人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

1.1 引言 1.2 线性系统的输入输出描述 1.3 线性系统的状态空间描述 1.4 系统状态空间描述的等价变换 1.5 线性定常组合系统的状态空间描述

一、理解GIS中模型的概念、特点和作用 二、掌握GIS空间分析的一般步骤 三、了解空间查询与量算的各种方法及其应用

在深入分析机架偏心作用机制的基础上,提出了轧机偏心补偿控制信息相域滤波提取方法,它利用机架偏心轧制作用强度与轧制过程中轧辊的机械转动相位密切相关的特点,将轧机的时域轧制数据转换为以轧辊转动相位为参变量的数据进行处理.在线性化相域空间中,与轧辊偏心作用相关的信号呈现出显著的周期化特征,而其余的原时域周期信号在转换过程中均被非周期化.在线性化相域空间中,将轧辊转动轧制作用的往复周期作为指定的循环统计量统计周期.理论分析表明,基于统计方法能够有效地消除噪声的影响,同时抑制非指定线性化相域循环分量,实现机架偏心特性信息的有效获取,其实质是线性化相域空间中的梳状滤波器滤波.依据统计获取的机架偏心特征信息可以为轧机偏心补偿提供一定的数据参考

针对标准的FCM算法没有考虑像素的空间信息而对噪声比较敏感和没有考虑不同样本数据对聚类效果的不同影响的不足,提出了一种顾及像素空间信息的基于图像的灰度直方图加权的FCM聚类算法,它在Szilagyi等提出的算法基础上通过引入图像的灰度直方图加权对算法中的目标函数进行修改.对人工合成图像和真实图像的数值模拟结果均显示出该算法的优良性能

本章介绍了地理信息系统在一些具体领域的应用。 由于GIS是用来管理、分析空间数据的信息系统,所以几乎所有的使用空间数据 和空间信息的部门都可以应用GIS。由于各个部门的不同,GS在具体业务系统中 所占的比重、应用方式也各异,结合比较紧密的如城市规划、环境领域等,相对松 散的有商业、医疗卫生领域

“精细农作”实践中,需要在较精细的空间尺度上,获取农田作物生产有关的 空间分布信息,包括利用不同的传感技术采集数据,采用适当的方法对数据进 行处理,转变为易于理解和利用的可视化空间分布图形信息,这主要靠电子信 息硬件与软件技术的支持。需要获取和处理的主要信息包括如下几方面:

“精细农作”的实践要分析农田作物产量和影响作物产量诸因素的空间分布差 异性,按空间小区差异性实施定位变量处方农作。因此,获取和处理农田中这 些空间分布的差异性数据,提取有利于优化作物管理决策,支持定位处方农作 的信息是十分重要的

给出了空间RSS’S机构速度和加速度分析的另一种方法——影响系数法,可以验证用求导法所得结果的正确性.对空间机构或机器人机构的执行构件进行实时控制时选择影响系数法,能提高在线控制速度

“精细农作”是“精细农业”技术体系的主要组成部分。他是 在作物生产管理中,根据农田小区产量和生长环境因素的空间 差异性,通过空间信息的聚类处理后,实施定位处方农作。因 此,进行以农田空间定位为基础的作物小区平均产量和影响作 物生长主要环境信息的采集与处理,是实施“精细农作”的基 础