建模与预测提供…     

一种改进的递归神经网络盲均衡算法

提出了一种新的基于递归神经网络的快速收敛盲均衡算法。设计中采用观测信号的四阶统计量构造代价函数,简化了系统的复杂度;利用实时递归学习算法对系统参数进行动态调节。该算法具有镇定性,其收敛性能不会受到失真信道的影响,适用于均衡衰落性严重的信道。实验仿真结果表明对具有频率选择性衰落的非线性信道,该算法在收敛速度和对抗码间串扰方面都具有良好的性能。     

基于时空神经网络增强数字示波器功能的研究

运用时空神经网络时域和空域模式识别方法给数字示波器增加AM调制信号测量功能。选择Elman神经网络结构,采用反向传播网络训练函数traingdx和learnbcf函数的算法,实现了AM调制信号检波的功能。同时,增加输出反馈回隐层的连接和延迟,采用附加动量因子的梯度下降权值/阀值学习算法改进神经网络。改进的网络学习速度快,逼近精度高,输出既没有振荡,也不产生纹波;并且网络适应性好,测量的鲁棒性高,要求采集信号周期少;方法新颖,运算量小,计算误差小,添加到数字示波器函数中,实现了示波器测量AM调制信号的功能。     

灰色GM(1,1,t)神经网络建模机理及在我国人均纱产量建模中的应用

本文基于灰色GM(1,1,t)模型,构造了灰色GM(1,1,t)神经网络结构,给出了模型系数与神经网络连接权之间的定量关系,提出了相应的连接权系数的学习算法.由于神经网络的学习误差可以得到有效地控制,从而大大地提高了模型的精度.文末把该灰色神经网络模型应用到我国人均纱产量的建模中,结果表明该灰色神经网络模型具有很高的精度.     

基于神经网络的法兰轴冷挤压成型工艺优化

为研究冷挤压成型工艺参数对法兰轴成型质量的影响，解决法兰轴成型时法兰盘填充不满和阶梯轴肩的折叠缺陷问题，课题组设计3因素3水平正交实验进行研究。采用3层拓扑结构，以凸模挤压速度、模具与坯料之间的摩擦因数、阶梯轴处圆角半径为输入层神经元，以折叠角和成型载荷为输出层神经元构建法兰轴冷挤压成型工艺优化神经网络模型。研究结果表明该模型的预测性能较好，精度较高。通过生产验证出优化后的工艺方案可有效解决法兰轴充填不满和折叠缺陷，为解决多变量多响应复杂的多元非线性工程问题提供了参考。     

基于粗糙集神经网络的商业银行信贷风险研究

引言 信贷风险是商业银行面临的主要风险。商业银行作为现代金融体系的主体部分，其信贷风险管理水平将对国家经济安全产生直接的影响。目前，我国对信贷风险的管理与量化研究尚处在起步阶段，在理论上尚有许多问题值得探讨。     

基于BP神经网络的缝纫工序状态识别

为了在缝纫过程中对产品进行监测识别，提高缝纫产品质量，课题组提出了一种基于 BP神经网络的缝纫工序状态识别方法。首先采集正常工况下缝纫机伺服电机驱动电流信号，将采集到的信号进行时域、频域分析，从中提取出缝纫工序状态相关性较好的几个特征量，将其组成敏感特征向量；然后搭建BP神经网络进行训练学习来识别多种未知工序状态。实验表明该方法能够准确识别分类缝纫工序状态，实现了远程工作状态监测。     

基于神经网络的微型企业信用评估特征选择及其效果评价

征信机构采集到的所有微型企业信用信息变量并未都适合进行微型企业资信评估，文章设计了一种BP神经网络对此进行特征选择。该BP神经网络的训练基于前向序贯的特征选择算法，以输出层输出对输入值的灵敏度作为特征选择的依据，网络输出最小灵敏度对应的特征变量。通过设计概率神经网络对得到的结果进行仿真分析，信贷机构因此获得的利润比基于列联表分析的特征选择法高2／3。