基于最小二乘支持向量机的农田水汽通量建模

支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法,已在模式识别、非线性建模等领域中得到了应用．本文将最小二乘支持向量机方法应用于农田水汽通量的建模中,并同前馈反向传播神经网络的建模性能进行了比较．结果表明,最小二乘支持向量机方法具有可调参数少、学习速度较快等优点,具有更好的推广能力,以更高的精度建立农田水汽通量模型．模型的敏感性分析进一步显示,用最小二乘支持向量机方法建立的农田水汽通量模型是合理可行的．     

带脉冲变系数的BAM神经网络的全局指数稳定性

在固定脉冲时刻,利用无需有界、单调和可微的李普希茨激励函数,来研究BAM脉冲神经网络,获得平衡点的存在唯一性和全局指数稳定性的充分条件,然后通过举例来验证所得结论的有效性．     

自组织特征人工神经网络在庞泉沟自然保护区植物群落分类中的应用

人工神经网络是较新的数学分析工具,其中的自组织特征映射网络（SOFM）具有较强的聚类功能。应用SOFM网络对庞泉沟自然保护区植物群落进行了分类研究。在讨论了SOFM网络的数学原理、聚类方法和步骤的前提下,分类过程在MATLAB（6.5）神经网络工具箱（NNTool）中编程实现。结果将89个样方分为13个植物群落类型。分类结果符合植被实际,生态意义明确,表明SOFM网络可以很好地反映植物群落的生态关系,是非常有效的植物群落数量分类方法。     

基于分类知识利用神经网络反演叶面积指数

叶面积指数（LAI,Leaf Area Index）是陆面过程中一个十分重要的输入参数,其遥感反演方法研究一直是国内外遥感应用研究的热点问题。基于统计的遥感反演方法由于缺乏物理基础,其可靠性和普适性差。基于物理的冠层反射模型的LAI反演方法克服了上述弊端,但是由于反演过程是病态的,模型反演结果一般不唯一。神经网络算法的介入可在一定程度上改善这一问题,但是模型反演的病态问题至今仍无法很好地解决。在PROSAIL模型敏感性分析的基础上提出了一种基于影像分类的神经网络反演方法,引进了土壤反射指数用于替代原模型中难以确定的土壤背景反射参数,分别针对不同植被类型建立各自的神经网络,对经过大气纠正后的Landsat ETM＋影像进行了模拟实验并同野外实测LAI数据进行比较。结果表明,对于LAI小于3的植被区该方法的反演精度比较可靠,而LAI大于3的植被区,反演的LAI偏小,原因归结为密植被的冠层反射在LAI大于3以后趋于饱和而无法敏感地表征LAI的变化所导致的。     

应用近红外光谱法估测小麦叶片糖氮比

糖氮比能够反映作物碳氮代谢的协调程度,及时、准确地监测糖氮比对于作物氮素营养诊断和调控具有重要意义.本研究以不同年份、品种、施氮水平的小麦大田试验为基础,获取鲜叶和粉末状干叶近红外(NIR)光谱及糖氮比信息,分别运用偏最小二乘法(partial least squares, PLS)、BP神经网络(back propagation neural network, BPNN)和小波神经网络(wavelet neural network, WNN)3种方法建立了小麦叶片糖氮比预测模型,并利用随机选择的样品集对所建模型进行测试和检验.结果表明： 小麦鲜叶光谱模型预测性能不佳;而干叶片预测模型表现了较好的准确性,在1655~2378 nm谱区范围内基于3种方法构建的干叶粉末糖氮比估算模型,其预测均方根误差均低于0.3%,决定系数均高于0.9.比较而言,WNN法表现最佳.总体显示,近红外光谱法可以准确预测小麦叶片糖氮比状况,为科学诊断糖氮比提供了理论基础和技术途径.     

基于BP神经网络的流域生态恢复度计算——以福建长汀朱溪小流域为例

以福建省长汀县朱溪小流域为研究对象,通过野外调查、室内分析以及遥感影像提取相结合的方法获取数据。利用Matlab7.0软件建立BP神经网络生态恢复模型,定量评价退化生态系统的恢复程度。选择土壤理化性质(有机质、全N、全P、全K、容重和p H)、植被结构(植被盖度)、物种多样性指数(Shannon-Wiener指数)和热环境(地表温度)等4个方面的9个指标建立退化生态系统评价体系,并作为生态恢复模型的输入层数据,生态恢复度作为输出层数据。使用Matlab7.0进行数据预处理、样本训练、样本检验并建立生态恢复模型。利用建立的生态恢复模型对整个朱溪小流域生态恢复度进行定量评价。结果表明,生态恢复模型预测结果与流域生态恢复的实际情况基本吻合,利用BP神经网络模型定量评价退化生态系统的恢复程度具有可行性。朱溪小流域内生态恢复程度极低的区域面积仅占0.94%,95.48%区域为中等恢复程度,说明生态保护措施已初见成效;生态恢复程度高的区域面积仅占3.62%,意味着未来仍需加强治理和保护工作。     

具有分布时滞离散Cohen-Grossberg神经网络的周期解

讨论了一类具有分布时滞离散Cohen-Grossberg神经网络模型,利用M-矩阵理论与适合的Lypunov函数,得到该类模型周期解的存在性与全局指数稳定性．     

带时间延迟的Cohen-Grossberg神经网络全局鲁棒稳定性的一个结果（英文）

在本文中,我们讨论了一类带时间延迟的Cohen-Grossberg神经网络,并研究了这个系统平衡点的全局鲁棒稳定性。利用Lyapunov函数,我们得出了全局鲁棒收敛性的几个充分条件。这些条件以线性矩阵不等式（LMI）的形式表达。因此,从计算的角度出发他们是高效的。另外,这些条件不依赖于时间延迟和神经网络的激发函数。     

一类混合时滞的非线性耦合神经网络的同步

主要讨论了一类混合时滞的非线性耦合神经网络的同步问题.同时,考虑随机扰动以及参数的切换由某个马尔可夫链所确定等方面对其的影响.文中通过构造新的Lyapunov-Krasovskii泛函,运用线性矩阵不等式（LMI）技术并结合Kronecker积来获得神经网络全局同步的充分性判据.由于这样得到的判据是LMI形式,因此可以由数学软件Matlab的LMI Toolbox对所获得的判据进行有效的验证和求解.此外,本文中我们对细胞激活函数做了更为一般的假设,从而使结论在LMI下可以减少保守性.     

神经网络在蛋白质二级结构预测中的应用

介绍了蛋白质二级结构预测的研究意义,讨论了用在蛋白质二级结构预测方面的神经网络设计问题,并且较详尽地评述了近些年来用神经网络方法在蛋白质二级结构预测中的主要工作进展情况,展望了蛋白质结构预测的前景。