简介:BP神经网络分类器在信号识别领域得到了比较广泛的应用,针对其低信噪比环境下识别率相对较低的问题,引入人工蜂群算法(ABC),将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变,最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法(ABCBP算法),并以2ASK,2FSK,2DPSK信号为例,对信号进行小波包分解后,将信号各频段的能量值数据作为实验样本,对其进行了信号分类。仿真结果表明:基于人工蜂群算法的优化BP神经网络分类器,即使在5dB的信噪比环境下,仍可达到94%以上的识别率,并具有较好的稳定性,这为信号识别领域中分类器的设计提供了一个很好的理论依据。
简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:采用表面机械研磨的方法制备出具有双面梯度显微结构的超细晶304材料(DGD-304)。使用Zwick微拉伸实验机测试粗晶和细晶不锈钢样品在室温下的力学性能,对比退火工艺对具有梯度晶粒尺寸分布的304不锈钢样品力学性能的影响。使用透射电镜分析其塑性变形表层的组织结构和细化机制。另外,通过扫描电镜观察其断裂特征,讨论其变形机制。结果表明,高频双面表面机械研磨(SMAT)处理后的304不锈钢表现出很高的强度和较好的塑性;500°C温度下短时间热处理可以显著改善其力学性能,具体表现为保持高强度的同时增加了断裂延伸率。可见,DGD-304材料可以通过热处理有效改善其塑性变形能力。
简介:随着Authorware多媒体课件在互联网上的应用日益广泛,网络发布和浏览也日趋重要.由于Web发布与浏览的打包和配置存在问题,客户端往往不能正常浏览.本文介绍了能解决这个问题的设置,以及该多媒体课件的规划、制作与发布过程,说明了Authorware7.0的"一键发布"功能.