唐斌
- 作品数：32 被引量：111H指数：7
- 供职机构：上海交通大学更多>>
- 发文基金：国防科技技术预先研究基金中国航空科学基金国家自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术经济管理社会学更多>>
- 基于径向基函数神经网络的混沌系统控制
- 2006年
- 考虑到不同神经网络模型误差对混沌控制效果的影响,提出了采用一种改进的递阶遗传算法对径向基函数(RBF)神经网络进行训练,针对连续的Lorenz系统进行了仿真,并且与其它神经网络训练算法结果进行了比较,仿真结果证明所采用的训练算法具有更加理想的混沌控制效果。
- 李崇文臧小刚唐斌
- 关键词：混沌控制RBF神经网络混沌系统
- 采用免疫神经网络的对抗捷变频雷达的频率预测技术
- 频率捷变是现代军用雷达采用的一种基本技术。本文采用了基于免疫进化算法的前向神经网络实现捷变频雷达的频率预测。计算机仿真实验表明,同一般的BP神经网络预测器和基于进化算法的神经网络预测器相比,该算法提高了预测精度,加快了系...
- 唐斌胡光锐
- 关键词：捷变频雷达RBF网络进化算法免疫进化算法
- 文献传递
- 智能控制和故障诊断中的模糊建模与推理被引量：3
- 2000年
- 介绍了基于多层感知器网络的模糊规则自动生成算法 ,给出基于模糊模型的故障诊断推理方法 。
- 唐斌凌旭峰
- 关键词：故障诊断人工神经网络智能控制
- 说话人辨认中基于进化策略的最大互信息训练方法被引量：1
- 2003年
- 针对最大似然训练分辨能力的不足 ,把最大互信息训练方法引入到高斯混合模型 ( GMM)的训练中 ,并直接采用进化策略实现模型参数的全局训练 ,以模型与训练数据之间的互信息作为进化过程中个体的适应度 .该系统不仅分辨能力强 ,而且摆脱了局部搜索的缺陷 .实验结果表明 ,这种方法生成的说话人辨认系统的识别性能要优于传统的期望最大化算法 ( EM)
- 茅晓泉胡光锐唐斌
- 关键词：进化策略说话人辨认最大互信息
- 基于GA的n维空间优化参数的搜索算法被引量：7
- 2001年
- n维空间中函数优化、模式分类判别函数的确定等问题均可转化为n维空间优化参数的搜索问题。 采用人工神经网或梯度爬山算法均存在对优化函数形式有限制及陷入局部最优等局限性。提出一种基于遗传算法的n维空间优化参数的搜索算法，它采用对变化方向和长度的编码以及分层由粗到精的搜索，能实现全局寻优和改善搜索效率，有效地应用于工业优化、数据挖掘、模式识别等领域。 二个实例验证了算法的有效性。
- 唐斌凌旭峰杨杰
- 关键词：人工神经网络计算机集成制造系统能量函数搜索算法
- 一种基于最大互信息/进化计算混合结构的语音识别方法被引量：1
- 2002年
- 传统的最大互信息训练中一般采用梯度方法 ,这就使得所得模型往往只是一个局部最优模型 .文中将最大互信息 (MMI)和演化计算 (EC)相结合 ,引入到隐马尔柯夫模型 (HMM)的训练中去 .各模型集用个体表示 ,个体的适应值采用模型的最大互信息 .这样借助于进化计算的全局搜索及种群的特点 ,得到了基于最大互信息估计的 HMM模型的更优解 .实验结果表明 。
- 茅晓泉胡光锐唐斌
- 关键词：最大互信息进化计算混合结构语音识别
- 数字阵列雷达在空域抗干扰方面的优势和局限性分析被引量：7
- 2016年
- 分析了数字阵列雷达在空域抗有源干扰方面的优势,提出了一种适用于地面数字阵列雷达系统的综合抗干扰方法,该方法基于同时接收数字多波束的处理架构,能够在抗干扰的同时改善对低空飞行目标的测角精度。文中结合外场试验结果和实测数据进行了验证分析,还从现代雷达电子战的角度对数字阵列雷达的空域抗干扰的局限性进行了分析,以期望对新体制数字阵列雷达在抗干扰方面的优势和面临的挑战有一个更加全面的认识。
- 郁文贤舒汀唐斌陈新竹
- 关键词：数字阵列雷达抗有源干扰抗多径干扰雷达电子战
- 智能控制和故障诊断中的模糊建模与推理
- 介绍了基于多层感知器网络的模糊规则自动生成算法,给出基于模糊模型的故障诊断推理方法,从而能有效处理复杂系统的故障诊断。
- 唐斌凌旭峰
- 关键词：模糊控制故障诊断人工神经网络
- 文献传递
- 一种线性调频信号参数估计实时系统的设计被引量：2
- 2007年
- 首先简要分析了线性调频信号的特点和参数估计方法,提出了一种基于相关解调、STFT和最大似然估计的参数估计方法。该方法结合了各种方法的优点,在计算量小的情况下得到了比较高的估计精度,通过分析指出使用该方法设计的系统是在现有硬件条件下可实现的实时参数估计系统,并给出了该方法的具体步骤和方针结果。
- 华旭东臧小刚唐斌
- 关键词：线性调频信号解线性调频短时傅里叶变换最大似然估计
- 一种DHMM的混合训练方法被引量：9
- 2002年
- 隐马尔柯夫模型 (HMM)作为描述语音信号的一个工具 ,按输出概率分布的不同 ,可分为连续HMM(CHMM)和离散HMM(DHMM) .经典的训练方法Baum Welch算法虽然收敛迅速 ,但是这类基于爬山的算法只能取得局部最优解 ,从而影响了系统的识别率 .对于CHMM ,借助于分类K平均方法可以取得可靠的初始点以保证迅速准确的收敛 .而对于DHMM ,该方法收益不大 ,最终所得的仍是局部最优解 .由于进化计算一个最重要的特点便是全局搜索 ,这样可得全局最优解或次优解 .本文将进化计算应用到DHMM的训练中 ,提出了一个把传统算法和进化计算相结合的混合算法 .实验结果表明该方法既保证了全局搜索又实现了快速收敛 。
- 茅晓泉胡光锐唐斌
- 关键词：隐马尔柯夫模型语音识别
