简介：本文介绍的锅炉水质分析与监测系统，可以连续在线监测锅炉供水的氯离子浓度、硬度和ｐＨ值。它为锅炉的安全生产与自动控制提供了条件。

简介：摘要随着电力能源需求的增加和城市建设的整体规划，电力电缆线路得到了越来越广泛的使用。不同于架空线路，电力电缆发生故障时，需要快速判断和定位故障，以减少停电时间，提高供电可靠性。

简介：利用查表确定标准正态分布的函数值非常有限,这给工程应用带来很多不便。文章讨论了基于神经网络计算标准正态分布函数值的方法、数学原理、网络构造和学习过程。示例表明,计算简洁、方便,准确率能达到10^-6。

简介：本文用矩阵测度研究了一类区间联想神经络的稳定性,给出了其稳定的判别准则,推广和改进了文[1-2]的工作。

简介：采用测定化学需氧量（COD）法和有机溶剂抽提法分别对企业常用的两种锌矿原料（A,B）有机物进行监测。通过采用测定化学需氧量（COD）法对锌矿原料中含有的有机物进行定性及半定量分析,实验结果表明,矿粉A中COD为84.9mg/L,矿粉B中COD为96.9mg/L,各自进行了3次平行实验,都能得到稳定的结果,同时确定矿粉A和B中分别含有不同量的有机物。采用有机溶剂抽提法来确定锌矿原料中有机物的含量。考察了溶剂种类、溶剂量、抽提时间对矿粉中的有机物提取效果的影响,得到最佳实验条件,对矿粉的测定结果为：矿粉A中有机物含量为7.6‰,矿粉B中有机物含量为10.1‰。在各自的最佳实验条件下,进行了3次平行实验,都能得到稳定的结果,方法准确、可靠。

简介：刀具在刃磨过程中往往会激发出大量声音信号，这些信号包含丰富的刀具信息，通过对刀具刃磨过程的声音监测信号进行处理和分析，有利于了解刀具的刃磨过程，提高现有刀具制备的稳定性。

简介：介绍了全面禁止核试验条约（CTBT）中涉及的放射性氙同位素及其来源、核爆炸产生放射性氙同位素特征和CTBT大气放射性氙监测技术，重点总结了CTBT中大气放射性氙的取样、测量、事件性质识别和源项解析等技术的最新进展。在氙监测设备方面，已有3套商业化的氙监测系统可供采购，且氙同位素取样效率和探测灵敏度已远超临时技术秘书处设定的技术指标要求；在放射性氙同位素活度测量与能谱分析方面，Si-PIN新型探测器研究取得较大进展，建立了放射性氙数据分析软件；在氙监测事件性质识别方面，建立了Kalinowski判据模型；在大气输运模拟研究与应用方面，基于FLEXPART模型开发了Web-Grape和Web-GrapeIBS软件。但从实际监测效果看，有效获取敏感核素对及核素比，并依此提供确凿核爆炸证据的能力尚显不足。下一步工作应聚焦在氙同位素探测灵敏度提升、氙监测事件识别及溯源等研究上。

简介：我国证券市场股价波动表现出特有的混沌性质[1][2],具有局部随机与整体秩序[3]相容的特征.本文以2002年每隔十秒的上证指数高频数据[4]为例,以混沌理论为基础,从原始序列中构造出若干个新的时间序列,运用神经网络法[5]进行预测.预测结果表明,此方法能够较好地预测股票的走势,有望在股票交易中应用.

简介：本文通过构造Lyapunov函数和利用不等式分析技巧，研究了具有时滞的细胞神经网络的稳定性，给出了与时滞无关的网络渐近稳定的充分判据，该判据可用于时滞细胞神经网络的设计与检验，有重要的理论意义与应用价值。

简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：研究具有时滞的细胞神经网络的稳定性问题，通过构造合适的Lyapunov函数及不等式分析技巧，给出了时滞细胞神经网络全局稳定的新的充分判据，这些结论推广了已知文献中的结果。

简介：以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注，并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率，本文设计了2种改良的深度卷积神经网络，这些改进加快了神经网络的训练速度．有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型，该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验，改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型，这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后，构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”，该系统能够自动检测出CT影像中肺结节，并给出结节的良恶性概率评估。通过该系统的应用，可以有效缓解放射科医生超高的劳动强度，提高阀片效率，服务更多患者；减少漏诊和误诊发生的次数，有助于提高肺结节的诊断准确率；从而促进我国肺癌早筛工作的推广。

简介：本文针对某型陀螺启动特性进行了试验研究，在陀螺启动漂移特性试验数据基础上，用神经网络建立了启动漂移速率温度的非线性模型，并对模型进行了检验，证实了神经网络的有效性

简介：研究了神经网络对课堂教学质量进行综合评估的原理、方法和过程,并成功地应用于实际中,结果表明该方法简洁,准确,并能克服各种人为因素.

简介：本文利用BP神经网络建立起66例肝硬化治疗结果数据预测模型，并基于matlab得出预测结果。实验证明利用BP神经网络可有效地预测肝病治疗效果。

简介：链路预测是网络信息挖掘的主要研究内容，通过对网络结构和其他信息的分析，挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标．并在此基础上提出了一种基于这8种指标线性组合的度量指标，并经过实验找出了较好的优化参数。然后，提出了基于这8种指标的神经网络模型．并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明．基于FANN库的神经网络模型的预测结果最好，在4个数据集上最高的AUC值分别达到了0。95l8、0．9289、0．7480和0．8677，与单一指标最好的AUC值相比分别提高了3．92％、1．45％、7．06％和24．35％。

简介：从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。

简介：氨氮是我国水质污染物总量控制指标之一,水体中氨氮排放总量的控制对于水环境的改善具有重大的作用。针对氨氮污染的治理需要有更为准确、有效、快速的分析方法相配合。就近年来水中氨氮的测定方法进行了综述,介绍了实验室方法与在线监测方法的最新进展,比较了各自的特点及其在水环境监测中的应用。相应学科的新成果融入现代分析技术使得氨氮的分析水平有了极大的提高,这将会在今后的水环境污染治理中发挥越来越大的作用。

简介：采用空心莲子草对印染废水进行修复，研究净化效果，并利用在线监测技术对植物修复前后的印染废水中氨氮、化学需氧量（COD）、总有机碳（TOC）指标进行测定。结果表明：空心莲子草对水质净化具有一定影响，随时间的增加，污水的浓度降低，去除率逐渐增大。植物修复印染废水及在线监测技术是可行的。

简介：依据量子信息学和量子计算基本理论，在研究低剂量I射线与神经细胞的相互作用规律及物理机理时，将神经细胞骨架微管中的两种蛋白构型视为两能级原子体系，使用密度矩阵描述脑神经系统中信息位的状态，建立并求解系统的动力学方程。结果表明：随密度矩阵非对角元素的减小，系统的量子相干性迅速降低。因此，低剂量I辐射可以影响受照者的脑神经功能。