计算全息改变激光束横模的仿真与实现

为了实现激光强度的重新分布,需要改变激光束的横模.全息光学元件能够完成光波场的转换.用计算机全息制作的全息光学元件衍射效率高、衍射光束质量好.文中用计算机全息方法设计了一个全息光学元件,把基模圆对称高斯光束的横模改造成为十字叉形,从而把激光光强的圆对称分布转换成十字叉形分布.通过计算机仿真,表明所设计的全息光学元件是成功的.用实际制作的全息光学元件进行实验,当基模圆对称高斯光束通过此全息光学元件后,光强由圆对称分布转换成十字叉形分布.     

基于干涉法的计算全息图的生成

三维技术已经越来越广泛地应用于计算机图像学中。近年来,全息又成为制作高质量3D图像最为普遍的方法。文中主要讲述了光全息的有关知识,并讨论了基于干涉全息图的计算方法。以点光源的计算全息方法为例,利用计算机模拟光干涉,并计算出各点光的相位,生成了基于干涉的点光源的全息图。     

Experiments of Trust Prediction in Social Networks by Artificial Neural Networks

Social network online services are growing at an exponential pace, both in quantity of users and diversity of services; thus, the evaluation of trust in the interaction among users and toward the system is a central issue from the user point of view. Trust can be grounded in past direct experience or in the indirect information provided by trusted third-party users shaping the trustee reputation. When there is no previous history of interactions, the truster must resort to some form of prediction in order to establish Trust or Distrust on a potential trustee. In this study, we deal with the prediction of trust relationships on the basis of reputation information. Trust can be positive or negative (Distrust), hence, we have a two-class problem. Feature vectors for the classification have binary-valued components. Artificial neural network and statistical classifiers provide state-of-the-art results with these features on a benchmarking trust database. In this article, we propose the application of a sample generation method for the minority class in order to reduce some of the effect of class imbalance among Trust and Distrust classes. Specifically, the approach shows high resiliency to system growth.     

机场旅客吞吐量的人工神经网络预测方法

利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性 ,突破传统上基于统计学原理进行机场旅客吞吐量预测的限制 ,设计了具有成都双流国际机场特点的、低成本的机场旅客吞吐量的人工神经网络预测模型 ,经过 BP网络预测软件运行检验 ,并与该机场以前采用的定量预测方法的综合比较 ,证明在该机场应用 BP网络预测方法不仅可行 ,而且有更好的预测精度     

BP神经网络及其在数据分类中的应用

BP神经网络模型是一种典型的前向型神经网络,具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力,是目前应用最为广泛的一种神经网络模型。本文介绍了BP神经网络的实现以及其在数据挖掘分类方面的应用。     

基于神经网络的无线传感器网络数据融合算法_cg10000147修改稿

为减少无线传感器网络的通信量,降低能量消耗,设计了一种基于神经网络的数据融合算法(BPNDA),该算法将BP神经网络和传感器网络分簇路由协议有机结合,将每个簇设计成一个神经网络模型,通过神经网络提取原始数据中的少量特征数据,然后将特征数据发送给汇聚节点,从而提高数据收集效率,延长网络生存时间。仿真实验证明,与LEACH算法相比,该算法可有效减少网络通信量,降低节点能耗。     

计算机生成兵力行为建模发展现状

体系仿真是解决目前信息化条件下诸多军事问题的有效手段，仿真系统中计算机生成兵力（Computer Generated Force，CGF）行为表示准确与否是直接影响军事问题研究结论的重要因素。针对目前CGF自治性难以满足军事问题研究需求，系统总结了10年来CGF行为建模方法，并对比分析了不同方法的优缺点，梳理了近5年国内外CGF行为建模技术发展现状，针对军事问题研究需求，对当前该领域存在的问题和发展前景进行总结，并提出四种CGF行为建模思想方法。     

基于小波网络和多模块网络的数字识别

本文研究一种新的数字识别方法,这种方法用小波神经网络抽取特征、用多模块结构神经网络作模式分类器。小波分解的函数近似能力和人工神经网络的学习能力结合起来形成的小波神经网络,有着良好的特征描述性能,可用作特征抽取工具。多模块结构的神经网络将一个k类的模式分类问题转换为k个互相独立的2类分类问题。这种结构将一个复杂的分类问题化解为多个简单的分类问题,各个模块互相并联,各自负责一种模式的识别。用这种修改过的多模块结构网络的BP训练方法,可加速训练和提高训练精度,并且各模块可互相独立地进行训练。用美国NIST数字样本进行训练及测试,结果良好。这种方法可用于更广泛的平面图形识别。     

Sigmoidal Function Classes for Feedforward Artificial Neural Networks

The role of activation functions in feedforward artificial neural networks has not been investigated to the desired extent. The commonly used sigmoidal functions appear as discrete points in the sigmoidal functional space. This makes comparison difficult. Moreover, these functions can be interpreted as the (suitably scaled) integral of some probability density function (generally taken to be symmetric/bell shaped). Two parameterization methods are proposed that allow us to construct classes of sigmoidal functions based on any given sigmoidal function. The suitability of the members of the proposed class is investigated. It is demonstrated that all members of the proposed class(es) satisfy the requirements to act as an activation function in feedforward artificial neural networks.     

