一种基于ART-2改进后的网格入侵检测模型

应用神经网络中的ART-2理论（adaptive resonance theory自适应共振理论）,在传统ART-2模型的基础上增加了伴随神经元和重置系统B,解决入侵检测系统中可能出现的对渐变过程不敏感从而导致的预分类不完全的问题,通过与基于传统ART-2的入侵检测模型及基于朴素贝叶斯的入侵检测模型的对比,发现改进后的ART-2神经网络打破了传统ART-2对渐变过程不敏感的局限性,使得新模型能够分辨渐变过程,提高了预分类的能力。     

基于联想竞争神经网络的静态织物疵点识别研究

在竞争神经网络的模型基础上,提出了一种新的联想竞争神经网络模型,并利用新的网络模型对织物疵点进行检测.实验结果表明,基于联想记忆的竞争神经网络模型算法, 具有较快的收敛速度并有较好的识别效果.     

深度连续卷积神经网络模型构建与性能分析

为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用抑制网络过拟合对模型进行优化.人脸表情、手写数字字符和彩色图像的目标识别实验表明,在图像较为复杂时,该模型在识别的准确性和泛化性能上比手工特征提取方法及一般的2、3层卷积结构具有明显的优势.     

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 ,且证实了基于RBF网络的电流保护的可行性     

基于遗传神经网络的手写体数字识别算法的探讨

针对神经网络BP算法在学习过程中的一些缺点,提出一种基于遗传算法与神经网络的手写数字识别新算法,将遗传算法与BP算法有机结合起来.文中给出了算法模型,并将此算法应用于手写体数字的识别中,实验结果证明它比单一BP算法有更佳的结果.     

基于ART2神经网络的机械零件模式识别

为了实现可靠的机械零件识别,设计了一套基于ART2神经网络的零件形状识别系统,采用一种新的图像特征,即对预处理后的图像进行正交傅里叶-梅林矩变换.该特征对图像大小、方位、强度变化具有良好的不变性.同时采用ART2神经网络识别方法,并进行了算法改进.实验结果表明,该系统能够进行有效识别.最后,对正交傅里叶-梅林矩的计算进行分析,并提出进一步研究的方向.     

基于小波分析和BP神经网络的图像特征提取

提出一种基于小波分析与神经网络复合模型的图像特征提取方法.利用二维离散小波变换对图像信号进行滤波和边缘提取,作为图像的输入量供BP网络识别分析.构建了3层BP神经网络模型对图像特征进行识别,采用模糊加权算子的模糊化分层,特征提取模板提取图像中的不同特征,输出层采用均方差权值输出.通过对由50幅图像组成的训练集合进行训练和实验验证,结果表明,本方法的分辩误差率在4%以内.     

一种改进的基于 ART2神经网络的文字识别算法

为了解决 ART2神经网络的漂移问题,提出了一种改进的基于 ART2神经网络的文字分类和识别方法.此方法能够自主学习,收敛速度快,识别率和识别速度都比 BP神经网络高.实践证明,基于此设计的脱机手写体文字识别系统能对较规范的手写体文字进行识别,识别率达到85%.     

一种基于数学形态学的植物病虫识别方法

首次应用数学形态学进行植物病虫识别,提出一种膨胀和腐蚀的快速算法用于提取病虫骨架特征.根据不同种类病虫骨架的几何矩特征,应用神经网络进行病虫识别.实验数据表明,这种基于数学形态学和神经网络的植物病虫识别方法正确识别率高,识别速度快,适合于植物病虫的识别.     

基于融合特征以及卷积神经网络的环境声音分类系统研究

环境声音识别系统主要基于深度神经网络以及种类繁多的听觉特征对环境声音进行分类识别。分析基于深度神经网络的环境分类任务中,哪种听觉特征更适合环境声音识别系统十分必要。选择了基于2个广泛使用的滤波器:梅尔和Gammatone滤波器组提取的3种声音特征。随后,提出了一个MFCC和GFCC融合的特征MGCC。最后采用文中提出的深度卷积神经网络来验证哪种特征更适合于环境声音的分类识别。实验结果表明,在基于神经网络的环境声音分类系统中,信号处理特征比频谱图特征的效果好,其中,MGCC特征具有比其他特征更好的性能。最后,用文中提出的MCC-CNN模型与其他环境声音分类模型在UrbanSound 8K数据集上进行了对比。实验结果表明,所提模型分类精度最好。     

