神经网络对手写字符识别特征的提取

神经网络对手写字符有较强的识别能力,关键在于特征的提取。本文提出按字符字段和 均匀网络结构浓度提取手写文字特征的改进方法。     

一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

基于扇形特征和BP神经网络算法的字符识别

目的 根据字符的扇形特征提取方法,BP神经网络算法,寻求一种识别率较高的字符识别方法.方法 将待识别的文件进行图像预处理,然后对处理后的单字符使用扇形算法提取出32个特征量,组成特征向量,采用BP神经网络对特征向量进行训练和识别,最后应用选择性阈值最小距离方法对输出结果进行判断,减少误识别率.结果 通过使用扇形特征提取方法、BP神经网络和选择性阈值最小距离方法,达到了较好的字符识别效果,实验结果表明该方法识别精度较高,训练时间较短.结论 保持一定数量以上的训练样本和训练次数,可进一步提高字符识别的正确率.采用扇形特征和BP神经网络算法可应用于字符识别.     

基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

神经网络在手写体字符识别中的应用研究

总结了神经网络被用于手写体字符识别分类中的应用情况，分析了所采用的反向传播神经网络、径向基函数神经网络、自组织神经网络等网络模型及其最新的应用情况，详细介绍了神经网络集成的一些方法,并根据目前的研究现状，指出用于分类器设计的神经网络集成方法和理论研究是未来的重要研究课题.     

基于BP神经网络的车牌字符识别

自动车牌识别作为高精度的车辆识别中的核心技术,在智能交通中发挥着日益关键的作用．构建一种改进的BP神经网络识别车牌字符,并在VC＋＋6．0环境下测试,实验结果表明系统具有良好的有效性,并能满足实时车牌识别的要求．     

Li-Hopfield神经网络用于汉字字符识别

提出了一种Li-Hopfield网络,解决了Hopfield神经网络能量函数存在积分项、振荡收敛、计算复杂等问题,并继承了Hopfield网络的结构与Li网络的优点.同时发现基于部首拆分的汉字字符识别可以忽视甚至利用该网络的虚假稳定点,从而使样本存储量降为传统Hopfileld网络的1.44%,表明该算法有效且快速.     

基于神经网络方法的噪声字符识别研究

文献【1】提出了一种基于布尔神经网络的字符识别方法．本丈采用离散型Hopfield神经网络进行字符识别．该模型与前者相比在信息处理的并行性和实时性等方面更接近实际生物神经网络．仿真结果表明，该方法可以有效地对噪声字符进行识别．     

Ｌｉ Ｈｏｐｆｉｅｌｄ神经网络用于汉字字符识别

提出了一种Ｌｉ Ｈｏｐｆｉｅｌｄ网络,解决了Ｈｏｐｆｉｅｌｄ神经网络能量函数存在积分项、振荡收敛、计算复杂等问题,并继承了Ｈｏｐｆｉｅｌｄ网络的结构与Ｌｉ网络的优点．同时发现基于部首拆分的汉字字符识别可以忽视甚至利用该网络的虚假稳定点,从而使样本存储量降为传统Ｈｏｐｆｉｅｌｄ网络的１４４％,表明该算法有效且快速．     

基于ICA和神经网络的手写体字符识别系统

探讨独立分量分析在字符识别系统中的应用.在分析图像处理及其特征提取的基础上,提出一种可有效提高字符识别精度、降低误识率的基于独立分量分析和神经网络的手写体字符识别系统.实验表明,提出的字符识别系统与单独基于神经网络的字符识别系统相比,其识别率和适应性优越,适合应用于对字符识别精度要求高的场合.     

基于脉冲耦合神经网络的目标特征抽取方法

为解决待识别目标的特征抽取问题,提出了一种脉冲耦合神经网络结合形状信息的图像混合特征抽取方法。该方法利用脉冲耦合神经网络将图像空域信号转化为时域信号的特性,结合物体形状信息,对图像的灰度和形状进行了统一描述。实验结果证明,该方法在一定程度上对物体的形变、平移、缩放不敏感,对目标识别系统是一种很好的特征抽取方法。     

基于BP网络和LS-SVM的特征提取和故障识别方法

针对设备故障诊断过程中构建特征参数冗余,且进行高分辨率信息压缩所需的映射通常具有非线性的问题,应用BP神经网络提取设备状态特征,给出了进行设备状态特征集约简的实施方法.然后利用最小二乘支持向量机(LS-SVM)分类器的训练过程遵循结构风险最小化原则,能够避免传统机器学习的模型选择、过学习、局部极小等问题,具有有效解决非线性和高维模式识别问题的优点,构建了故障识别模型.最后将基于BP网络和LS-SVM的特征提取和故障识别方法用于离心泵机组的四种工作状态识别,并进行了ROC曲线分析,研究结果表明诊断实验的性能评价为优.     

