森林生态系统生物物理参数遥感反演研究进展

论述了利用遥感技术反演推算森林生态系统主要生物物理参数：叶面积指数、吸收光合有效辐射、净第一性生产力和生物量的技术、方法和模型及各个参量之间的相互关系研究进展,阐述了各研究方法、模型的特点、优势及局限性。特别论述了净第一性生产力的森林冠层光合作用理论模型基础、微波遥感估算森林生物量的应用优势和理论模型,展示了遥感技术在森林生态学研究中广阔的应用前景,同时也指出现有研究中各生物物理参数的定量遥感估算还有待进一步深入研究。     

人工神经网络与遗传算法相结合在作物估产中的应用——以吉林省玉米估产为例

在遗传算法(Genetic Algorithm)与误差反传(Back Propagation)网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并对吉林省梨树和德惠县的玉米进行了估产研究,同时与BP算法和灰色系统理论模型进行了比较.经检验,计算值与实际值接近,并优于灰色理论模型,具有良好的预测效果,从而为农作物估产提供了新方法.     

人工神经网络与遗传算法相结合在作物估产中的应用——以吉林省米估产为例

在遗传算法（Genetic Algorithm）与误差反传（Back Propagation）网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并对吉林省梨树和德惠县的玉米进行了估产研究,同时与BP算法和灰色系统理论模型进行了比较。经经验,计算值与实际值拉近,并优于灰色理论模型,具有良好的预测效果,从而为农作物估产提供了新方法。     

神经网络与人事决策研究的新范式

随着多特征决策研究的深入,传统方法已经不能回答更加细致的问题。细察精确预测的理论、建立模型与数据的形式关系成为更有希望的研究方向。神经网络模型设计用来模拟许多并行的认知和神经行为,具有样例学习和迁移适应能力．在解释和预测方面具有传统方法所不具备的潜力。神经网络能够同时表征线性补偿和非补偿规则,其应用已经渗透到许多学科领域。网络范式对于人事研究和应用也有价值,有研究表明神经网络可以用于人力资源管理的一般领域,成为人事决策研究的新范式。     

计算神经科学的一个范例

计算神经科学的最终目标,是要阐明人类和动物的神经系统是怎样使用它的微观组件及其相互作用来表征和处理信息的.这一目标体现在近半个世记以来神经网络研究的曲折发展之中.近10年来,计算神经科学已在三个主要方面发生了显著的变化:神经科学在分于、细胞、回路、网络、系统、行为乃至心理等各各个研究水平上的全面进展,使得我们对神经系统的结构与功能有了更多的认识;对大规模形式神经元网络理论模型的研究,使得我们对神经网络系统的协同行为和自发计算性能有了更加深刻的理解;包括超级计算机、高度并行的联结机和     

计算神经科学的一个范例

<正>计算神经科学的最终目标,是要阐明人类和动物的神经系统是怎样使用它的微观组件及其相互作用来表征和处理信息的.这一目标体现在近半个世记以来神经网络研究的曲折发展之中.近10年来,计算神经科学已在三个主要方面发生了显著的变化:神经科学在分于、细胞、回路、网络、系统、行为乃至心理等各各个研究水平上的全面进展,使得我们对神经系统的结构与功能有了更多的认识;对大规模形式神经元网络理论模型的研究,使得我们对神经网络系统的协同行为和自发计算性能有了更加深刻的理解;包括超级计算机、高度并行的联结机和     

稻纵卷叶螟发生程度的神经网络预警

利用神经网络的原理,结合500pb西太平洋副热带高压以及江苏省通州市稻纵卷叶螟发生程度的数据,建立了该地的神经网络中期预警模型,结果表明,这一方法是可行的,同时也说明了对分级量这样的离散数据可以直接进行建模预测。文中还讨论了其研究和应用前景。     

基于神经网络的复介电常数重建算法

提出将一种神经网络的方法应用于微波断层成象,重建复的介电常数图象。微波断层成象发展了二十多年,仍然处于实验阶段,这是因为必须求解逆散射问题,它具有非适应性和非线性。为了改善其非适应性及非线性,引入适当的正则化过程并且应用神经网络的方法来求解这个问题。数值模拟实例证明了此方法的有效性。     

