基于决策理论的软件无线信号调制样式自动识别

信号调制样式的自动识别是软件无线电台必须具备的功能之一.主要讨论了基于决策理论的信号调制样式自动识别的基本原理和算法,论述了模拟信号调制样式的自动识别,数字信号调制样式的自动识别方法.也分析了在实现这些算法时会碰到的许多具体的实际问题,提出了能解决这些问题的调制识别新方法-人工神经网络识别法.     

FNN在心率失常判别中的研究

提出了一种基于模糊神经网络（FNN）对心率失常信号进行判别的新方法。首先，根据心电信号特点构建Sugeno型模糊神经网络，然后使用Cam Delta算法对其进行训练，这样可以得到模糊隶属函数，此隶属函数将R－R间期波及QRS波的长度模糊化。随后，用几何法通过计算隶属度实现对心率失常的判别。经MIT－BIH心电数据库和实测数据检验，此方法可有效的对心率失常进行判别。     

岩体的自适应本构模型

应用神经网络技术，提出了建立岩体自适应本构关系模型的新方法，实际应用表明，该方法正确。     

一种改进的模型参考自适应算法

针对一种模型跟随自适应算法（DS-AMFC），利用线性神经网络预测系统输出与模型输出之差为控制信号的计算提供较准确的偏差值，用该估计的偏差量进行控制。同时，把控制的误差引入控制信号，在输入信号频率较高时仍具有跟随模型的能力，鲁棒性大大提高。     

基于内在因素提取的内河航运量神经网络预测方法

内河航运量预测是内河航道网规划的依据,利用主成分分析法提取影响内河航运量的内在因素,利用内在影响因素与内河航运量之间的联系,结合BP神经网络建立模型对内河航运量进行预测.算例表明,该模型可以提高预测精度.     

基于神经网络的沥青路面破损图像识别研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法.将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征.设计了基于BP神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果.并将路面破损图像子块分布特征作为路面破损图像的整体特征,在此基础上设计了基于全局优化算法的路面破损前馈神经网络分类器.最后进行了路面破损图像识别试验,识别率达到96.7%.     

阳宗隧道围岩变形的神经网络技术预测

隧道新奥法施工中,常以围岩变形量作为评判围岩稳定性和支护结构合理性的重要指标.公路隧道围岩变形量是随时间而变化的数据序列,因而可以建立一些实时跟踪预测模型和方法.本文根据阳宗隧道围岩拱顶下沉位移变形的特性,采用神经网络技术来预测其变形量,结果表明该方法简易、有效.     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。     

关于神经计算中满意解的研究

在分析神经计算中已有的满意运算的基础上，找出其中存在的问题，提出了与阈值有关的整体满意度，并对其进行了分析比较，结果表明：整体满意度综合了组合满意度和平均满意度的优点，明显优于后两者。     

神经网络在公路膨胀土胀缩等级判别中的应用

对现有膨胀土胀缩等级评判方法与标准进行了评价，提出了神经网络的评判方法并结合实例进行验证。结果表明。该方法具有科学性和可行性。