区间小波神经网络(I)-理论与实现

本文提出了前馈神经网络学习的一种新理论棗区间小波神经网络,不同于以往工作的是本工作的主要特点有:(1) 采用区间小波空间作为神经网络的学习基底空间,克服了以往神经网络基空间与被学习信号所属空间不匹配问题;(2) 由于采用区间小波理论,克服了原来被学习信号为适应神经网基空间而延拓所带来的不光滑性,使神经元数目得以节约,这在高维学习情形效果极为显著;(3) 神经单元所用活性函数不再为同一个函数.     

M-P神经元模型的几何意义及其应用

给出M-P神经元模型的几何意义,这个几何的铨释,给神经元一个非常直观的理解,利用这个直观的理解,给出两个颇为有趣的应用:(1)用此法给出三层前向神经网络的学习能力的基本定理的新的证明;(2)给出前向网络的拓扑结构设计的新方法.     

用吴方法求解可满足性问题(Ⅱ)--实验研究

本文使用随机3-SAT实例模型,对算法变换思想指导下设计的吴方法求解可满足性问题的算法进行了实验,并与语义归结、支持集归结和DP算法进行了对比.     

区间小波神经网络(II)——性质与模拟

证明了区间小波神经网络具有一致及Ｌ２逼近性质，且为相容的函数估计子，其学习收敛速度在ｄ维情形不随ｄ增大而减慢，本质上克服了神经网络高维学习的“维数灾难”问题，模拟实例验证了理论的正确性．     

基于激光雷达的移动机器人位姿估计方法综述

位姿估计是移动机器人研究的一个核心问题．本文综述了国内外基于激光雷达的移 动机器人位姿估计的最新进展，并对各种方法进行分类、比较和分析，从中归纳出应用中值 得注意的问题和发展趋势．     

利用神经网络发现分类规则

神经网络是目前公认的高精度分类器,但它的分类过程却令人难以理解,被称为“黑箱”,从而降低了它的可信度,且使其结果不易应用到其它相关领域。本文提出应用决策树模拟神经网络的隐节点和输出节点的决策过程的思想,在分类精度基本不变的前提下,将训练后的前馈神经网络利用遗传算法进行剪枝,再将其转换为含有若干棵树的森林结构,然后将每棵树看作一个分类器,利用决策树模拟每个分类器的分类过程,最后将决策树结构转化为若干     

基于规则面向属性的数据库归纳的无回溯算法

该文提出了基于规则的面向属性知识发现方法的无回溯算法.把背景知识理解为特殊的逻辑程序,并把它的子句展开为完全归结子句,然后按照用户要求,定义并确定每个属性的恰当层次.每个属性的多个值归纳为恰当层次中的值,只需一遍扫描,因此无需回溯.     

A new speaker verification method with global speaker model and likelihood score normalization

In this paper a new text-independent speaker verification method GSMSV is proposed based on likelihood score normalization.In this novel method a global speaker model is established to represent the universal features of speech and normalize the likelihood score.Statistical analysis demonstrates that this normalization method can remove common factors of speech and bring the differences between speakers into prominence.As a result the equal error rate is decreased significantly,verification procedure is accelerated and system adaptability to speaking speed is improved.     

基于模板匹配与人工神经网确认的人脸检测

本文提出了一种基于模板匹配与人工神经网确认的人脸检测算法.算法使用一组双眼-人脸模板对搜索侯选人脸,并在搜索过程中使用多层感知器进行确认,以减少错误报警.大量实验证明了该算法的有效性.     

区间小波神经网络(ⅠⅠ)--性质与模拟

证明了区间小波神经网络具有一致及L2逼近性质,且为相容的函数估计子,其学习收敛速度在d维情形不随d增大而减慢,本质上克服了神经网络高维学习的"维数灾难"问题,模拟实例验证了理论的正确性.