工程材料与结构的失效及失效分析

本文简要介绍了工程材料与结构的失效和失效分析的基本概念,阐述了失效分析在现代社会经济生活中的重要地位和作用,综述了失效分析的主要技术及其分析思路。指出了产品失效监测与预防、新型材料的失效机制以及建立和完善失效分析资源共享系统应作为工程材料与结构失效分析的重要发展方向。

在十六大精神指引再创辉煌

南昌航空工业学院是新中国成立后的第一批航空院校,至今已有五十年的办学历史。五十年来,为航空航天工业和地方经济建设输送了近四万名高级专门人才,先后荣获"江西省文明单位"、"航空工业创建加周年有重大贡献单位"、"江西省先进基层党组织"等多项荣誉称号,近年来有60多项教学。

遗传算法优化前向神经网络结构和权重矢量

提出了新的遗传算法优化设计前向神经网络的结构和权重矢量。这种新方法的创新在于：二值码串和实值码串的混合编码方法即保留了传统遗传算法的优点，又具有遗传编程和遗传策略的优点；结合遗传算子和ＳｏｌｉｓａｎｄＷｅｔｓ算法生成后代的方法丰富了遗传搜索空间的多样性，加快了遗传算法的收敛速度；对混合编码码串的动态参数编码方法提高了优化精度。

继往开来,坚持创新——为迎接南昌航空工业学院五十华诞而作

本文叙述了南昌航空工业学院建立、发展、壮大的历史进程 ,提出确保培养人才质量和开拓创新是进一步办好学校的重要举措和关键性环节 ,并给学院的未来勾画了一幅发展蓝图。

具有自适应类警戒参数的模糊ARTMAP神经网络

提出了一种具有自适应类警戒参数的模糊ＡＲＴＭＡＰ神经网络，为不同的模糊ＡＲＴ的类族设置了不同的警戒测试参数，并在学习过程中进行自适应调整。还提出了新的非交叠超方形以及非交叠的Ｎｅｓｔｅｄ超方形的建立与扩展学习规则。新的神经网络模型可以提高识别率，解决了发生在传统模糊ＡＲＴＭＡＰ神经网络中的记忆稳定性和弹性问题，并解决了传统的模糊ＡＲＴＭＡＰ神经网络不能处理的非凸输入特征空间的分类问题。

基于掌纹图象分析的身份识别系统

研究了人体掌纹的生物测定学特征、掌纹图象的边界提取 ,建立了具有唯一性和可识别性的掌纹图象特征空间 ,设计了用于掌纹图象识别的 ART2神经网络 ,并在此基础上建立了快速。

建设一支高素质稳定的教师队伍

本文论述了教师在高校发展中的战略地位，指出了转变观念的重要性，并剖析了高素质创新人才需求的特点，从而提出了建设高素质教师队伍的途径：一方面要对教师进行正确的世界观、人生观、价值观和创业精神的教育，另一方面要改革人事制度和管理机构。

基于遗传策略和神经网络的非监督分类方法

文章提出了一种新的基于遗传策略和模糊 ART(adaptive resonance theory)神经网络的非监督分类方法 .首先 ,利用原有的训练样本对模糊 ART神经网络进行非监督训练 ,然后 ,采用遗传策略为模糊 ART神经网络增加各类族边界邻域内的训练样本点 ,再对模糊 ART神经网络进行有监督训练 .这种方法解决了训练样本在较少条件下的 ART系列神经网络的学习与分类问题 ,提高了 ART系列神经网络的分类性能 。

基于知识库求解TSP问题的改进遗传算法

旅行商问题是一个典型的、易于描述却难以处理的np完全问题,快速有效地解决旅行商问题具有重要的理论和实际意义。该文提出了一种改进的遗传算法求解旅行商问题。该算法将遗传算法和知识库结合起来,利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,提高了遗传算法求解旅行商问题的效率。并通过实验数据对基本遗传算法和改进遗传算法的求解结果进行比较,证明改进遗传算法的可行性和有效性。最后给出了改进遗传算法的重要问题和新的研究方向。

灰度图象的直接Hough变换方法

提出了利用灰度图象的梯度直接进行Hough变换以检测条纹的方法 ;与传统Hough变换及直接利用灰度进行Hough变换检测条纹的方法相比 。

具有更严格警戒测试准则的ART2神经网络

在 ART2神经网络的标准警戒测试准则中 ,通过引入截断双曲线函数来计算输入矢量与神经网络由顶向下权重矢量之间的相似程度 ,而提出了一种新的具有更严格警戒测试准则的 ART2神经网络 .截断双曲线函数一方面抑制输入样本中的噪声 ,另一方面 ,如果输入矢量某些分量与由顶向下权重矢量对应分量之间存在冲击变化时 ,则截断双曲线函数将放大这些对应分量之间的冲击变化 .而且这种新的警戒测试准则具有更强的抗噪声能力 ,即在较低的输入信噪比水平上 ,具有更严格警戒测试准则的 ART2神经网络比标准 ART2神经网络具有更高的正确识别率 .

