2-D SHAPE BLENDING OF NURBS CURVE SHAPES

２－ＤＳＨＡＰＥＢＬＥＮＤＩＮＧＯＦＮＵＲＢＳＣＵＲＶＥＳＨＡＰＥＳＪｉｎＸｉａｏｇａｎｇ；ＢａｏＨｕｊｕｎ；ＰｅｎｇＱｕｎｓｈｅｎｇ２－ＤＳＨＡＰＥＢＬＥＮＤＩＮＧＯＦＮＵＲＢＳＣＵＲＶＥＳＨＡＰＥＳ￥ＪｉｎＸｉａｏｇａｎｇ；ＢａｏＨｕｊｕｎ；Ｐｅ...     

KBASE－P知识库系统的设计与实现

当前的实用知识库系统研究是将知识库查询语言嵌入到一个过程语言中．ＫＢＡＳＥ－Ｐ是一个通用的知识库程序设计语言．ＫＢＡＳＥ－Ｐ以ＫＢＡＳＥ作为查询语言，以ＦＤ－ＰＲＯＬＯＧ（我们开发的一个ＰＲＯＬＯＧ扩充）为过程性的宿主语言执行１／Ｏ和ＤＢ更新操作（用扩充的内部谓词）．由于良好的设计和实现，查询语言与宿主语言之间的阻抗不匹配问题相对较小．因而，ＫＢＡＳＥ－Ｐ是一个比较实用的知识库程序设计语言．ＫＢＡＳＥ－Ｐ系统支持逻辑程序设计语言（ＫＢＡＳＥ－Ｐ语言）的程序开发，提供了文本编辑、文件管理、谓词管理、事实操作、Ｄａｔａｌｏｇ查询、ＳＱＬ查询等功能．本文详细介绍了ＫＢＡＳＥ－Ｐ系统的设计和实现．     

前馈我层神经网络的一种优质高效学习算法

本文对ＢＰ算法的突出 问题－收敛性问题，进入了深入分析，提出了六条改进措施。在微机上 试表明，用于ＸＯＲ问题，迭代４０次，均方误差Ｅ＝６．１９Ｅ－５，迭代５０次，Ｅ＝１．５５Ｅ－３８；用于故障诊断，收敛效果也极佳。     

火拼时速—大众FS15T VS浩鑫AE25R

俗语说：大军未发而粮草先行。当Ｉｎｔｅｌ把ＰⅢ　Ｔｕａｌａｔｉｎ处理器吹得天花乱坠而无所行动之际,支持ＰⅢ　Ｔｕａｌａｔｉｎ处理器的基于Ｉ８１５ＥＰ－Ｂ芯片组的主板却纷至沓来,刹那间,似乎整个市场早已是ＰⅢ　Ｔｕａｌａｔｉｎ的世界……最近我们评测室拿到了大众ＦＳ１５Ｔ以及浩鑫ＡＥ２５Ｒ两款基于Ｉ８１５ＥＰ－Ｂ芯片组的主板进行了测试,这两款主板的性能十分接近,测试当中它们的表现如同龙虎争霸。芯片组　　　　大众ＦＳ１５Ｔ和浩鑫ＡＥ２５Ｒ采用的都是Ｉｎｔｅｌ的８１５ＥＰ－Ｂ芯片组,最新的８２８１５ＥＰ…     

自已动手架设UBB讨论区

安装ＡＣＴＩＶＥ ＰＥＲＬ ｌ由于 ＵＬＴＩＭＡＴＥ ＢＨＬＬＥＴＩＮＢＯＡＲＤ ＭＭ．Ｍ＊ｕ ＣＧＩ撰写的讨论区程序,因此如果要在ＷＩＮＤＯＷＳ环境下执行,就必须安装ＰＥＲＬ执行程序。所以首先请到这里下载免费的ＡＣＴＩＶＥＰＥＲＬ程序：ＨＴＴＰ：／／ＷＷＷ．ＡＣＴＩＶＥＳＴＡＴＥ．ＣＯＭ／ＤＯＷＮ－ＬＯＡＤ／ＡＣＴＩＶＥＰＥＲＬ／ＷＩＮＤＯＷＳ／５．６／ＡＣＴＩＶＥＰＥＲＬ－５．６．０．６２３－ＭＳＷＩＮ３２－Ｘ８６－ＭＵＬＴＩ—ＴＨＲＥＡＤ．ＭＳＩ。 下载完后,请直接执行ＡＣＴＩＶＥＰＥＲＬ－５．…     

