基于遗传算法和BP网络的文字识别方法

将基于遗传的BP神经网络算法用于文字识别算法结合了遗传算法和BP网络的优点.先采用遗传学习算法进行全局寻优、再利用BP算法进行精确训练、优化BP(Back Propagation)神经网络权重学习和训练的神经网络文字识别算法.实验结果表明该算法完全达到了文字识别要求,识别率达到了98%.并且在识别速度上也明显优于传统的BP神经网络及其他改进算法,具有精确性、收敛性和识别速度快等特点.     

人工神经网络在计算机视觉中应用

人工神经网络的研究与应用正引起国际学术界的广泛关注.本文从计算机视觉的角度出发,以姿态测定和不变性识别为应用背景,对人工神经元网络的技术与应用进行了有益的搜索和研究. 首先,本文详细地研究和分析了最典型的人工神经网络——BP网络,对其学习算法、结构设计及其参数影响等问题给出了实验结果和理论说明,并在此基础上提出了BP网络的一般设计原则.     

改进BP算法的研究及应用

文中先对BP算法进行了分析,然后针对标准BP算法的不足进行了改进,通过对作用函数进行修正、自动调节学习率以及选择初始权值后得到了改进的BP算法,并给出了在车牌识别技术中的应用实例.对比分析识别数据,可以看出改进后的算法具有收敛速度快、识别时间短、识别率非常高等方面的优点,识别性能得到了很大优化.     

五种人民币序列号识别算法抗噪能力比较

为了比较不同的人工神经网络算法识别人民币序列号的性能,研究了离散Hopfield神经网络、BP神经网络、PNN神经网络、GRNN神经网络、SVM神经网络等五种算法的训练耗时、识别速度、识别率和抗噪声能力. 研究结果表明,在五种算法中BP算法的综合表现最差,其次为SVM和Hopfield算法,而PNN和GRNN算法表现最好,不仅识别率最高、训练和识别时间最短,而且具有较强的抗噪声能力.     

新型前馈网络学习算法在语音识别中的应用

简要介绍一种全新的前馈神经网络学习算法--代数算法,以该理论提出者针对这一算法做出的多方面的理论证明为基础,将此算法与传统BP算法相比较,利用其在网络结构和获取全局最优点方面具有传统BP算法不可比拟的优点,在matlab7.0实验平台上,分别把传统BP算法和此种新型学习算法应用于语音识别,通过仿真实验说明了新型算法的有效性,语音识别的精度在一定程度上得到了改善.     

一种改进的BP算法及其在车牌识别中的应用

在车牌识别系统中,如何提高字符识别的速度和准确率是很关键的问题。传统的BP算法可以实现非线性函数的映射,经过有监督式的学习规则可以达到比较好的识别效果。但是BP算法识别速度慢,而且容易陷入局部最优。本文借助增量PID算法的思想,提出了一种改进的BP神经网络算法,可以根据识别误差自动调整学习速率,而且不容易陷入局部最优。文章最后给出了仿真结果和程序实现。     

"弹性"BP神经网络在识别带有噪声字母中的应用

字符识别是模式识别中的一个典型应用,通过训练网络可以教会计算机如何识别字符,这在票据处理方面可以大大地提高效率.该文中所建立的神经网络具有Sigmoid型可微函数的三层BP神经网络,它可以以任意精度逼近任何连续函数,实现输入和输出之间的任意非线性映射.文中分析了BP神经网络的“弹性”学习算法,利用五位二进制数来识别的输出26种状态.建立的一个三层的BP神经网络能对带有噪声的26个英文大写字母进行识别.利用MATLAB编写仿真程序对BP神经网络进行训练,仿真结果表明训练的BP神经网络可以对给定的带有噪声的字母正确地识别.     

人工神经网络设计算法的研究

人工神经网络在计算机领域中仍然是一个有待进一步研究的问题.文中介绍了目前使用的几种不同的人工神经网络设计算法:BP算法、FP算法、多层前向网络的交叉覆盖设计算法.探讨了这些算法的应用和特点,并从原理和设计思路上进行了分析.对BP算法和交叉覆盖算法给出具体的测试结果,解释并说明了各种算法的优缺点.重点研究并介绍了目前流行的多层前向网络的交叉覆盖算法的设计思路和应用方法,测试结果证明了该方法在智能识别领域的有效性.     

SVM和BP算法在气体识别中的对比研究

介绍了一种可以应用于气体识别领域的新的算法-支持向量基算法(SVM),并通过同常规的神经网络算法-BP算法进行实验对比,得到了:SVM算法在数据样本不含噪声时可以得到和BP算法同样好的识别效果;在数据言本含有噪声时,该算法的识别效果相对BP算法具有明显的优势.从而证明了SVM算法在气体识别领域具有良好的研究价值和应用前景.     

基于粗糙集及RBF网络的英文字母识别

将粗糙集理论与神经网络相结合,针对7×5分辨率的大写英文字母,构建了基于RBF网络的字母识别系统,给出了该识别系统的核心算法与核心结构.该系统利用粗糙集中最小决策算法对识别矩阵进行属性约简,减少了大量的计算和数据库存储量,同时提高了系统识别速度和识别率.通过计算机模拟实验,将该识别系统的识别率与标准BP网络算法及改进BP网络算法相比较,证实了该系统的优越性,在有约1/7的像素点受到随机干扰的情况下,该系统识别率仍可达到88%以上.     