ART-2 neural network based on eternal term memory vector： Architecture and algorithm

Aimed at the problem that the traditional ART-2 neural network can not recognize a gradually changing course, an eternal term memory (ETM) vector is introduced into ART-2 to simulate the function of human brain, i.e. the deep remembrance for the initial impression.. The eternal term memory vector is determined only by the initial vector that establishes category neuron node and is used to keep the remembrance for this vector for ever. Two times of vigilance algorithm are put forward, and the posterior input vector must first pass the first vigilance of this eternal term memory vector, only succeeded has it the qualification to begin the second vigilance of long term memory vector. The long term memory vector can be revised only when both of the vigilances are passed. Results of recognition examples show that the improved ART-2 overcomes the defect of traditional ART-2 and can recognize a gradually changing course effectively.     

平移不变模式变换与神经网络

提出了一种适于模式识别的复合网络,它由三个子网:异联想记忆网、二维局域连接神经网、分类网级联而成,其输入为模式的二维自相关系数,输出为预定的编码。这种神经网络与平移不变模式变换相结合,可以有效的进行平移不变模式识别,而且有很好的容错性和抗噪声能力。     

一种基于CMAC神经网络的板形模式识别新方法

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。     

基于BP神经网络的凝汽器的故障诊断

介绍了凝汽器的故障诊断常用的三种诊断方法,BP神经网络法、模糊诊断法、模糊模式识别法。通过比较发现BP神经网络相对于另外两种诊断方法具有明显的针对性和准确性。然后,在BP神经网络诊断的基础上进行了“基于BP神经网络的凝汽器的故障诊断”系统的开发。     

基于模糊距离的RBF神经网络板形模式识别

针对BP网络在板形缺陷模式识别的应用中,由于网络本身存在收敛速度慢,学习时间长,容易陷入局部极小等结构性能不佳的问题,从而影响板形识别精度;文中提出了基于模糊距离的RBF网络板形缺陷模式识别法.RBF网络是一种局部逼近的神经网络,它在逼近能力、分类能力和学习速度等方面都优于BP网络.为了使板宽变化时网络结构不变,将模糊距离与RBF网络相结合进行模式识别,仿真实验结果表明,该方法与BP网络方法相比,网络收敛速度较快,而且识别精度较高.     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。     

人民币纸币冠字号码字符识别方法研究

以倾斜校正算法和模式识别算法2项核心技术为目标,充分利用霍夫变换法和最小二乘法在直线检测中的优点,采用一种结合霍夫变换法和最小二乘法的直线检测算法来求得人民币纸币图像的边缘直线及边缘直线的倾斜角度参数,并采用图像旋转变换算法实现对原倾斜人民币图像的倾斜校正。采用Hopfield神经网络的联想记忆功能,缩小待识模式与标准模板的差异,再用模板匹配法对Hopfield神经网络的输出结果进行识别,得到最终的识别结果。实验证明,结合Hopfield神经网络和模板匹配法的人民币冠字号码识别方法具备较高的识别率。     

基于BP神经网络算法的手写数字识别技术研究

BP神经网络由于具有高度的并行结构和并行处理能力,以及固有的非线性特性和自学习、自组织、自适应能力等,特别适合应用于模式识别。以BP神经网络为背景,研究手写数字识别技术,在考虑诸多因素的情况下,最终设计一种能够提供良好识别的方法。根据研究目标,设计BP神经网络模型,并针对BP神经网络的缺陷提出BP神经网络算法的改进,提高了神经网络的性能。MATLAB仿真实验表明,改进后的BP神经网络可以对手写数字进行快速、准确地识别,具有广泛的应用前景.     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化 ,依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用 ,智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点 ,选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本 ,对CP网络进行了训练 ,再将实际的一组频率域特征参数输入到模式识别器中 ,对故障类型进行识别。结果表明 ,以CP神经网络构筑的故障模式识别器有很强的非线性映射能力 ,可对机械设备故障模式进行正确分类。