前馈多层神经网络的一种优质高效学习算法

本文对ＢＰ算法的突出问题——收敛性问题，进行了深入分析，提出了六条改进措施．在微机上试验表明，用于ＸＯＲ问题，迭代４０次，均方误差Ｅ＝６．１９Ｅ－５，迭代５０次，Ｅ＝１．５５Ｅ－３８；用于故障诊断，收敛效果也极佳     

在专用网上实现的中西文兼容Videotex终端的设计

在专用网上实现的中西文兼容Ｖｉｄｅｏｔｅｘ终端的设计任伟利（西安交通大学信息与控制工程系西安７１００４９）ＤＥＳＩＧＮＯＦＣＯＭＰＡＴＩＢＬＥＣＨＩＮＥＳＥ－ＥＮＧＬＩＳＨＶＩＤＥＯＴＥＸＴＥＲＭＩＮＡＬＢＡＳＥＤＯＮＳＰＥＣＩＡＬ－ＰＵＲＰＯＳＥＮ...     

行情综述

ＣＰＵ行情 由于货源充足,本周ＣＰＵ价格还算平稳,赛扬Ⅱ价格下降,赛扬Ⅱ５６６为８７５元,赛扬Ⅱ５３３为９００元。赛扬Ⅱ６００已经上市,报价１０５０元, ＰⅢⅠ５００／ＰⅢ５５０报价分别为１２９０／１３９０元,ＰⅢ５００Ｅ本周一直缺货,所以ＰⅢ５５０Ｅ／６００ＥＢ／６５０ＥＢ／６７７ＥＢ依旧保持上周的价格,分别是１６００／１６６０／１７８０／１７００元, Ｋ７－５００／Ｋ７－５５０／Ｋ７－６００／Ｋ７－６５０／Ｋ７－７００／Ｋ７－８００的价格今天分别是９８０／１０２０／１２００／１３５０／２５００…     

A STEP-BASED CAD/CAPP INTEGRATION

ＡＳＴＥＰ－ＢＡＳＥＤＣＡＤＩＣＡＰＰＩＮＴＥＧＲＡＴＩＯＮＺｈｅｎｇＬｉａｎｙｕ；ＤｕＰｅｉＡＳＴＥＰ－ＢＡＳＥＤＣＡＤＩＣＡＰＰＩＮＴＥＧＲＡＴＩＯＮ￥ＺｈｅｎｇＬｉａｎｙｕ；ＤｕＰｅｉＡｂｓｔｒａｃｔＴｈｅｉｎｆｏｒｍａｔｉｏｎｉｎｔｅｇｒａｔ...     

KBASE—P：一个知识库程序设计语言

ＫＢＡＳＥ－Ｐ是一个知识库程序设计语言，它以ＫＢＡＳＥ作为查询语言，以ＦＤ－ＰＲＯＬＯＧ为过程性的宿主语言，二者具有要同的编程风范，都是Ｈｏｒｎ子句风范，并且系统对任何磁盘访问是以“每次一个集合”的方式进行，因此在ＫＢＡＳＥ－Ｐ中，查询语言与宿主语言之间的“阻抗不匹配”问题尽可能地减小了，ＫＢＡＳＥ－Ｐ以ＲＤＢＭＳ来管理事实（包括中间求值结果）和规则，因此能够有效地管理大容量的数据，并且数据是可菜     

一种基于超限学习机的电子磁罗盘非线性误差补偿方法

针对磁罗盘传感器非线性校正中现有方法的不足,提出采用小波函数和双曲正弦函数作为超限学习机(ELM)的激活函数,并将此改进超限学习机用于磁罗盘的校正.同时,阐述了传感器的非线性校正原理,磁罗盘航向误差模型及改进超限学习机的实现过程,并分别采用BP神经网络法和传统ELM对磁罗盘进行非线性校正.实验结果表明,改进ELM算法补偿后最大误差为0.103°,均方根误差为0.0596°,优于BP神经网络算法(补偿后最大误差为0.5°,均方根误差为0.1805°)和传统ELM神经网络(补偿后最大误差为0.21°,均方根误差为0.1056°).     

