小数分频锁相环杂散的研究

根据小数分频锁相环的工作原理,分析了小数分频杂散产生的机理,给出了分析小数分频杂散的环路线性化模型及计算公式,讨论了抑制小数分频杂散的途径,对一个实际的小数分频锁相环进行了测试,其结果与理论分析基本一致。

基于粗集理论的机器学习与推理

利用粗集理论探讨机器学习中的几个重要概念及研究方法,提出一种基于祖集理论的推理和学习方法。这种研究方法不仅开拓了一条机器学习的新途径,而且也是从数据中推理决策规则的一种新探索。

连续神经网络学习过程的动态特性研究

本文研究了连续神经网络在学习过程中结构摄动情况下网络的动态特性.首先提出一般连续神经网络的时变非线性微分方程模型,给出了结构摄动情况下网络在平衡点处线性化处理方法.并主要针对联想神经网络,研究了网络结构不变情况下和网络结构有界缓变的动态特性.

基于综合智能计算的数控系统误差补偿

提出一种基于综合智能计算的数控系统位置控制方法,其基本思想是,在现有的数控系统内部嵌入一个神经网络的小型系统(采用插件形式嵌入),利用综合智能计算,得出系统补偿误差,实现对数控系统误差补偿的智能控制。综合智能计算通过应用粗集理论对决策表进行属性约简,利用主元分析进行数据压缩及特征提取,以降低BP网络的输入维数,缩短网络的训练时间,并利用蚁群算法对BP网络参数进行全局搜索,实现网络快速收敛到全局最优值。试验仿真表明,此方法可有效提高系统补偿精度和实时性。

基于粗集方法的智能专家系统

文章主要介绍基于粗集方法的智能专家系统的基本构成、知识表达方式及学习推理方法。提出了利用不可分辨性或根据算法相容性进行知识简化 ,导出决策规则的方法 ,通过研究导师的知识与学习者的知识之间的依赖程度 ,找出每一概念的有用特征 ,进行知识简化和系统简化 。

一种新数控系统温度误差补偿控制方法

针对车床加工具有多因素非线性,利用神经网络提出解决数控机床系统的温度误差补偿控制问题的办法。方法是在现有的数控系统内部嵌入一个神经网络的小型系统,利用主元分析进行温度误差补偿数据压缩及特征提取,通过应用粗集理论对温度误差属性进行约简,用一个BP(back propagation)神经网络进行补偿控制,在网络的训练过程中利用蚁群算法对BP网络参数进行全局搜索,实现网络快速收敛到全局最优值。试验仿真表明,此方法可有效提高系统补偿精度和实时性。

一种新的基于粗集编码的模糊聚类数据处理方法

本文提出一种新的基于粗集编码的模糊聚类数据处理方法。该方法对电子测量信息处理中的数据,根据粗集理论进行编码、特征属性简化,然后利用模糊隶属度函数将输入精确信息映射为模糊变量信息,提出把数据特征的重要性因子结合在模糊聚类的分类隶属度函数中以提高数据聚类处理的能力,并利用最小化目标函数离线学习来搜索测量数据聚类的聚类中心,该方法可以通过人工神经网络实现。

基于信息最大覆盖率蚁群算法的Rough集属性优化约简

属性约简是一个NP难问题,这种算法不仅复杂而且非常耗时。因此本文提出了一种基于等价划分的信息一致性的属性约简算法,降低了属性约简计算复杂度,并将信息最大覆盖率和属性重要性作为蚁群优化算法的信息素进行添加式属性约简,既减小了属性约简的空间复杂度,也提高了计算效率。最后通过一个具体的例子,证明了此算法的有效性和可行性。

不确定系统的信息熵与知识化简

根据一个不确定系统的条件属性对决策结果产生的依赖关系,建立了基于信息熵和知识重要性对不确定系统的知识冗余分析的联系,得到了基于信息熵和基于Rough集理论对不确定系统的知识冗余分析概念的统一和方法的一致性重要结论,从信息熵的角度以统计概率的方法提出了不确定系统的知识冗余分析新的知识简化方法,应用实例验证了本文理论和方法的可行性和有效性.

