生态系统熵量化的研究

熵是判断系统演化方向的重要依据,因此有必要对生态系统熵进行量化。在明确生态系统概念,总结热力学熵、统计熵与信息熵本质的基础上,对生态系统信息熵进行归一化,并引入分系统概念,从而推导出生态系统熵量化公式。     

自动驾驶虚拟仿真场景转化与泛化方法研究

为了对自动驾驶路采数据进行场景转化及泛化,生成用于虚拟仿真的测试场景,基于Open DRIVE中对道路参考线几何形状的定义以及分类,使用贝塞尔曲线转化生成道路参考线,并在VTD上生成道路。在道路上建立简单的弯道跟车场景模型,进行场景元素泛化,对泛化后生成的场景使用支持向量机寻找危险场景的边界。该方法可以满足以一种曲线生成现实中的大多数道路,同时能对简单的场景进行边界场景挖掘。     

参考作物腾发量支持向量回归机实时预报模型

为了实现高精度的实时预报作物需水量,利用结构风险最小化准则的思想以及核函数的非线性变换把空间变换到高维寻求全局最优解的方法,以最高温度、最低温度、日平均温度、天气阴晴指数和风力等级为输入因子,建立基于支持向量回归机的参考作物腾发量实时预报模型。以江苏南京站2003至2005年的日气象资料进行模型训练和预测,并将各输入因子进行±20%增噪后建立的支持向量回归机模型与传统BP网络模型作为对照。结果表明,支持向量回归机实时预报模型不仅精度高（有效性指数87.93%,平均误差0.2609,合格率87.4%）,较传统BP网络模型（有效性指数78.91%,平均误差0.3526,合格率76.8%）有更优的泛化能力,且泛化能力不会因为增噪处理而降低,有较强的适应性及参数可移植性。     

基于APSO优化的小麦条锈病神经网络预测模型

针对小麦条锈病预测模型中样本数有限、样本分布不均的情况,在BP神经网络中引入改进的APSO优化算法,对神经网络的权值及阈值进行优化,一方面加入惯性权值及约束系数,另一方面在适应度函数中加入权值平方惩罚项来提高泛化能力,同时对“早熟”现象引入变异揉作.通过少样本数据的多角度仿真,结果显示,学习收敛速度及对新样本的泛化能力均得到了明显提高.改进的APSO-BP算法能克服常规BP算法在收敛速度及泛化能力方面的局限性,比常规BP算法及常规PSO -BP算法优越.     

关于情报学泛化现象的思考

辨证地分析了情报学泛化现象,归纳了泛化的方式以及对情报学学科建设的正负面效应,然后从泛化的角度对情报学学科是回归还是重建的问题进行了探讨,提出了情报学泛化现象无可避免,但可以有目的地控制,并最终导致情报学学科重建的观点。     

农作物与野生植物的种间传粉对农业生产的潜在影响

研究花粉在物种间传播是了解开花植物物种形成、多样化和进化的关键。群落传粉网络研究表明,在自然群落中一种植物通常由多种传粉者访问,传粉者的种间移动会造成一种植物的柱头上落置来自其他种植物的花粉,泛化的传粉系统使得种间传粉在自然界中普遍存在,由花粉转移引起的种间竞争可能会对植物的繁殖带来影响。近年来通过传粉者介导的种间花粉转移层面的研究,了解农作物与野生植物间的相互作用越来越受到关注。本文通过阐述国内外种间传粉对植物结实影响的研究,分析了农作物与野生植物种间传粉对农业生产带来的潜在影响,以期为作物生产和生态资源保护提供更多的方法和依据。     

基于 GA-Elman神经网络的煤矿突水水源判别

煤矿突水是矿井生产过程中产生的自然灾害之一,而准确判别突水来源是突水防治工作的重要基础.以煤矿各含水层水化学成分的差异性为依据,选取K~++Na~+,Ca~(2+),Mg~(2+),Cl~-,HCO_3~-,SO_4~(2-)6个常量组分作为突水水源的判别因子.为克服Elman神经网络采用梯度下降法所带来的易陷入局部最小值的缺点,采用具有全局搜索能力的遗传算法(GA)通过选择、交叉和变异等步骤训练优化Elman神经网络,建立了收敛速度更快、泛化性更强的GA-Elman神经网络判别模型,结果表明:将具有全局寻优功能的GA和局部精确寻优的Elman神经网络相结合,克服了Elman神经网络初始权值与阈值的随机性、易陷入局部最优的缺点,能够提高Elman神经网络的判别输出精度,为准确、有效判别突水来源提供了可靠的决策依据;经过GA优化过的Elman神经网络在训练过程中的均方误差收敛速度、收敛精度都有很大的提高,在网络模型的判别输出上,判别结果更为稳定、泛化性更好,为该模型在其他领域的推广提供了一定的借鉴性;为进一步确保突水水源判别的准确性、有效性,在密切结合煤矿水文地质条件的前提下,应选取具有代表性和准确性高的水化资料,有效发挥该判别方法对煤矿水害防治及措施制定的指导作用.     

基于BP神经网络股价预测的一种改进方法

为提高神经网络经济预测的泛化能力,对神经网络预测数据处理方法进行了改进,把对数据的归一化变为对数据增长量的归一化,因而只要被预测的增长量不超过以往的历史数据增长量,则不会发生外延问题。根据这一思路,采用个股(中国石化)收盘价的数据,通过对收盘价的增长量进行了归一化,得到新的时间序列,将该时间序列视为一个从输入到输出的非线性映射,用BP神经网络进行非线性映射的逼近。对网络进行学习与训练的仿真试验后,预测结果与实际结果的比较说明,改进方法有效。     

人在语言中如何突出自己

具有主体性的人类为使自己永远立于不败之地,体现自己高智能的价值,在与客观世界相适应的过程中,首先要在语言中突出自己.这是一个重要的语言现象.     

利用神经网络预测木材径向导热系数

利用神经网络所具有的输入-输出之间的高度非线性映射关系,给出一种利用BP神经网络模型预测木材径向导热系数的方法.为了提高网络模型的泛化能力,采用规则化调整的方法.仿真结果表明:利用文中所提出的神经网络模型能够较准确、快速地预测木材径向导热系数的变化,其精度高于推导出的木材径向导热系数的理论公式.