差值控制细胞神经网能够实现灰度图像滤波等复杂运算.针对原有差值控制细胞神经网中值滤波器在稳定性和可实现性上存在的不足,提出了一种伪中值滤波器(CNN PM-filter),进而引入Mask图构造了选点式伪中值滤波器.从实验结果和相关度分析可以看出,本文提出的两种滤波器在改善稳定性与实现性的同时,没有影响到滤波器的性能,而选点式伪中值滤波器能有效降低滤波造成的模糊图像,取得更佳处理效果

对于那些无法用数学方程式表述的复杂生产过程,提出一种基于模式识别原理的智能自动化新方法.该方法的基本点在于:从信息的角度出发,采用特征变量来描述过程工况,再用时间序列分析法建立预测模型,从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成像装置,并给出了建立预测模型的神经网络算法

§5－1 理想变压器 §5－2 运算放大器的电路模型 §5－3 含运放的电阻电路分析 §5－4 电路应用和计算机分析电路实例

§5－1 理想变压器 §5－2 运算放大器的电路模型 §5－3 含运放的电阻电路分析 §5－4 电路应用和计算机分析电路实例

§4－1 叠加定理 §4－2 戴维宁定理 §4-3 诺顿定理和含源单口的等效电路 §4－4 最大功率传输定理 §4－5 替代定理 §4－6 电路设计，电路应用和计算机分析电路实例

§4－1 叠加定理 §4－2 戴维宁定理 §4-3 诺顿定理和含源单口的等效电路 §4－4 最大功率传输定理 §4－5 替代定理 §4－6 电路设计，电路应用和计算机分析电路实例

以醇盐水解-氨气氮化法在SiC颗粒表面包覆TiN,然后采用放电等离子体烧结制备出(SiC)TiN/Cu复合材料.结果表明:醇盐水解-氨气氮化法能够制备出TiN包覆SiC复合粉末,TiN包覆层均匀连续,TiN颗粒的粒径为30~80nm.TiN包覆层能够促进复合材料的致密化并改善界面结合.(SiC)TiN/Cu复合材料的电导率介于15.5~35.7 m·Ω-1·mm-2之间,并且随着SiC体积分数的增加而降低.TiN包覆层和基体中网络结构TiN的存在能够有效提高复合材料的电导率.复合材料的电导率较接近P.G模型的预测值

细胞神经网络（CNN）的局部活动性理论为研究由同质介体构成的复杂系统动力学行为的突现和转化提供了有力工具，本文介绍了CNN的局部活动性原理；建立了确定具有3个端口和4个态变量CNN的局部活动性的一组定理；为绘制相应CNN的分歧图和研究在免疫监视下的细胞组织生长等生命现象提供了解析工具．

针对复杂生产过程中的工况识别问题,利用了模块化的设计方法,将其分为离线建模模块和在线决策模块.建模模块采用自适应延时神经网络构造各类工况相应的预测模型,决策模块通过计算未知工况序列相对于各类预测模型的匹配程度判断其所属类别

研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性