模糊中心聚类的模式识别学习方法

基于一个约束条件下的非线性规划问题的优化计算思想 ,把模糊中心聚类中计算输入矢量与中心的距离来实现聚类作为一种优化计算问题 ,证明了模糊中心聚类方法 ,取一个适当的属函数 ,其聚类中心vi 为模糊聚类中心价值函数的极小值 ,推导出了基于模糊中心聚类的模式识别的无导师递推学习方法 ,提出了模糊中心聚类模式分类神经网络结构 。

基于主成分分析的特征简化

特征评选与简化是模式识别研究中至关重要的任务。本文介绍了降维映射的主成分分析特征评选与简化方法，提出了以神经网络实现主成分分析的结构和算法，为模式识别特征简化提供了一条有效途径。

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后，首先探讨粗集学习与神经网络学习的结合方法，然后提出一种基于粗集预处理的神经网络系统，最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子。

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念 ,讨论了知识编码、属性简化、分类系统简化的方法 ;并利用模糊隶属度函数将输入精确信息映射为模糊变量信息 ,解决分类中病态定义的数据问题和提高系统非线性映射的分类能力 ;提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短。

非对称联接神经网络的稳定性和稳定控制

本文对连续竞争神经网络提出一种新的动态分析方法,得出一类联想网络稳定的必要条件。根据这一稳定性准则,给出了一类联想神经网络的综合方法。对于一般不稳定网络,提出了网络稳定控制的方法。这种方法也为稳定网络的动态控制和优化提供了一条新途径。

一种新的模式识别特征评选与简化方法

基于粗集理论，从模式识别表达知识系统的方法出发，讨论了对于系统根据特征描述的分类的上近似、下近似概念，提出用去掉某些特征后对系统模式识别的影响来衡量该特征的分类能力，以模式识别效果为依据来评选有用特征，从而实现特征集的简化和优化组合的一种新方法。这种方法对于对降低知识表达的空间维数，简化信息处理也十分有用。

计算机白酒勾兑与调味辅助系统

在对白酒企业生产过程做了大量调查、研究分析的基础上，着眼于具体应用需求和生产实际情况，提出了一套利用计算机技术辅助实现白酒勾兑与调味的生产系统方案。该方案主要采用一组高效优化算法和智能信息处理方法, 对白酒理化指标进行精确计算和最优控制，提高生产过程自动化程度，同时也提高成品酒质量的稳定性，有利于降低生产成本，提高生产效率。该方案已应用在泸州老窖白酒微机勾兑调味辅助系统中，应用实践表明该方案是有效的，并适用于大多数白酒类企业的生产。

发展科学的大学理念 传承积极的大学精神

本文讨论了当前现代高等教育中的热点问题,即什么是大学精神、大学理念、办学理念、办学特色等基本概念及其相互关系,根据这些基本概念的定义,分析了四川理工学院的办学历程,提出了该学院的大学精神、大学理念、办学理念和办学特色。

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明:将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。

基于改进的Hopfield离散神经网络的模式识别

本文介绍基于改进的Ｈｏｐｆｉｅｌｄ离散神经网络（ＩＨＤＮ）的模式识别。当一个要求存贮在网络中的摸式输入时，我们计算它与其它模式的类似测度，并把类似测度在网络综合中加以考虑。当输入任一矢量时，由于网络的联想能力，该矢量将进化到与它距离最近的一个存贮模式中。理论分析和实验仿真结果表明，ＩＨＤＮ比原Ｈｏｐｆｉｅｌｄ离散神经网络（ＨＤＮ）有更大的存贮容量和复印强的联想能力。

粗集理论及其应用（一）

作为研究粗集理论的开始，本文首先给出知识的形式化定义和知识库，知识的等价、携主特化等概念的一些基本性质，强调知识与分类概念的联系。当涉及到非为知识时，担保紧粗集概念作为讨论知识的理论基础，因而本文介绍了粗集与集合近似找 近似集合的性质及非精确 数字特征与拓扑特征，最后给出集保的粗等价、粗包含和分类的近似方法。