基于DAE-BP神经网络的工业质量预测

BP神经网络因具有良好的非线性拟合能力,在建立预测模型中得到广泛应用。但化工过程数据不仅存在非线性特征,而且难以避免受噪声影响,造成数据波动从而影响预测模型准确性。为此,提出一种降噪自编码器融合反向传播算法（简称为,DAE-BP）的化工过程质量预测方法。首先,采用无监督学习模型降噪自编码器完成初始数据的噪声消除,其具有噪声鲁棒性的特点,在数据受到损坏的情况下可尽可能地恢复数据的原始状态,有利于进一步的质量预测。在此基础上,将获取的数据特征作为有监督学习模型BP神经网络的输入以获得可靠的预测结果。在脱丁烷塔化工过程实例上验证方法有效性。并与单一BP算法、主成分分析(PCA)及自编码器(AE)改进的BP算法作为对照。结果表明,经过DAE改进后的BP算法预测误差为1.2%,相比单一的BP算法提高了3.2%精度,较PCA-BP及AE-BP预测误差精度分别提高了2.3%、1.9%,表现出最好的预测性能。     

基于改进BP网络模型的公路流量预测

针对公路客货运量预测的问题,对现有的常用预测方法进行研究,提出改进BP神经网络预测模型。该模型首先采用动态陡度因子改变激励函数的陡峭程度,改善激励函数的响应特征,得到更好的非线性表达能力;其次利用附加动量因子,通过将以前的经验进行积累,降低了神经网络对误差曲面的局部细节敏感性,较好地遏制网络陷于局部最小;再次采取变学习率学习算法,先给一个较大初值,随着学习过程的进行,学习率不断减小,网络趋于稳定。改进BP算法既可以找到更优解,又可以缩短训练时间。结合某地区的公路运量相关数据,对改进BP神经网络预测模型进行了验证。实验结果表明,该模型的相对误差和迭代次数都取得了较大的改善,对公路客货运量预测很有效。     

一种改进的BP神经网络

BP神经网络利厢误差的反向传播调整神经网络的权值,BP神经网络的训练速度和训练误差很大程度上取决于学习逑率和动量因子的设置。本文提出了一种改进的BP神经网络模型,学习速率和动量因子随误差实时调节,并进行了仿真。仿真结果表明,改进的BP神经网络比传统的BP神经网络收敛更快,误差更小。     

基于新的改进粒子群算法的BP神经网络在拟合非线性函数中的应用

介绍了一种基于新的改进粒子群算法(NIPSO)的BP神经网络来解决拟合非线性函数所出现的误差较大的问题。此算法在粒子群优化算法基础上,分别让权重和学习因子非线性和线性变化,建立基于新的粒子群优化算法的新模型,再与BP神经网络结合之后来拟合非线性函数。结果表明,新的改进粒子群优化算法更加合理且高效地提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

基于样本自组织聚类的BP神经网络预测模型

根据实际应用中神经网络训练样本通常具有内在特征和规律性,提出一种基于样本自组织聚类的BP神经网络预测模型。通过自组织竞争网络的聚类特征,改善样本训练对BP网络性能的影响。BP神经网络采用收敛速度较快和误差精度较高的动量—自适应学习速率调整算法。并通过基于这种模型的空气质量预测实验,表明基于样本自组织聚类的BP神经网络预测模型首先会提高收敛速度,其次会减少陷入局部最小的可能,提高预测精度。     

基于快速神经网络算法的非特定人语音识别

提出一种用于语音识别的改进的快速神经网络算法 ,即动态不等步长的误差分段学习算法。将步长看作误差和网络节点输出的函数 ,对各权值按不同步长进行动态调整 ,并将其应用于一个基于前馈神经网络模型的非特定人语音识别系统。实验表明 ,该算法比传统 BP算法在训练速度上可提高十几倍 ,训练出的语音识别网络系统具有较高的识别率     

改进的BP算法在路面裂缝分类中的应用

针对传统BP神经网络训练速度慢,误差大且易陷入局部极小值的缺点,设计了一种改进的复合误差函数来代替传统的全局均方误差函数以提高其学习率,同时采用了改进的分层动态调整不同学习率的新BP神经网络对路面裂缝图片进行分类。实验结果表明,与传统方法相比,改进后的算法在检测精度和速度上有了明显的提高。     

PCA-改进RPROP方法的BP算法在音乐信号分类中的应用

针对标准的BP神经网络仅从预测误差负梯度方向修正权值和阈值,学习过程收敛缓慢,并且容易陷入局部最小值,导致泛化能力不足的问题,提出了一种基于学习经验变学习速率改进的RPROP方法作为BP神经网络权值和阈值更新方法,并与主成分分析法(Principal Component Analysis,PCA)相结合,形成了PCA-改进神经网络算法。同时,采用Matlab软件对四类音乐信号进行分类实验。实验结果表明,改进算法比标准算法的稳定识别率提高2.6%,当稳定识别率达到90%时,用时节省75%,表明该算法可以加快网络的收敛过程,提高泛化能力。     

基于优化BP神经网络光伏出力短期预测研究

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1%,经遗传算法改进后的预测误差为4.9%,较单一模型提高了0.2%的精度,而WPA-BP预测模型误差为4.4%,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值。