量子BP神经网络模型的理论算法与应用研究

文章提出一种量子BP网络模型及学习算法,模型基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,由量子神经元构造出三层量子BP网络模型,基于梯度下降法构造了该模型学习算法.模拟油藏测井解释中测井曲线与水淹级别之间的映射关系计算时采用该模型及算法,实现了油藏测井解释中水淹层自动识别,实验结果表明该方法对解决水淹层识别问题具有良好的适应性和实用性.     

国有特大型企业“人才资源管理信息系统”数学模型

国有大型企业人才资源管理情况复杂,利用系统工程理论,以模糊数学方法,构造若干个数学模型,形成了系统中的分析决策子系统,为整个系统信息的定量化、分析决策信息的定量化提供了保证.     

基于概率神经网络的交通方式划分模型

神经网络具有良好的模式识别能力,而交通方式划分从本质上来看,是一个分类的问题。鉴于此,本文尝试运用概率神经网络进行交通方式划分的建模,并给出了算例,分析表明,该模型对方式划分问题不仅具有很强的解释性,同时具有很好的可操作性。     

分支前馈神经网络的研究

在BP算法的基础上,提出了一种用于模式分类的人工神经网络模型——分支前馈神经网络,并给出了相应的算法。对模式分类的几个典型例子进行了计算机仿真研究。仿真结果表明,与一般BP网络相比较,分支前馈神经网络显著地减少了训练时间,且分类效果更好。     

摄像机运动参数实时跟踪算法

介绍了虚拟演播室系统典型结构,分析了带透镜径向畸变的小孔摄像机模型及采用径向排列约束求解摄像机参数的方法;提出基于相邻特征点间距比较/比值联合编码方案及特征点匹配算法,实现了高端虚拟演播室视景融合的核心技术。实际应用证明,在速度及稳定性方面具有较好的性能。     

基于交叉熵的模糊相似度量在模式识别中的应用

基于模糊相似量的模式识别是通过样本数据与标本数据之间的相似度程度来判断该样本属于哪一种模式,而交叉熵(cross Entropy)是Shannon信息论中一个重要概念,主要用于度量两个概率分布问的差异性信息.在模糊相似度量和交叉熵的基础上,提出了基于交叉熵的模糊相似度量,并对交叉熵中存在的分母为零的情况做了改进,通过在模式识别中的应用,验证了这种方法的可行性及有效性.     

基于脑电的脑-机接口:关键技术和应用前景

介绍了运动想像脑-机接口技术中的几项核心技术,即在信息特征提取阶段采用的共空间模式和判决空间模式滤波方法、在模式识别阶段采用的大概率测试样本扩充训练集合的贝叶斯线性判决分析方法、直推式支持向量机方法、基于流形学习的拉普拉斯支持向量机方法和基于分层贝叶斯模型的方法。介绍了在线系统设计中的放大器设计和空闲态检测,展望了未来的发展方向。     

双谱特征提取在欺骗式干扰方式识别中的应用

为了识别出具体的欺骗干扰方式,从而使雷达有针对性地选择抗干扰方法,该文提出了基于双谱特征和模式识别技术的欺骗式干扰识别方法。该方法给出了欺骗式干扰的双谱分布和估计方法,在分析其分布特征和统计特性的基础上,定义两种特征因子;采用基于核聚类的支持向量机分类器,完成对不同欺骗干扰方式的识别;建立了完整的干扰模式识别模型。仿真实验表明,该方法对3种不同欺骗干扰方式的正确识别率高,而且基本不受干噪比影响。     

自组织特征映射在鄱阳湖地区洪涝灾害研究中的应用

自组织特征映射是一种人工神经网络方法, 可以同时实现模式识别和数据分类。它可以将高维数据间复杂、非线性的统计关系转换为低维形式中简单的几何关系。该文利用自组织特征映射方法对鄱阳湖地区月降水强度和月高水位变化模式进行分析, 对鄱阳湖地区洪水灾害形成原因进行归纳。