基于ANN星识别算法的仿真平台

星敏感器是一种高精确度的姿态测量仪器，它通过对观测到的星点进行识别来计算姿态。为了能够较好地测试和验证星识别系统的性能，设计了一个基于ANN算法的星识别仿真平台。通过对该星识别仿真平台性能的测试，表明该仿真平台能够方便，实时地测试星识别算法的性能与正确性，因此说它是一种具有较好实用价值的星识别仿真平台。     

基于ANN的船舶撞击高桩码头群桩损伤位置预测

本文采用有限元软件ABAQUS建立了船舶撞击高桩码头群桩的空间有限元模型。通过计算评估了撞击力、桩体刚度、撞击位置和撞击角度下对群桩结构损伤位置的影响。基于人工神经网络(ANN)方法,对不同参数组合下的群桩结构损伤位置进行了预测,并对ANN方法的可行性进行了评估。     

The value of options for time charterparty extension: an artificial neural networks (ANN) approach

The most frequently associated options in the physical shipping market are options to extend the charter period on time charters and additional shipment options on contracts of affreightment. The value of freight options, in practice, is estimated mostly by referring to forward curves. An option on freight has different properties from its financial counterparts, and the straightforward adoption of theoretical models does not produce promising results. In this paper, extension options, which have the property of options on futures, were transformed into regular European options before the application of the Black-Scholes model (BSM). The efficient market hypothesis, which justifies the parity of the performance of a long-term charter to that of repetitive short-term charters, worked as the basis for the transformation. The option values determined by the BSM were compared with actual realized values. Additionally, the artificial neural networks (ANN) was employed to derive the option values. This study is meaningful as the first-time application of both the closed-form solution and the ANN to the valuation of physical freight options. The research results can contribute to the quality of chartering decisions. The results could also be used in quantifying credit risk, as extension options tend to be granted to charterers with more creditability.     

铁路带状测区GPS高程转换方法的研究

研究利用GPS技术间接获取正常高，对铁路测量具有非常重要的实用意义。用BP人工神经网络，对京沪高速铁路某段实测GPS大地高程数据进行了转换计算，得到了比较高的转换精度，结果也是稳定的。经过与其它常用方法进行对比，表明利用人工神经网络进行带状测区GPS大地高到正常高的转换计算是可行的。     

对ANN技术表达船体曲线算法的改进

应用人工神经元网络（ANN）技术表达船体曲线。根据问题性质，选用小波基作为前向单层神经网络的神经元激励函数，结合逐层学习（OHLO）算法对一艘3．6万吨散货船的后半体进行了表达。编程运算结果表明，该方法速度较传统的BP算法有较大提高。     

基于神经网络和混合编程的整流桥故障诊断研究

本文介绍了采用VC＋＋和MATLAB混合编程实现对三相整流桥进行故障诊断的方法。该方法通过VC＋＋调用MATLAB引擎来驱动神经网络,将神经网络、数据采集及人机接口结合起来,对三相整流桥的故障进行在线诊断。试验证明,经过足够的样本训练,采用三层BP神经网络能达到一定的准确度。     

基于人工神经网络的故障诊断技术在船舶导航系统中的应用

应用对向传播神经网络对船舶导航系统的测姿故障进行检测与诊断，得到了较为满意的结果。研究表明，该网络结构简单，学习速度快，适应性广，可以对船舶导航系统的传感器故障进行检测与诊断。     

水面舰艇对潜防御智能决策支持系统设计研究

潜艇是现代海战中水面舰艇面临的主要威胁之一。运用智能决策支持技术建立的水面舰艇对潜防御智能决策支持系统，可以在瞬息万变的海战场态势下辅助舰艇指挥员迅速、准确地做出舰艇对潜防御决策。介绍了智能决策支持系统的基本结构，对系统各部分的设计与实现进行了分析，强调了人工神经网络与专家系统相结合进行系统相关部分设计的重要性，并且指出智能决策支持系统的关键技术和开发困难，对舰艇编队对潜防御智能决策支持系统的研究有一定的借鉴意义。     

基于不同运行车速预测模型的道路安全性评价

运用中国公路安全性评价指南、IHSDM、空间视距、ANN以及行车动力学等不同的运行车速预测模型,对某高速公路进行了线形设计的道路安全性评价,对比分析了不同模型的评价结果,并提出了相关改善安全性的建议。     

基于免疫进化ANN的雷达信号分选方法

介绍采用基于免疫进化算法的神经网络对雷达信号分选的实现方法。基于免疫进化算法的ANN采用全局搜索的优化方式，克服传统算法的固有缺陷，在收敛速度和性能上都有较大的提高。并用仿真结果表明，基于免疫进化算法的ANN对各种特殊体制的雷达信号分选都达到了较高的正确分选率。