一种复合神经元网络结构的并行动力学及快速学习算法

提出两种功能互相不同的神经细胞组成的复合神经元网络(CNN)模型;导出一种特殊结构的CNN的并行动力学;而且证明了它的稳定性。在这些结果基础上,得到快速的假逆矩阵学习算法。计算机仿真试验证实学习算法与动力学稳定性的正确性,并表现出良好的容错性能与存储容量。     

长白山云冷杉林幼苗幼树空间分布格局及其更新特征

长白山云冷杉针阔混交林是我国东北主要的森林类型之一,其乔木树种幼苗幼树的结构和动态决定着未来林分的结构和生长动态。在长白山地区设置一块具有代表性的云冷杉针阔混交林幼苗幼树更新样地,统计分析幼苗幼树更新特征,绘制地径结构图、树高结构图及其空间分布图。运用点格局分析中的单变量O-ring统计方法,分析更新树种的空间分布格局;用双变量O-ring统计方法,分析更新树种种间的空间关联性。研究结果表明:(1)更新树种组成有冷杉(Abies nephrolepis)、色木槭(Acer mono)、紫椴(Tilia amurensis)、红皮云杉(Picea koraiensis)、红松(Pinus koraiensis)、蒙古栎(Quercus mongolica)、春榆(Ulmus japonica)7种,其中以冷杉、色木槭为主,更新幼苗幼树的地径近似呈倒J型分布,树高结构近似呈双峰分布;(2)所有更新树种、冷杉、色木槭在小尺度1—10 m的范围内呈聚集分布,随着尺度增加,聚集程度减弱,逐渐趋于均匀分布和随机分布,紫椴、云杉和红松在空间所有尺度上以随机分布为主;(3)更新树种之间的空间关联性在小尺度范围上正关联性比较多,较大尺度范围上负关联性比较多,随着尺度增加,空间关联性减弱。     

一种复合神经元网络结构的并行动力学及快速学习算法

提出两种功能互相不同的神经细胞组成的复合神经元网络(CNN)模型;导出一种特殊结构的CNN的并行动力学;而且证明了它的稳定性。在这些结果基础上,得到快速的假逆矩阵学习算法。计算机仿真试验证实学习算法与动力学稳定性的正确性,并表现出良好的容错性能与存储容量。     

长白山云冷杉针阔混交林天然更新空间分布格局及其异质性

2012年8月在长白山林区云冷杉针阔混交林中设置一块60 m×60 m典型更新样地,采用地统计学的半方差函数分析方法、分形维数和Kriging插值方法,分析林下天然更新幼苗幼树的空间分布格局及其异质性.结果表明:云冷杉针阔混交林更新层幼苗幼树以冷杉和色木槭为主,占更新总数的87.4%;样地中更新幼苗幼树呈聚集分布,聚集斑块最大半径为9.93 m;更新幼苗幼树之间具有很强的空间自相关性,其88.7%的变异由结构性因素(生物学、生态学特性和环境异质性)引起,11.3%的变异由随机性因素引起;更新幼苗幼树的空间分布表现出各向异性,南北方向上的分形维数最小,异质性最高,东北-西南方向上的分形维数最大,异质性最低;更新幼苗幼树树高比地径的空间异质性强;更新幼苗幼树地径和树高的空间自相关范围分别为29.97和31.86 m,随机因素和结构因素对其空间异质性的影响具有同等作用.