松花江水源水质监测系统研究

利用神经网络强大的学习能力，通过对训练样本数据的学习，建立起多参数间的映射模型，实现在环境、条件变化的情况下，映射模型的自修正。采用人工智能技术从新的角度解决用常规方法无从处理水质参数预测建模这一问题。     

基于BP神经网络的复杂过程参数优化方法研究

针对生产过程中存在响应变量受多重复杂因素的影响,响应曲面模型不能解决的复杂因素影响的参数优化问题,提出一种基于BP神经网络的参数优化方法。BP神经网络具有较高的学习能力和映射能力,可以解决响应曲面模型的不足,建立良好的映射模型。利用BP神经网络模型的高泛化能力对最优参数组合寻优搜索,以较少的试验数据得到理想的参数设计。防眩玻璃制备工艺参数优化的分析结果表明,基于响应曲面模型的参数优化方法具有局限性,而BP神经网络的优化方法能够将透过率提高到92.22%,验证了该参数优化方法的有效性和可行性。     

基于RBF神经网络的Hammerstein模型辨识

利用神经网络的非线性映射特性,将RBF神经网络应用于Hammerstein模型辨识.首先采用将学习和辨识同时进行的在线辨识技术,然后在调整输出权值的基础上,增加调整基函数的形状参数和中心向量.此方法算法简单,学习速度快,辨识精度高,最后的仿真也验证了上述结论.     

半监督结构化Markov的第二语言学习心理模型

随着国际经济的不断发展,国际交流正在表现出日益重要的地位,而第二语言的学习已经成为了高等教育不可或缺的一部分。为了提高第二语言的学习效率,本文提出了一种半监督结构化Markov的第二语言学习心理模型。首先构建半监督结构化的Markov模型,并对双语平行句映射到模型的两个视角,然后采用第二语言的解释分析数据作为模型的初始化数据,接着采用将第一语言的解释分析数据作为模型训练的分类器,最后对构建的分类器进行两两训练学习,实现第二语言与第一语言之间的相互映射。仿真实验结果表明,本文提出的模型能很好在第一语言和第二语言之间建立较为准确的映射,有利于提高第二语言的学习效率。     

基于实测频率进行斜拉桥模型修正的实用方法

构造了待修正参数与模型频率之间映射关系的逼近函数,从而避免了优化过程中利用ANSYS计算频率,极大地提高了优化效率;基于实测频率,利用改进遗传算法辅助确定参数可变范围并进行参数调整。结果表明模型修正算法计算效率很高,修正后的模型参数值合理,模型频率与实测频率吻合很好,模型能够反映实桥的主要力学状态和行为。     

结构式技术创新仿真模型及应用展望

探索了基于主体的仿真技术建模以模拟结构式技术创新过程。在考夫曼NK模型基础上,采用技术创新基于主体的仿真模型模拟了在产品研发过程中从设计参数空间(DPS)到绩效参数空间(PPS)的映射。该模型既考虑了结构选择(设计者的需要),也考虑了环境选择(消费者的需要)。     

基于BP神经网络的个人信用评估模型

由于我国个人信用评估体系的不完善,使银行面临巨大的信用风险。通过提出基于神经网络的个人信用评估模型,利用神经网络的自学习、自调整以及非线性映射功能,动态量化了个人信用评估模型。同时,在探讨个人信用评估模型的基础上,提出了模型实际应用的具体解决方法。     

变频器异常检测方法研究与仿真

提出了一种异常参数映射估计的变频器异常动态参数检测算法。提取变频器异常动态参数,建立动态参数与变频器部件之间的映射关系,对变频器动态参数进行非线性变换,计算变频器动态参数异常区间排除干扰。实验证明,这种检测方式能够提高变频器异常检测的准确率,能够准确检测故障部件。     

基于LCC理论的轿车设计方案优化研究

为了能够给设计者提供降低汽车生命周期成本的设计决策依据,利用偏最小二乘回归得到轿车购置成本、运行使用费用与参数之间的映射关系,以客户需求、技术可行性、企业预算及盈利需求组成优化空间,建立基于非线性数学规划的生命周期成本优化模型,通过这个模型能够得到最小生命周期成本以及最优轿车参数组合,为产品设计提供依据。最后以大众轿车为实例对象,得到一定价格区间内的最优轿车参数组合。     

基于本体贝叶斯网络模型的本体映射方法研究

不同本体之间的异构问题严重地影响了本体之间的知识共享和重用。针对本体之间异构性的问题,本文提出一种基于本体贝叶斯网络模型(OBN)的本体映射方法(OM-OBN:Ontology Mappingbased on OBN)。在映射的过程中,方法OM-OBN首先将待映射的本体模型转换成OBN模型,并为OBN模型的每个节点建立一个相似度表,然后根据相似度表中的数据建立本体之间的映射关系,然后再利用已有的映射关系去更新相似度表,最后采用迭代映射策略,反复地执行建立映射和更新相似度表的过程,直到OM-OBN无法建立新的映射关系为止。实验结果表明:方法OM-OBN可以实现本体模型到OBN模型的转换,并有效地利用转换后的模型来建立本体之间的映射关系。因此,方法OM-OBN可以解决异构本体之间知识共享和重用等问题。     

