双口网络串联、并联、级联的h参数

导出双口网络串联、并联、级联的参数与两串联、并联、级联的双口网络的参数之间的交换关系,并讨论双口网络串联、并联、级联的性质。若两双口网络是互易的,则不论二者以何种方式联接,其等效双口网络总是互易的;若两双口网络都是非互易的,则不论二者以何种方式联接,等效双口网络总是非互易的。     

双口网络串联、并联、级联的h参数

文中导出了双口网络串联、并联、级联的h参数与两串联、并联、级联的双口网络的h参数之间的变换关系，并讨论了双口网络串联、并联、级联的性质．若两双口网络是互易的，则不论二者以何种方式联接，其等效双口网络总是互易的；若两双口网络都是非互易的，财不论二者以何种方式联接，等效双口网络总是非互易的；若两双口网络中只要有一个是非互易的，则不论二者以何种方式联接，等效双口网络总是非互易的．     

吸收定理及其应用

提出的吸收定理是建立在双口网络定理－基础上的一种新的网络分析方法，当双口网络的两端口负载及某内部某一特定支路元件参数变化时，应用吸收定理使分析过程大大简化。     

多端零器网络的网络函数

本文系统地阐述了零器网络的网络函数,导出了多端线性零器网络的策动点阻抗、导纳函数,双口零器网络的z参数、y参数公式及带负载时的转移函数。     

双口网络串-并联和并-串联的z参数

导出了双口网络串-并联和并-串联的z参数,并介绍了其在电路分析中的应用．     

双口网络串-并联的g参数

导出了双口网络串-并联的g参数间的等效变换关系，并介绍了其在电路分析中的应用。     

双口网络串-并联和并-串联的Y参数

导出了双口网络串-并联和并-串联的Y参数，并介绍了其在电路分析中的应用．     

基于Richards变换与Kuroda规则的射频滤波器设计

介绍了一种将集总参数转换为分布参数的Richards变换，利用双口网络演变而来的单位元件矩阵，论述了传输线结构之间的相互变换规则，即Kuroda规则。以这两种理论为基础设计出一种实用射频带通滤波器。     

戴维南定理在双口网络中的推广

将戴维南定理推广到由线性电阻和独立源组成的有源双口网络 ,并给出了其最简等效电路     

本级负反馈放大器的网络分析法

负反馈放大器拆环分析计算基本放大倍数，过程烦琐难以理解。网络分析法将负反馈放大电路按作用进行分解后，各部分均视做双端双口网络进行分析，简单方便易于理解。该方法也可分析级问负反馈和反馈网络含源的负反馈放大器。     

基于OPNET的无线信道接人协议仿真

基于对CSMA/CA和ALOHA协议的研究,利用OPNET软件自带的支持CSMA/CA协议的节点模型构建网络模型。结合仿真结果,利用Mathematica软件,绘制了CSMA/CA协议吞吐量特性图,并与ALOHA的吞吐量特性图进行比较,证明了在任意业务总负载的情况下,CSMA/CA协议都表现出比ALOHA协议更加优越的性能。证实了在保证吞吐量性能的前提下,通过网络参数的配置,使网络的性能达到最优化的可行性,并且揭示了网络参数的关联性,指出了网络最优化参数的唯一性。     

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数．该方法适用于非线性系统和时变系统,实现了PID参数的在线整定．     

基于粒子群算法优化的城市供水量预测模型研究

鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。     

应用神经网络专家系统预测浅层地下水水质

在系统介绍神经网络专家系统基本原理和工作步骤的基础上，利用开发出的神经网络专家系统，总结分析出影响淮南市区浅层地下水水质的主要参数，并通过B-P网络对大量实例的学习，自动生成符合实际的专家知识库；对实际问题，只要输入区块的特征参数，系统就能由推理机根据专家知识库给出预测区的水质，权值不受人因素为干扰．并以淮南市区16已知水样点的评价参数及水质级别为学习样本，对6预测水样点的水质进行了预测，结果表明效果良好；从而指出运用神经网络专家系统可以克服指数法和聚类法等不易准确确定参数的隶属度和权重分配等局限性，保证了预测结果的精确度和可靠性；只要测得预测目标的特征参数后，输入系统，很快就能得出预测结果，从而提高了预测速度和工作效率。     

基于BP神经网络的认知诊断评估分类准确率影响因素分析

BP神经网络是目前应用最广泛的人工神经网络模型之一,在分类和识别上表现出良好的特性,因此被研究者用于认知诊断评估以对被试进行诊断分类。通过模拟研究,考查属性个数、属性层级关系、测验长度、题目质量、测试样本量5个因素对BP神经网络在认知诊断中分类准确性的影响。结果表明:1)基于BP神经网络的认知诊断分类准确率不依赖于测试样本量;2)题目质量和测验长度对BP神经网络的诊断准确率有显著的积极影响;3)属性个数对BP神经网络的分类准确率有消极影响;4)题目质量一定程度上会影响BP诊断方法在不同属性层级结构上的分类准确率。     

复杂网络统计参量对病毒传播速率的影响

复杂网络统计参量是描述复杂网络结构的普适参量,病毒的传播与这些基本参量密切相关,病毒传播速率与复杂网络统计参量间存在确定的联系。文章推论了复杂网络中病毒传播速率与基本网络参量的函数关系。利用这一函数可以在已知的网络结构参数时,得到病毒传播的预测值。     

复杂网络统计参量对病毒传播速率的影响

复杂网络统计参量是描述复杂网络结构的普适参量,病毒的传播与这些基本参量密切相关,病毒传播速率与复杂网络统计参量间存在确定的联系。文章推论了复杂网络中病毒传播速率与基本网络参量的函数关系。利用这一函数可以在已知的网络结构参数时,得到病毒传播的预测值。     

基于BP网络的MEM200快速成形机工艺参数优化

对影响FDM制件翘曲变形的各种工艺参数进行深入分析,结合MEM200快速成形机的特点,确定了影响翘曲变形的五个主要的工艺参数,利用正交试验对主要影响因素进行了实验研究,为神经网络预测模型提供了学习样本。采用贝叶斯正则化算法,通过分析比较确定网络的最佳结构,以提高网络对翘曲变形和成形时间的预测能力。在此基础上,采用优化算法,利用Matlab编制程序实现了工艺参数的优化,经成形验证,表明了该方法能够减少制件的翘曲变形。     

实验室安全监测无线传感器网络应用设计

实验室的安全主要由规章制度与一些技术措施做保障。利用技术手段实时监测实验室环境参数,可及时对危险状况报警。提出一种层次型无线传感器网络,其上层网络拓扑是单向有向通路,下层网络是星型结构。该拓扑结构满足参数检测与数据传输的要求,作为实验室安全监测网络是合理的。本文设计了该网络的路由协议与簇首节点软硬件,该无线传感器网络所用技术成熟,易于工程实现。     

Parameters optimization and nonlinearity analysis of grating eddy current displacement sensor using neural network and genetic algorithm

A grating eddy current displacement sensor （GECDS） can be used in a watertight electronic transducer to realize long range displacement or position measurement with high accuracy in difficult industry conditions. The parameters optimization of the sensor is essential for economic and efficient production. This paper proposes a method to combine an artificial neural network （ANN） and a genetic algorithm （GA） for the sensor parameters optimization. A neural network model is developed to map the complex relationship between design parameters and the nonlinearity error of the GECDS, and then a GA is used in the optimization process to determine the design parameter values, resulting in a desired minimal nonlinearity error of about 0.11%. The calculated nonlinearity error is 0.25%. These results show that the proposed method performs well for the parameters optimization of the GECDS.