人工神经网络模型及其在农业和生态学研究中的应用

对于一些复杂的农业生态系统,人们对其生态过程了解较少,且这些系统的不确定性和模糊性较大,用传统的方法难以模拟这些系统的行为,神经网络模型因为能较精确地模拟这些系统的行为,而引起生态学者们的广泛兴趣。该文着重介绍了误差逆传神经网络模型的结构、算法及其在农业和生态学中的应用研究。误差逆传神经网络模型一般采用三层神经网络模型结构,三层的神经网络模型能模拟任意复杂程度的连续函数,而且因为它的结构小而不容易产生与训练数据的过度吻合。误差逆传神经网络模型算法的主要特征是:利用当前的输入误差对权值进行调整。在生态学和农业研究中,误差逆传神经网络模型通常作为非线性函数模拟器用于预测作物产量、生物生产量、生物与环境之间的关系等。已有的研究表明:误差逆传神经网络模型的模拟精度要远远高于多元线性方程,类似于非线性方程,而在样本量足够的情况下,有一定的外推能力。但是误差逆传神经网络模型需要大量的样本量来保证所求取参数的可靠性,但这在实际研究中很难做到,因而限制了误差逆传神经网络模型的应用。近年来人们提出了强制训练停止、复合模型等多种技术来提高误差逆传神经网络模型的外推能力,也提出了Garson算法、敏感性分析以及随机化检验等技术对误差逆传神经网络模型的机理进行解释。误差逆传神经网络模型的真正优势在于模拟人们了解较少或不确定性和模糊性较大系统的行为,这些是传统模型所无法实现的,因而是对传统机理模型的重要补充。     

信息几何 －计算神经科学的几何学方法

信息几何是九十年代初开始形成的理论,它将流形上的现代微分几何方法引入到计算神经科学中,为神经网络和信息论提供了十分有用的新的数学工具,也为大脑信息传输方式引入新的观念。近年,信息几何在Boltzmann机、神经网络的学习方法、隐单元模型理论、统计推断及序列分析诸方面产生了成功的应用。理论的发展与丰富的应用显示出几何学方法在神经科学与信息科学中具有强大的作用。     

信息几何-计算神经科学的几何学方法

信息几何是九十年代初开始形成的理论,它将流形上的现代微分几何方法引入到计算神经科学中,为神经网络和信息论提供了十分有用的新的数学工具,也为大脑信息传输方式引入新的观念。近年,信息几何在Ｂｏｌｔｚｍａｎｎ机、神经网络的学习方法、隐单元模型理论、统计推断及序列分析诸方面产生了成功的应用。理论的发展与丰富的应用显示出几何学方法在神经科学与信息科学中具有强大的作用。     

遗传算法优化真菌深层培养过程神经网络模型物的研究

提出一种简单的真菌深层培养过程网络模型。输入变量为可在线测量的排气中的二氧化碳浓度,网络权数采用遗传算法进行优化训练。所获神经网络模型能准确预测培养过程的状态变量。研究表明遗传算法训练此类神经网络系统是可行的。     

人工神经网络模型在水稻群体分蘖动态模拟中外推能力的测试

研究利用人工神经网络模型 ,以水稻群体分蘖动态为例 ,采用交互验证和独立验证的方式 ,对水稻生长 BP网络模型进行了训练与模拟 ,其结果与水稻群体分蘖的积温统计模型、基本动力学模型和复合分蘖模型进行了比较。研究结果表明 ,神经网络模型具有一定的外推能力 ,但其外推能力依赖于大量的训练样本。神经网络模型具有较好的拟合能力 ,是因为有较多的模型参数 ,因此对神经网络模型的训练需要大量的参数来保证其参数不致过度吻合。具有外推能力神经网络模型的最少训练样本数应大于 6 .75倍于神经网络参数数目 ,小于 13.5倍于神经网络参数数目。因此在应用神经网络模型时 ,如果神经网络模型包括较多的输入变量时 ,可考虑采用主成分分析、对应分析等技术对输入变量进行信息综合 ,相应地减少网络模型的参数。另一方面 ,当训练样本不足时 ,最好只用神经网络模型对同一系统的情况进行模拟 ,应谨慎使用神经网络模型进行外推。神经网络模型给作物模拟研究的科学工作者提供了一个“傻瓜”式工具 ,对数学建模不熟悉的农业研究人员 ,人工神经网络可以替代数学建模进行仿真实验 ;对于精通数学建模的研究人员来说 ,它至少是一种补充和可作为比较的非线性数据处理方法     

