摘要：对称性是减少问题的自由度的一个强有力的工具 .但在实际的应用中 ,系统变换操作的总数目将随系统维数的增加而急剧上升 ,这给高维系统对称性的计算带来了极大的不便 ,从而使得对称性方法的应用受到了很大的限制 .本文以全互连结构的神经网络为例 ,提出一种基于遗传算法的搜索方法 ,在对称群Sn 中寻找网络的对称置换操作 ,给出了计算机上的模拟结果 ,并与传统的遍历搜索方法作比较 ,分析了各自的优缺点 .结果表明 ,这种基于遗传算法的搜索方法能够在极短的时间内找到网络的大部分对称置换操作 .这使得对称性方法在高维神经网络研究及设计中的应用成为可能 .

摘要：数据归一化是预处理中的重要组成部分,本文采用正常大鼠与I型糖尿病模型大鼠的尿液核磁共振谱图作为测试数据,研究了线归一、面归一和模归一3种数据预处理方法对代谢组学数据PCA分析结果的影响.分析结果表明,面归一预处理方法能够更好地在PC得分图上将对照组和糖尿病组的样本分开.此外,为了有选择性的去除代谢组学数据组中的噪声变量,本文引入新的参数R来评估PC得分图的分类效果,并把它引入适应度函数,设计相应的遗传算法,对代谢组学数据进行变量选择.经过变量选择后,主成分得分图上不同类别样本的可分性提高了,而且变量数大大地减少,更有利于特征代谢物的标记与识别.

摘要：用神经网络的自组织学习算法 ,对某班学生的语文、数学、英语、物理、化学这 5个科目的成绩进行无导师学习 ,观察网络的分类结果 .发现语文和数学两种课程的关联程度最低 ,说明它们是两门不同类型的学科 .其结论对于中小学的课程设计和安排具有一定的参考价值 .

摘要：目的:针对野战噪声条件下便携式野战医疗装备的语音交互性能受到影响的问题,设计一种小尺寸双麦前端系统。方法:该系统基于最小二乘准则实现小尺寸双麦波速形成,进而实现前端语音增强。系统硬件主要由双麦、信号预处理模块、嵌入式处理器、模拟数字转换器(analog to digital converter,ADC)、数字模拟转换器(digital to analog converter,DAC)、供电模块等组成。其中,双麦采用2个贴片式微机电系统(micro electro mechanical system,MEMS)麦克风,信号预处理模块、ADC、DAC内置在通用音频编码器WM8978中,嵌入式处理器采用STM32F405系列处理器,供电模块采用LM1117电压调节器芯片。系统软件采用KeilμVision4开发软件编译和测试。为验证该系统的性能,进行指向性实验和语音增强实验。结果:指向性实验结果表明,在0.5~2.0 kHz频率范围内,该系统在各频点的指向性一致性较好;语音增强实验结果表明,在枪声、监护仪报警、医疗器皿碰撞3类非平稳噪声条件下,该系统可有效提升语音的音质及识别率。结论:该系统能实现语音增强,可为便携式野战医疗装备的语音交互提供有效的支持。