首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 78 毫秒

1.  基于ART2神经网络的机械零件模式识别  被引次数:1
   李静蕊  王刚  周运金  宫云飞《哈尔滨工业大学学报》,2009年第41卷第3期
   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.    

2.  人工神经网络典型模型的比较研究  被引次数:6
   杜华英  赵跃龙《计算机技术与发展》,2006年第16卷第5期
   人工神经网络是近年来发展起来的一门新兴学科,具有较高的研究价值。介绍了人工神经网络的基本概念,针对人工神经网络在不同的应用领域如何选取问题,对感知器、BP网络、Hopfield网络和ART网络四种人工神经网络模型在优缺点、有无教师方式、学习规则、正反向传播、应用领域等方面进行了比较研究。可利用其特点有针对性地将人工神经网络应用于计算机视觉、图像处理、模式识别、信号处理、智能监控、机器人等不同领域。    

3.  人工神经网络典型模型的比较研究  
   杜华英  赵跃龙《微机发展》,2006年第16卷第5期
   人工神经网络是近年来发展起来的一门新兴学科,具有较高的研究价值。介绍了人工神经网络的基本概念,针对人工神经网络在不同的应用领域如何选取问题,对感知器、BP网络、Hopfield网络和ART网络四种人工神经网络模型在优缺点、有无教师方式、学习规则、正反向传播、应用领域等方面进行了比较研究。可利用其特点有针对性地将人工神经网络应用于计算机视觉、图像处理、模式识别、信号处理、智能监控、机器人等不同领域。    

4.  基于ART2神经网络算法改进的研究  被引次数:1
   吕秀江  王鹏翔  王德元《计算机技术与发展》,2009年第19卷第5期
   ART2神经网络是按照自适应谐振理论建立的一种自组织、无监督的人工神经网络.通过分析经典自适应谐振神经网络聚类过程,针对传统ART2神经网络模型对分类的不确定性和网络权值模式漂移等不足,提出了基于算法改进的ART2神经网络模型.最后对改进的ART2神经网络进行了仿真,并与经典神经网络所做仿真的结果比较,验证了改进的ART2神经网络结构大大提高了分类的正确率,有效改善了模式漂移现象.降低了空间存储消耗.    

5.  改进ART-2A神经网络在故障自诊断中的应用  
   刘智荣  马建辉  任宾《电光与控制》,2008年第15卷第10期
   ART-2A神经网络可以很好地应用于模式识别中的分类问题,但由于算法结构的不足,存在分类漂移现象,导致网络不稳定,严重影响了网络的工程应用.对标准ART-2A网络结构和算法过程进行了深入研究,分析了引起分类漂移的原因,提出了一种ART-2A神经网络改进算法,并通过故障自诊断实验进行网络稳定性和实用性验证.实验证明改进ART-2A神经网络能长期稳定工作,准确进行故障判别,实现系统的故障诊断自动化.    

6.  ART3神经网络的研究分析及应用  
   潘紫微  徐金梧《安徽工业大学学报》,1996年第2期
   在ART3神经网络模型的研究基础上,分析比较了ART3的分布式和压缩式识别码的模式识别情况,并且与ART2神经网络模式识别情况进行了比较,并将其应用在轴承故障诊断中.研究分析表明:ART3不仅继承了ART1和ART2神经网络的功能,而且还具备了相当强的功能和可扩展的潜力.    

7.  ART3神经网络的研究分析及应用  被引次数:1
   潘紫微 徐金梧《华东冶金学院学报》,1996年第13卷第2期
   在ART3神经网络模型的研究基础上,分析比较了ART3的分布式和压缩式识别码的模式识别情况,并且与ART2神经网络模式识别情况进行了比较,并将其应用在轴承故障诊断中,研究分析表明,ART3不仅继承了ART1和ART2神经网络的功能,而且还具备了相当强的功能和可扩展的潜力。    

8.  一种改进的基于 ART2神经网络的文字识别算法  
   何滔  赵莹莹《桂林电子科技大学学报》,2012年第3期
   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%.    

9.  基于ART-2神经网络及不变矩特征的图像模式识别  
   郝雷  石圣羽  宗晓萍  淮小利《计算机工程与应用》,2007年第43卷第30期
   将图像进行预处理并提取图像的特征,计算出图像的不变矩,利用ART-2神经网络完成了对图像的模式识别。通过实验证明ART-2神经网络具有较高的识别率,并很好地解决了神经网络在模式识别中面对识别对象出现新模式时,网络的可塑性与稳定性的矛盾。    

10.  一种基于强化学习的ART2神经网络——RL-ART2  
   樊建  费敏锐《模式识别与人工智能》,2008年第21卷第3期
   提出一种基于强化学习的ART2神经网络(RL-ART2),使其利用强化学习的特性通过与环境交互而无需训练样本即可进行在线学习,同时给出该神经网络的学习算法.当ART2神经网络运行时,通过内部竞争学习得到输出的分类模式,随后通过与环境交互得到神经网络分类模式的运行效果并对其进行评价.通过这种不断与环境的交互学习,当经过在线学习足够的时间和次数后,ART2神经网络即具有相当的识别率.移动机器人路径规划仿真实验表明,使用RL-ART2后与未使用前相比大大减少了机器人与障碍物的碰撞次数,实践证明该方法的合理性和有效性.    