图象边界的遗传算法规整

为了使检测的图象边界更符合有效的理想边界结构 ,同时能滤除边界图象中的噪声干扰 ,提出了一种基于遗传算法的图象边界规整方法 .该方法首先将已经检测得到的边界图象编码为两维二值码串个体 ,并根据理想边界模板集来计算每个个体的适应度 ;然后通过交叉、变异和选择等遗传运算对被检测出的非理想边界进行规整 .在遗传算法收敛时 ,该算法不仅能得到最适合有效理想边界结构的边界图象 ,并能有效地滤除边界图象中的噪声 .

基于前向神经网络和Hop field 反馈神经网络的边界检测法

提出了一种新的基于前向神经网络和Ｈｏｐｆｉｅｌｄ 反馈神经网络的边界检测法，它分别探测每个象素点是否为边界点，便于实现边界检测的并行运算。首先设计了两层前向神经网络来增强和编码被检测象素点邻域的信息，然后利用增强和编码后的邻域图象作为Ｈｏｐｆｉｅｌｄ 反馈神经网络的输入，Ｈｏｐｆｉｅｌｄ 神经网络收敛时得到图象边界点。这种新的神经网络边界检测法所需的计算量比传统的Ｈｏｐｆｉｅｌｄ 网络边界检测法少得多，并增强了网络的抗噪声能力。整个神经网络是非监督学习的，为神经网络的训练提供了方便。

基于前向神经网络的与内容无关的笔迹鉴别

与内容无关的笔迹鉴别是属于图象处理和模式识别领域的一项课题 ,有着广泛的实用前景。本文提出了一种基于前向神经网络的与内容无关的笔迹鉴别的方法。文中讨论了提取笔迹灰度图象特征和用前向神经网络分类器进行鉴别两大问题。对笔迹灰度图提取了 3大类 18个灰度特征 ,而前向神经网络分类器由一种新的遗传算法同时优化设计其结构和权重矢量。通过对 10人、每人 6幅笔迹灰度图象用 18个灰度特征进行鉴别试验 ,结果显示此方法设计的前向神经网络分类器收敛率高 ,比常用的最近邻分类器有更高的识别正确率。

基于多个前向神经网络和遗传算法的边界检测法

本文提出了一种基于前向神经网络和遗传算法的图象边界检测方法 ,这种方法由多个三层子前向神经网络并置连接加一个MAXNET子神经网络形成 ,每个前向神经子网络的隐含层神经元个数和所有的权重系数由遗传算法优化确定。实验结果表明 ,本文提出的这种边界检测方法抗噪声能力强 ,检测到的边界位置更为准确。

基于堆栈滤波器和Hopfield神经网络的边界检测法

提出了一种基于堆栈滤波器和Ｈｏｐｆｉｅｌｄ神经网络的边界检测法。采用较小滤波窗口的堆栈滤波器优化估计图象象素点之间的灰度梯度，再根据这些灰度梯度的优化估计值计算及确定Ｈｏｐｆｉｅｌｄ神经网络的权重矢量，Ｈｏｐｆｉｅｌｄ神经网络收敛时输出图象的边界。相对于基于堆栈滤波器边界检测法，该方法对堆栈滤波器的优化训练速度大大提高，所需内存大为减少；而相对于基于Ｈｏｐｆｉｅｌｄ神经网络的边界检测法，该方法又具有较强的抗混合分布噪声的能力，边界检测的效果更好。

工程教学和工程训练相结合的人才培养模式的研究与实践

本文在阐述一般工科院校人才培养目标与模式的基础上 ,介绍了工程教学和工程训练相结合人才培养模式的内容 。

一种基于年龄和性别特征的遗传算法

提出了一种基于年龄和性别特征的遗传算法。标准遗传算法 (SGA)已经被成功的应用到很多进化优化问题上 ,但是对于复杂的多模态函数寻优时 ,会出现早熟收敛现象。为了解决这个问题 ,结合自然界最常见的有性繁殖现象 ,赋予了遗传个体年龄和性别特征 ,提出了基于年龄和性别特征的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子 ,对不同年龄和不同性别的个体赋予不同的进化控制参数 ,克服了早熟收敛问题且保持了群体的多样性 ,使算法能顺利的收敛到全局最优值。

遗传算法设计梯度算子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域 ,而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响 ,目前的图象边界检则方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯度算子的图象边界检测法 ,通过对样本图象的训练 ,设计对训练样本模式最优的灰度梯度算子 ,增加了对噪声的抗干扰能力 。