《高频电子线路》优秀课程建设

《高频电子线路》是电子与信息类专业的一门主干专业课程,在电子通信人才培养的课程体系中起着重要的承上启下的作用,本文通过调整课程内容、改革实验教学、开展课外科技创新活动等一系列举措,对《高频电子线路》教学起到促进作用。     

扩展的快速独立分量分析算法

针对复值快速独立分量分析算法仅适用于非高斯圆信号,而对常用的非高斯非圆信号不适用的问题,提出了扩展的复值快速独立分量分析算法.该算法通过解除原算法假设条件构造新的代价函数,采用现有的近似复数牛顿迭代方法优化该代价函数,推导出适用范围更广的复数快速独立分量分析算法.该算法同原算法一样都是固定点算法,都有很快的收敛速度,而且该算法不但适用于原算法所适用的非高斯圆信号,对原算法所不适用的非高斯非圆信号也是有效的.理论分析和仿真实验验证了算法的有效性.     

工程教育专业认证背景下“通信原理”课程线上教学研究与实践

“通信原理”课程是东北电力大学智能电网信息工程、电子信息工程和通信工程专业的基础课程,对于学生专业综合能力的培养至关重要。工程教育专业认证理念的深入以及疫情的出现,对“通信原理”课程提出了新的挑战。为了提高疫情期间“通信原理”课程线上教学的质量,文章对工程认证背景下的“通信原理”线上教学进行了研究、分析和总结,为今后“通信原理”线上教学提供一定的经验。     

基于FP算法的AVE局部模型划分

局部模型的划分是简化敏捷虚拟企业（Agile Virtual Enterprise，AVE）决策问题的重要方法，划分结果可能直接影响到敏捷虚拟企业的建立方式、AVE模型的优化以及合作伙伴的选择等。为了很好地完成AVE局部模型的划分问题，提出一种基于多层反馈神经网络的局部模型划分方法。该方法采用三层网络结构，各层完成指定的任务，第一层完成各输入向量的相似度是否大于给定值的判别；第二层则将相似度大于给定值的输入向量映射到同一类值，从而完成预分类；再利用反馈网络的反馈作用完成最后的分类。其结构清晰、分类灵活、学习的复杂性最低且网络的性能良好。     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

高频电子线路课程教学模式的探索与实践

针对传统教学模式过分强调知识的传授而忽略了学生学习能力培养的问题,将学生实际情况和双主体教学模式思想进行融合,提出了高频电子课堂教学新模式。该模式尊重学生作为学习主体的能动性,以培养学生自学能力和创新能力为目标。实践表明该教学模式能更好的调动学生学习的积极性,主动性。     

鞅在学习样本选择中的应用

样本训练集的选取对网络分类精度及泛化能力有很大影响,同样对回归分析中的两难问题“偏差-方差”影响很大。经典的简单抽样理论在现实中很难做到,数据之间关系受到噪音以及领域知识的限制而显得很复杂,尤其是离群点的影响不能忽视。故而有限样本集中学习,如何获得最优结果不仅与算法有关,且与样本集的选取有关。文章首先从学习的数学理论出发阐明样本训练集的选取方法必要性,进而提出样本选择的鞅性要求与样本训练集中的离群点定义,最后提出在无监督学习中,混合密度分布有限样本集且样本类别数不知情形下的聚类与离群点判别算法,试验结果表明该算法的可行性与有效性。     

模糊集、粗糙集和商空间理论的比较研究

针对模糊集、粗糙集及商空间理论,从对智能的理解、粒的表示、粒度的定义和粒的关系这4个方面进行比较。分析比较结果可知,它们的共同之处有：用集合定义粒,用粒描述知识;不同之处有：词计算和粗糙集理论分别从微观角度研究词的推理和属性的约简,而商空间理论是从宏观角度研究粒度的变化规律。     

粒度计算方法

粒度计算是一种用来处理不完全、不可靠、不精确、不一致和不确定知识的工具,它象一把大伞,覆盖了所有有关粒度的理论、方法论、技术和工具的研究,已成为人工智能研究领域的重要热点。本文从人类智能特点出发,分析了粒度的特征,提出了商空间理论的粒度计算模型。介绍了粒度计算的主要方法,并对这些方法进行了比较。     

济钢中板加热炉的节能技术改造

本文介绍了济钢分别采用V型槽定位侧出料、炉外短滑坡和炉门密封,以及全炉自启动汽化冷却系统改造推钢式端出料连续加热炉的经验。改造后的炉子达到部颁特等炉标准,直接经济效益262万元/年。