数字水印提取的迭代学习辨识方法

针对结合混沌映射和多重混合的数字图像水印嵌入及提取问题,提出利用迭代学习辨识算法提取水印图像的方案。该方案将水印掩盖于混沌系统的参数中,以迭代学习算法重建原始水印图像。实验表明,运用所提出的迭代学习辨识算法能够从含水印图像中提取出完整的水印图像,给出的测试结果验证了学习算法抵抗常见几何攻击的能力。     

基于语义一致性的模型映射方法

源模型和目标模型描述之间的异构性是实现模型映射的主要困难.本文通过对模型描述语言的语法结构和语义表达特性进行抽象分析,提出了一种基于语义一致性的模型映射方法.该方法不仅可为模型转换的具体实现提供理论指导,还为验证不同抽象层次模型之间映射关系的正确性提供依据.     

单相H桥逆变器实验教学中的切分岔和稳定域

针对单相H桥逆变器实验教学中,对切分岔和稳定域难以确定的问题,本文建立了比例控制单相H桥逆变器(Proportional Controlled Single-phase H-bridge Inverter,PCSHI)系统的一次频闪映射模型。其次,推导了系统的三次频闪映射模型;接着,采用非线性系统理论,从数学上得出系统产生切分岔现象的条件;最后,通过绘制电感参数L变化的分岔图确定了系统的稳定域,并采用MATLAB数值仿真和实验验证理论分析的正确性。研究结果有助于提高学生分析和设计逆变器的理论水平。     

大数据子集特征遗忘启发价值信息提取方法

传统的大数据中价值信息提取方法采用基于模糊学习理论的数据融合处理方法,将预定学习序列输入神经网络,通过模糊启发,对预定序列进行多模型映射,此方法模型复杂,且启发率低。提出一种大数据子集特征遗忘启发的价值信息提取方法,对大数据进行非线性映射归一化,使每个子集实现并行运算,通过混沌方法提取子集特征,并建立混沌模型下的子集特征遗忘启发链,针对不同子集中的价值信息,依据遗忘启发链实现启发,提取价值信息。采用一组大数据下的伪随机价值信息进行提取测试,仿真实验表明,本文价值信息提取方法的提取率达到了98%,对于大数据下的价值信息提取具有很好的指导意义。     

参数广义强向量平衡问题解映射的下半连续性

文章中首先得到一个稠密性结果,然后利用标量化方法,建立了集值映射下的参数广义强向量平衡问题解映射的下半连续性。     

基于知识学习的产品研发团队成员配置研究

考察两类团队成员知识构成特征,借鉴经验学习和协同学习研究成果,将学习效果映射为基于线性区间的知识水平动态增长,构建以团队学习净收益最大为目标的成员配置模型。结果表明:(1)知识层级数量及协同学习时间比例的投入对团队学习的净收益产生相反影响;(2)团队成员规模、协同学习边际收益及成本均是团队基层研发人员配置比例的重要影响因素。     

浅析Java环境中对象/关系映射的多种策略和技术

对象模型基于软件工程的原理，而关系数据模型则基于数学原理，两种模型理论基础的不同导致了它们之间的“阻抗不匹配”，所以使其关系数据库存储持久化对象时需要进行“对象／关系映射”。着眼于面向对象系统中类及其实例与关系数据库中表的映射，分析对象／关系映射的原理。     

基于语义覆盖度融合的I/O映射聚类算法

需要对语义主题树特征进行聚类算法设计,提高对语义特征的搜索和语义泛化能力。传统的语义特征聚类算法采用基于本体映射的语义特征聚类算法,建立异构的本体模型之间的语义等价映射关系,导致聚类性能和语义泛化能力不好。提出一种基于语义覆盖度融合的I/O映射聚类算法,利用领域知识和模式匹配,建立本体之间语义映射关系,考虑三种与语义信息相关的学习知识,得到语义相似度函数,利用统计TF-IDF的方法计算词语的特征权值,通过语义主题树特征匹配,实现搜索引擎的覆盖度I/O映射聚类改进。仿真实验表明,采用该算法能提高对语义的覆盖度融合能力,具有更好的数据聚类性能,较好地完成语义映射任务,语义信息检索查准率提高为98.7%。     

基于神经网络的多参数损伤识别

以一矩形截面简支梁为研究对象,建立完好结构和损伤结构的有限元模型,曲率模态差进行损伤定位,以标准化后的频率下降量,振型变化量与频率变化平方的比值、曲率模态差、作为BP神经网络输入参数,建立非线性映射能力较强的单隐层BP网络进行损伤识别,以损伤位置和损伤程度作为网络的输出参数。数值分析结果验证了该方法的可行性。     

Web环境下的语义挖掘模型研究

文章提出两种Web环境下的语义挖掘模型,分别是基于语义标注的Web语义挖掘模型,即在语义标注的基础上实现智能化知识挖掘过程,获取高质量知识模式;基于本体映射的Web语义挖掘模型,即参照领域本体概念体系,运用本体映射技术,对所获取的知识模式进行语义修正.通过对语义分类模式的预测准确率、模型创建速度的实验对比分析,基于本体映射的Web语义挖掘模型所提出的算法略占优势.