神经网络训练的一种随机方法

研究了一种随机寻优方法－Ａｌｏｐｅｘ算法在神经网络权值训练中的应用问题。对Ａｌｏｐｅｘ算法进行了分析和改进。优化了算法中随机扰动的作用方式，改善了温度的变化过程，使用前向神经网络和递归神经网络进行比较实验，仿真结果表明改进后的算法具有更快的收敛速度。     

RBF神经网络用于工件边缘特征参数的提取

提出一种基于径向基函数神经网络（RBFNN）的工作特征参数提取的方法,采用了两个径向基函数神经网络,利用第一个RBFNN分别求出工件的边缘点pi邻域内的顺时针边缘与逆时针边缘与x轴的夹角,两边缘夹角小的边缘点pi被认为是具有高曲率的角顶点。根据工件边缘曲线的特征,建立了各种边缘的曲率符号模型,用该模型训练第二个RBFNN,从而识别具有低曲率的切点和拐点及边缘曲线的类型。采用神经网络的方法提取工件特征参数,能准确地定位特征点。     

Inverse Control of Nonlinear Servo System Based on Neural Networks

ＩｎｖｅｒｓｅＣｏｎｔｒｏｌｏｆＮｏｎｌｉｎｅａｒＳｅｒｖｏＳｙｓｔｅｍＢａｓｅｄｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓＷＡＮＧＣｈａｎｇｈｏｎｇＸＵＬｉｘｉｎＧＡＯＸｉａｏｚｈｉＺＨＵＡＮＧＸｉａｎｙｉ（王常虹）（徐立新）（高晓智）（庄显义）（Ｄｅｐｔ．...     

基于神经网络实现的PID控制器

介绍了一种基于神经网络自学习ＰＩＤ控制器。该控制器不仅具有自学习自适应能力,而且具有自调整比例因子功能。实验表明,该控制器能够提高温度控制系统的动态特性和对环境的鲁棒性。     

基于神经网络的表面粗糙度识别算法

提出一种新的表面粗糙度识别算法,该算法利用从标准样块上通过采样得到的散射光强度分布数据,把表征光强分布的数据和样块的标称值分别作为神经网络的输入和输出,采用改进的ＢＰ算法对神经网络进行训练。训练后,把某一工件的散射光强度分布数据输入给神经网络,则网络的输出就是该样块的表面粗糙度数值。该算法充分利用了神经网络的泛化能力和学习能力,可正确识别Ｒａ在０．８μｍ以下的被测表面,并可避免误识别     

管类内表面检测图象分类器的研制

本文论述了多层前馈神经网络在工业图象视觉检测中的应用，并介绍了一个对高精度管道类内表面进行瑕点、条纹、裂痕等疵病进行实时检测的高性能图象识别系统。该系统采用多层感知器作为规则检测器对被测图象进行特征提取和分类识别，充分利用了人工种经网络所具有的信息分布式存储、大规模自适应并行处理以及高度的容错性等性能。     

基于神经网络的电站锅炉漏风诊断

基于人工神经网络提出了一种有效的电站锅炉漏风部位诊断的方法,以额定工况下不同受热面出口烟气温度为特征参数,建立了神经网络漏风部位诊断模型,此模型可以有效的诊断锅炉漏风情况,仿真测试结果表明了这种方法的有效性。     

多层神经网络学习算法的研究

在样本的学习过程中引入了求解复杂优化问题比较有效的多级优化技术，将一个复杂的多层神经网络权值优化问题分解成多个相对简单的优化子问题，然后利用迭代的策略进行求解，并提出了一种改进的ＢＰ算法，提高了学习效率。