基于RLS的多用户检测算法的设计与仿真

在研究自适应MMSE多用户检测算法基本原理的基础上,提出了一种基于RLS的自适应MMSE多用户检测算法,选取了代价函数,推导了算法的迭代公式,进行了计算机仿真,分析了仿真结果。仿真结果表明随着传输信号信噪比的增加,算法误码率降低。     

基于LMS的自适应MMSE多用户检测算法研究

阐述了自适应MMSE多用户检测算法的基本原理,提出了一种基于LMS的自适应MMSE多用户检测算法,推导了算法的迭代公式并进行了计算机仿真。仿真结果表明,随着传输信号信噪比的增加,算法误码率降低。     

基于递归对角神经网络自适应均衡算法的研究

阐述了神经网络自适应均衡算法的基本原理,提出了一种基于递归对角神经网络的自适应均衡算法,推导了算法的迭代公式,进行了计算机仿真。结果表明,随着传输信号信噪比的增加,稳态剩余误差减小,误码率降低。     

基于粒子群的神经网络用于编制企业定额

为更有效地编制企业定额,本文构建了基于粒子群的神经网络模型。研究采用粒子群优化算法对神经网络参数进行优化,然后利用训练好的粒子群优化后的神经网络编制企业定额。结果表明,利用基于粒子群优化神经网络编制企业定额具有较高的精度,该模型具有良好的可行性和有效性。     

基于BP神经网络的图像背景杂波抑制技术研究

在红外搜索与跟踪系统中,背景杂波抑制效果将直接影响到低信噪比下目标检测及跟踪性能。利用神经网络强大的非线性预测能力,研究了一种基于三层BP神经网络的背景杂波抑制技术。杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证,杂波抑制效果与常用的Uniform加权函数进行了比较,结果表明本文研究思路的可行性和有效性。     

基于学习分析技术的学习预警系统研究与设计

学习预警是提高远程学习者学习质量的重要手段。文章基于学习分析技术,分析了远程学习者在线学习行为对学习成绩的影响因素,构建了学习成绩预测模型,利用R语言工具,以国家开放大学远程学习者在线学习行为和期末成绩作为实验数据,利用朴素贝叶斯、决策树、前馈反向传播神经网络、支持向量机四种数据挖掘中的分类算法,通过学习者在线学习行为数据对学习者学习成绩进行预测,并利用ROC曲线等方式对上述分类算法预测结果进行对比分析,结果表明,朴素贝叶斯算法准确度高,是整体性能表现优秀的成绩预测算法。最后依据学习分析技术框架,在学习成绩预测模型的基础上,设计了远程学习预警系统,系统根据远程教育学习者在线学习行为,及时发现存在危机的学习者,为学习预警系统的实现提供了参考依据。     

基于短语的统计机器翻译

对基于短语的统计机器翻译从系统框架、基于短语的翻译原理、翻译侯选项、核心算法等几个方面进行了阐述,并分别从合并假设、堆栈搜索、未来代价估计、N-best列表生成等四个方面对核心算法着重进行了论述。     

一种基于支持向量机的带钢表面缺陷识别方法

鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM）,利用交叉验证进行了参数和模型的选取,对冷轧带钢中几种现场易出现的缺陷进行分类,并与BP神经网络进行比较分析。实验结果表明,这类基于SVM的算法识别效率较高,较好地解决了小样本学习问题,避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点,可有效地应用于带铜表面缺陷检测。     

一种基于改进YOLO v3的小目标检测方法

为了提升小目标物体检测的精度,尽可能避免发生漏检情况,提出了一种改进的YOLO v3算法。选用Darknet-49为主干网络,将原有的3个检测尺度扩展为5个。同时,引入DIoU函数,对损失函数进行了改进,将PASCAL VOC 2012数据集作为测试数据集和训练数据集进行实验。研究发现,改进后的YOLO v3算法与原YOLO v3算法相比,mAP值提升了约2.4%,且检测速度与原算法接近。实验结果表明,改进原YOLO v3算法网络结构和损失函数,可以增强算法对小目标物体的检测精度。     

基于改进的BP-LM在中国人口老龄化预测中的应用

由于人口老龄化率的预测具有高度非线性特征，这与BP神经网络能够处理非线性问题的特征相符合，但BP神经网络算法易使解陷入局部极小。基于L-M算法的改进BP神经网络可以有效克服这一问题，而且收敛速度快。通过具体的仿真及实践结果验证了改进BP的有效性，并对未来五年的中国老龄化率进行了预测。     

一种基于波形变换的电力系统谐波新的检测方法

电力系统的谐波是供电质量的重要指标,在有源电力滤波器中谐波的检测是关键。如何通过技术手段,在电压和电流信号中提取基波和相关谐波一直是研究和探讨的重要问题。基于瞬时无功功率的谐波检测和基于神经元的自适应谐波检测是其主流方法,算法的难易、算法的速度、检测的精度、软件和硬件的成本等方面还在不断改进中。该文通过对电力系统的有关谐波检测方法的研究,提出一种新的谐波检测和分析方法———基于波形变换的电力系统谐波的检测方法,旨在应用于有源电力滤波器中,理论和仿真实验都证明此方法的正确可行,并且简单易于实现,有广阔的应用前景。     

基于新型模糊神经网络的信用卡审批发卡的信用评估模型研究

本文尝试首次将新型模糊神经网络的模型引入到信用卡审批发卡的信用评估环节,采用更加快捷的全局搜索优化算法——粒子群优化算法,从模型和优化方法上进行创新,利用某银行信用卡申请的相关数据资料,就信用卡审批发卡环节,建立起信用卡风险防范的第一道防线——新型模糊神经网络的信用卡审批发卡的信用评估模型,通过对数据的预处理、数据训练和结果分析,并与现有的信用卡审批发卡的信用评估模型进行比较,显示了新模型和优化方法的优越性和实用性。     

长株潭一体化公路网构架优化的探讨

为加快长株潭一体化公路网的建设进程,降低公路网建设的成本,对长株潭一体化公路网结构进行了研究,将长株潭城市群十五大片区组团构成的公路网分布情况,抽象为一个赋权连通图,在此基础上应用Prim算法,得出了相应赋权连通图的最小支撑树,进而提出了长株潭一体化公路网构架建设的可行性方案,通过比较分析,说明了方案的有效性与合理性.     

网络舆论话题分类算法研究与实证分析

针对网络舆论话题的复杂性,设计实现了一种基于主成分分析法和朴素贝叶斯的网络舆论话题分类算法。首先使用主成分分析法对建立的舆论话题内容向量进行降维处理,并去除列向量之间的相关性,然后使用朴素贝叶斯算法进行分类分析,最后用实验对算法的有效性进行了验证。通过与其他分类算法的对比,可得到基于主成分分析法和朴素贝叶斯的网络舆论话题分类算法的分类效果或算法开销要优于其他一些分类算法.     

设计类实训课程成绩评定方法探讨

本文针对设计类实训课程的特点，制定了两种新的成绩评定方法，提出了一种基于神经网络的成绩预测算法。     

基于 BP 神经网络的结构损伤识别研究

针对结构的损伤识别进行了研究，选取结构固有频率平方变化比作为特征参数，建立12×25×1 BP网络结构，采用均方误差函数目标误差函数，学习函数选取梯度下降动量学习函数和L-M优化算法，对四层钢框架结构的损伤进行了检测。