11.  ART2神经网络调整子系统结构的改进  
   吕秀江  赵研  姚光顺  邓艳明《机械与电子》,2005年第11期
   ART2神经网络是按照自适应谐振理论建立的一种自组织、无监督的人工神经网络,可应用于连续的动态数据分类。但在实际应用中发现其理论存在“同相位不可分”的缺点。针对此问题提出了一种改进的ART2神经网络模型结构及其算法,进行了仿真,给出了与常用ART2网络所做仿真的结果比较。    

12.  基于OpenCV人眼定位的人脸检测方法  
   汪明明  林小竹《北京石油化工学院学报》,2012年第4期
   如何准确地定位人脸是人脸识别中非常关键而且重要的一步。笔者提出一种基于OpenCV人眼定位的人脸检测方法。利用从摄像头得到的视频图像中随机获取的单帧图像作为待处理人脸图像,通过人眼定位、图像旋转、分割以及缩放得到标准化后的人脸图像,再经过ART2神经网络的学习认知,计算其识别率。对比实验说明此方法能够应用于人脸识别,并具有较快的识别速度和良好的识别率,特别方便于实际应用。    

13.  一种基于有监督的ART算法的数字识别应用  
   严义  窦易文《计算机工程与设计》,2004年第25卷第12期
   介绍一种新型神经网络算法,并将其应用于数字识别。在识别过程中,数字摄像头在现场摄取的数字图像传输到计算机中经过预处理后,采用有监督的ART神经网络算法识别并得到识别结果。通过实验证明,有监督的ART神经网络算法可以提高识别速度和正确率,具有较大的实用价值。    

14.  神经网络的图像识别技术及方法分析  
   陈雪《通讯世界》,2016年第1期
   神经网络图像识别技术属于图像识别中一种新型技术,主要是基于传统图像识别方式及基础,同时结合了神经网络算法的图像识别方式.神经网络图像识别首先是提取图像特征,再将所提取的图像特征发送于神经网上,用识别器对其进行深层识别.或是BP神经网络图像识别方式无须进行图像提取,是将图像数据直接用作神经网络识别器输入.本文详细分析了神经网络图像识别技术及其方法分析,并提出实用性应用策略.    

15.  基于2DPCA和RBF神经网络的人脸识别方法  
   白雪飞  李茹《计算机工程与应用》,2007年第43卷第34期
   采用2DPCA方法提取人脸图像的特征值,通过RBF神经网络进行训练和识别,提出一种基于2DPCA和RBF神经网络的人脸识别方法,并将此方法应用于ORL人脸库。实验结果表明,该方法不仅具有较好的人脸图像识别能力,而且能明显缩短识别算法的运行时间。    

16.  一种基于ART2神经网络的算法改进  
   胡鑫  叶青  郭庚山《现代电子技术》,2014年第18期
   针对传统的ART2神经网络中对于主观设置的警戒参数以及识别分类过程中产生模式漂移的问题,提出基于改进算法的ART2神经网络模型,用于解决分析模式识别问题。通过自组织,加权,迭代等过程推导合理的警戒参数用于聚类运算,通过对ART2神经网络的权值训练方面进行修正,减缓学习速率,降低模式漂移速度,近一步对聚类对象进行合理分类。实验结果证明,该方法是可行的和有效的。    

17.  基于遗传策略和神经网络的非监督分类方法  被引次数:2
   黎 明  严超华  刘高航《软件学报》,1999年第10卷第12期
   文章提出了一种新的基于遗传策略和模糊ART(adaptive resonance theory)神经网络的非监督分类方法.首先,利用原有的训练样本对模糊ART神经网络进行非监督训练,然后,采用遗传策略为模糊ART神经网络增加各类族边界邻域内的训练样本点,再对模糊ART神经网络进行有监督训练.这种方法解决了训练样本在较少条件下的ART系列神经网络的学习与分类问题,提高了ART系列神经网络的分类性能,并扩展了其应用范围.    

18.  基于小生境技术的火灾图像识别算法  
   王海珍  廉佐政  滕艳平《计算机工程与科学》,2010年第32卷第11期
   火灾图像识别是火灾探测研究的重要组成部分。随着人工智能技术应用的不断深入,遗传算法和神经网络也被应用到火灾图像识别中。针对目前的遗传神经网络火灾图像识别算法、网络结构不易确定的问题,本文提出了一种基于小生境技术的火灾图像识别算法,即依据火灾图像识别的特点,建立了多层前向神经网络模型,模型的输入、输出层节点数确定,隐含层数、隐含层节点数待定;然后对网络结构和权值、阈值编码,分别采用小生境技术和传统遗传算法训练神经网络模型。实验结果显示,本算法可有效减少进化的代数,加快训练的过程,最后采用训练好的神经网络模型对火灾图像进行识别,取得了较好的效果。    

19.  基于小波包特征提取的ART1网络故障诊断研究  
   李洪《振动.测试与诊断》,2004年第24卷第4期
   系统阐述了小波包分解及ART1神经网络的基本理论和特点,在对故障诊断进行理论分析的基础上,结合ART1神经网络对输入矢量的要求,提出了一种差值门限方法,将小波包特征提取与ART1神经网络相结合进行动态系统的故障诊断。用MATLAB仿真了系统及其故障,对上述故障诊断方法进行了测试实验。实验结果表明,基于小波包特征提取的ART1神经网络故障诊断方法是可行的,能够应用于多个领域,其发展前景广阔。    

20.  汽车车架纵梁图像特征提取及识别  
   何强  李育宽  王华《制造业自动化》,2009年第31卷第12期
   本文在研究了多种汽车车架纵梁图像后,提出了基于小波变换理论和ART1神经网络的在线识别方法.针对汽车车架纵梁上孔的分布特征这一重点,采用两种方法进行特征提取.首先,通过小波分解提取图像小波系数能量特征;然后把纵梁图像分成16(4×4)个子块,根据本文提出的编码原则依次提取纵梁图像上孔的特征.将特征输入神经网络进行识别,实验表明本文提出的方法是有效的.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号