基于BP神经网络的甲状腺癌无创诊断模型的研究

目的:运用BP神经网络技术建立甲状腺癌的无创诊断模型,评估该模型的预测诊断价值。方法:回顾性分析经术后病理证实为甲状腺癌39例与良性病变11例,提取出以上50例病例中手术前经过B超检查与甲状腺癌相关的8项图形特征,并进行评分量化,利用BP神经网络对50例病例进行学习和检验,建立甲状腺癌无创诊断模型。用该无创诊断模型对疑为甲状腺癌20例患者进行术前预测并与术后病理进行比较。结果:本文所建立的基于BP神经网络技术的无创诊断模型在甲状腺癌及甲状腺良性病变的预测诊断中达到了100%的准确率。结论:基于BP神经网络技术的无创诊断模型,在甲状腺癌及良性病变的预测诊断中具有较高的应用价值,这无疑对辅助B超诊断甲状腺良恶性病变提供了新的技术支撑和研究思路。     

应用神经网络和多元回归技术预测森林产量

应用传统统计技术常会因样本小和测量数据不符某种分布而受到限制。本文评价一种前馈型神经网络算法以预测落叶阔叶林产量。另外,还介绍一种由定性变为定量的数据变换方法,以用相对小的样本建立多元回归预测模型。数据变换方法有助于改善多元回归模型的预测效果。在本实验的条件下,研究结果表明神经网络技术能够产生最好的预测效果.     

遗传算法优化真菌深层培养过程神经网络模型的研究

提出一种简易的真菌深层培养过程网络模型。输入变量为可在线测量的排气中的二氧化碳浓度,网络权数采用遗传算法进行优化训练。所获神经网络模型能准确预测培养过程的状态变量(生物量浓度,产物浓度等)。研究表明遗传算法训练此类神经网络系统是可行的。     

基于自联想神经网络的谷氨酸发酵故障诊断

研究了用自联想神经网络对谷氨酸发酵进行故障诊断。自联想神经网络采用一种带有瓶颈层的特殊结构,且具有单位总增益。在经过大量样本的训练之后,各变量之间能够建立起内在联系。输入信息通过瓶颈层前的压缩及瓶颈层后的解压缩过程,信息中的精华将被提取。应用自联想神经网络对发酵过程变量进行预处理,可以准确及时的进行谷氨酸发酵故障诊断。     

种群生存力分析研究进展和趋势

种群生存力分析（PVA）是正在迅速发展的新方法,已成为保护生物学研究的热点。它主要研究随机干扰对小种群绝灭的影响,其目的是制定最小可存活种群（MVP）,把绝灭减少到可接受的水平。随机干扰可分四类;统计随机性,环境随机性,自然灾害和遗传随机性。确定MVP的方法有三种：理论模型,模拟模型,模拟模型和岛屿生物地理学方法。理论模型主要研究理想或特定条件下随机因素对种群的影响;模拟模型是利用计算机模拟种群绝灭过程;岛屿生物地理学方法主要分析岛屿物种的分布和存活,证实分析模型和模拟模型。已有大量的文献研究统计随机性,环境随机性和自然灾害的行为特征,但遗传因素与种群生存力之间的关系还不清楚。建立包括四种随机性的综合性模型,广泛地检验PVA模型,系统地研制目标种的遗传和生态特性以及MVP的实际应用是PVA的发展趋势。     

优异种质资源克4430-20在黑龙江省大豆育种中的应用

本文分析了克4430-20的来源及特征特性,研究了克4430-20作为优异亲本的利用情况及其衍生品种的生产应用情况.研究结果表明,克4430-20是黑龙江省衍生品种最多的大豆种质资源之一,以其作直接或间接亲本共衍生42个高产大豆品种.1个品种获国家科技进步二等奖,1个品种获国家科技进步三等奖,4个品种获省科技进步二等奖,2个品种获省科技进步三等奖.克4430-20在育种中的成功应用,说明优异大豆种质资源的创新对大豆育种至关重要,选择配合力高的亲本进行杂交组配可有效提高大豆的育种效率.     

基于LMI方法的多时滞中立型随机神经网络的ψ~γ稳定性

研究了一类具有多个时滞的中立型随机神经网络的均方φ~γ稳定性问题,应用Lyapunov-Krasovskii泛函稳定性理论和线性矩阵不等式(LMI)方法,建立了系统解的均方φ~γ稳定性判别准则.