基于改进Kohonen网和BP网的色情图像识别技术

介绍了一种网络图像监管技术方案,在此基础上着重研究了基于Kohonen神经网络和BP网络的色情图像特征识别技术,而且通过引入分裂算法对Kohonen网赋初值,对BP网络采用随机样本输入以及动态调整学习率等方法,对识别技术进行了改进,使整个网络图像监督管技术取得了较好的识别效果。     

基于遗传BP算法的手写体识别

神经网络具有模拟人类的大脑活动、良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力.本文阐述了BP神经网络基本原理以及BP网络手写体识别模型,研究分析了BP神经网络手写体识别模型的缺陷并提出了优化策略.在此基础上,提出一种基于改进结构的BP神经网络来实现手写体数字识别方案,除了改进BP网的结构外,还对网络学习算法进行了改进,采用了BP和GA相结合的算法,提高了网络的学习训练速度和识别效果.     

改进神经网络算法在车牌识别中的应用

研究现代智能交通管理中的车牌准确识别问题.由于车牌图像存在模糊不清、倾斜,分割后字符图像笔画粗细不均、断续不完整等特殊性,导致传统车牌识别算法识别速度慢、识别正确率低,不能适应车牌识别的实时性要求.为了提高车牌识别正确率,提出一种BP神经网络的车牌识别算法.该算法首先对车牌字符图像进行归一化处理,消除图像中无用信息,然后对车牌字符进行特征提取,消除笔画粗细不均、断续不完整等影响,再将提取车牌字符特征输入到BP神经网络进行学习和识别,并采用动量因子和自适应学习速率对BP神经网络进行改进,加快其收敛速度,从而提高识别的实时性.仿真结果表明,改进用BP神经网络提高了车牌识别正确率和识别速度,缩短了识别时间,适合于实时性强的智能交通管理系统应用.     

基于BP神经网络人脸识别方法的研究与改进

人脸识别技术是计算机模式识别研究领域的重要课题,有着非常广泛的应用价值。而人脸识别的关键就是人脸的检测与人脸特征的提取。该文利用BP神经网络进行特征的提取和识别,提出了隐层神经元个数的选取原理,讨论了网络初始权值的设置原则等。并对BP算法进行了改进,提高了识别的正确率,减少了训练时间和计算量。     

基于MBP-RO混合学习策略的货币识别研究

神经网络模式识别方法是模式识别领域的一个新的研究方向,而BP算法是神经网络众多算法中应用最为广泛的一种.针对BP算法易于陷入局部极小值且收敛速度慢的缺陷,在BP神经网络训练过程中采用混合学习策略,并对建立的货币识别模型进行Matlab仿真.实验结果表明:MBP-RO模型使神经网络缩短了训练时间,获得了更高的识别速度和更好的识别效果,该模型在货币识别中具有一定的优势.     

基于BP神经网络的货币识别算法设计与实现

神经网络模式识别方法是近几年兴起的模式识别领域的一个新的研究方向,而BP算法是神经网络众多算法中应用最为广泛的一种.BP神经网络已应用于非线性建摸、函数逼近、模式分类等方面,但对解决具体问题而言,其模型结构的确定、每层神经元个数的选择、训练参数的设定等都无现成的规律可供遵循,必需由实验确定,由此,在分析BP算法和收敛性的基础上,设计了基于BP神经网络的货币识别算法,测试证明,其具有良好的识别率,具有一定的理论和实用意义.     

基于KBANN的调制识别仿真研究

BP网络广泛应用于多信号调制样式识别,但普通BP网络存在隐层数目难以确定、收敛速度慢、容易陷入局部最小等缺点.为了克服上述缺点,仿真研究了一种基于知识人工神经网络(KBANN)的信号调制样式识别算法.首先将C4.5算法引入信号特征参数的阈值分割,根据输出的决策树构造出具有决策树特征的拓扑结构,然后使用共轭梯度学习算法提高BP网络的收敛性能.仿真结果表明,与普通BP网络相比,基于知识神经网络的识别算法网络的结构易于实现、能有效改善网络收敛,并提高低信噪比下的正确识别率,为利用神经网络进行调制识别提供了新的思路.     

基于神经网络和模式匹配的股票预测研究

BP神经网络是分析股票数据最流行的工具之一.近期对模式匹配算法的研究表明模式匹配简化了股票趋势预测的复杂度并为股票市场预测提供了一种简单有效的方法.文中分别阐述了BP神经网络和模式匹配识别的原理,并提出将两种算法相结合,建立一个基于BP神经网络和模式匹配识别的股票市场分析和预测系统.这个系统克服了神经网络预测系统目标函数存在局部最小和模式匹配识别预测系统缺少股票价格自身变化特性的缺点,具有两种算法在股票预测应用方面的优势.通过对泰山石油的股价进行分析来测试这个系统.实验结果表明此方法不仅收敛速度快、预测精度高,而且易于操作,具有一定应用价值.     

神经网络的人民币序列号识别算法

研究人民币智能鉴伪问题,人民币序列号是人民币的“身份证”,优化识别人民币的真伪将直接影响经济秩序.由于人民币在流通过程中容易出现磨损、污染和缺损等,导致人民币序列号识别的正确率不高.为了提高人民币序列号识别的正确率,更好地鉴别出入民币的真伪,提出根据BP神经网络对人民币序列号识别算法.首先对人民币图像进行预处理,消除一些不利信息和噪声,然后对人民币序列号进行分割和归一化,并提取字符的特征向量,最后采用BP神经网络对字符进行仿真.仿真结果表明,BP神经网络识别算法的人民币序列号识别正确率达到97％以上,并且识别速度快,为人民币识别提供了有效方法.     

BP模型在模式识别中的应用

本文主要研究了BP模型在模式识别中的应用.首先介绍了BP模型在模式识别中的算法和特点,其次BP模型在二维图像中的识别应用.主要是二维图像中边缘检测方法的应用.