一种基于函数型神经网络的传感器静态模型辨识方法

本文提出一种基于函数型神经网络的传感器静态模型辨识方法,该神经网络连接系数直接反映了传感器静成模型中的被辨识参数,网络结构简单,具有良好的收敛性,文章将这一方法实际应用到铂热电阻静态模型辨识,仿真结果表明,本方法是可行的。     

BP神经网络在剩余油分布预测中的应用研究

我国多数油田经过一次、二次采油后,仅能采出地下总储量的30%左右,这意味着有60%～70%的剩余石油仍然残留在地下成为剩余油。加强剩余油分布规律研究、提高石油采收率不仅有着可观的经济效应,而且关系到国家石油战略的安全。本研究应用神经网络的原理,基于BP网络使用MATLAB语言建立一个剩余油分布的预测系统。该系统通过学习在地理坐标和孔隙度之间建立一个非线性函数关系,以此来预测任何区域的孔隙度,再通过孔隙度与剩余油饱和度之间的关系达到剩余油分布预测的目的。     

神经计算机综述

神经计算机能模拟人脑的并行信息处理方式，具有惊人的自学习、思维、推理、判断和记忆的功能，被称为第六代-的计算机——智能型计算机。本文主要阐述了神经计算机与传统的数字计算机的区别，神经计算机的理论基础、元件基础、性能指标及发展现状。     

Color Computer Vision and Artificial Neural Networks for the Detection of Defects in Poultry Eggs

A blood spot detection neural network was trained, tested, and evaluated entirely on eggs with blood spots and grade A eggs. The neural network could accurately distinguish between grade A eggs and blood spot eggs. However, when eggs with other defects were included in the sample, the accuracy of the neural network was reduced. The accuracy was also reduced when evaluating eggs from other poultry houses. To minimize these sensitivities, eggs with cracks and dirt stains were included in the training data as examples of eggs without blood spots. The training data also combined eggs from different sources. Similar inaccuracies were observed in neural networks for crack detection and dirt stain detection. New neural networks were developed for these defects using the method applied for the blood spot neural network development.The neural network model for blood spot detection had an average accuracy of 92.8%. The neural network model for dirt stained eggs had an average accuracy of 85.0%. The average accuracy of the crack detection neural network was 87.8%. These accuracy levels were sufficient to produce graded samples that would exceed the USDA requirements.     

人工神经元网络在过程分析和控制中的应用

综述了人工神经元网络方法的过程分析与控制中的应用，包括过程建模、过程控制、模式识别与聚类分析以及在电子鼻当中的应用。     

神经网络求解偏微分方程的分布式算法

本文提出了一种人工神经网络(Artificial Neural Networks,即ANN)求解偏微分方程的分布式的算法。文章介绍了这种算法的必要性,以分布式的人工神经网络完成了对热传导方程的求解为例,验证了这种算法的可行性,并给出了不同条件下的实验结果。     

神经网络计算机原理及实现方法

神经网络计算机能模拟人脑的并行处理方式,具有惊人的自学习、思维、推理、判断和记忆的功能。该文主要阐述了人类对大脑的研究以及由此演发的人工神经网络的理论基础,并从目前实现神经网络的三种主要途径对神经网络计算机的实现做了分析与展望。     

人工神经网络在建设工程造价估算系统中的应用

介绍了人工神经网络技术的发展和分类,针对建设工程造价估算技术的发展及面临的问题,提出了在建设工程造价估算系统中应用人工神经网络技术来提高估算精确度,并给出了系统的设计模型。     

基于人工神经网络的数字音频水印算法

提出了一种新的基于神经网络训练学习的数字音频水印算法 ,采用本算法在一段数字音频数据中隐藏了一幅不可感知的二值图像 .通过后向传播算法的神经网络训练出模板信号与嵌入了水印信号的音频之间的关系特征 ,由于神经网络具有学习和自适应的特性 ,通过训练后的神经网络几乎能够完全恢复嵌入到音频中的水印数据 .通过仿真实验结果表明该算法具有较好的鲁棒性和抵抗常用的信号处理方法的处理的能力 ,特别是在水印检测时不需要原始的音频信号 .     

一种求解TSP问题的新型人工神经网络方法

该文基于输出一阈值耦合神经网络的自动波现象,提出了一种用自动波方法求解TSP问题的方法。该方法具有鲁棒性和可靠性好、大规模并行计算等特点,可用于求解对称、非对称赋权图的TSP问题。与目前其它求解TSP问题的方法相比,自动波方法执行更为简单,不需要太多人为的选择参数等问题,且不存在局部极小点的问题,求得的解全部是最优解。其所需的计算量(迭代次数)主要取决于最短回路的长度,而与图的复杂程度、所存在的通路总数关系不大。最后文中给出了TSP求解的例子。