基于LMI方法的时滞细胞神经网络稳定性分析

神经网络是一个复杂的大规模非线性系统，而时滞神经网络的动态行为更为丰富和复杂．现有的研究时滞神经网络稳定性的方法中最为流行的是Lyapunov方法．它把稳定性问题变为某些适当地定义在系统轨迹上的泛函，通过这些泛函相应的稳定性条件就可以获得．该文得到了时滞细胞神经网络渐近稳定性的一些充分条件．作者利用了泛函微分方程的Lyapunov—Krasovskii稳定性理论和线性矩阵不等式(LMI)方法，精炼和推广了一些已有的结果．它们比目前文献报道的结果更少保守．该文还给出了确定时滞细胞神经网络稳定性更多的判定准则．     

圆形工件的弹簧装配检测方法

为改善当前金属工件装配检测存在的成本高、效率低等问题,提出一种对复杂圆形金属工件适应性更高的零件检测方法。在图像增强阶段,引入自适应分数阶微分增强,结合图像梯度特征,突出工件的细节和纹理信息,提升后续检测的准确度。对于圆形轮廓的金属工件,引入极坐标转换,与传统的直角坐标处理方法相比,其具有效率高、处理过程清晰、不易出错的特点。在阈值检测阶段,通过长度阈值和灰度相关属性阈值对零件数量和类型进行判断。实验结果表明,该方法能准确地定位到圆形工件的弹簧区域,快速检测出弹簧零件区域的装配情况,大幅减少无效定位和不必要的计算,具有时效性高、准确性强的优点,可应用于该金属组件的自动化装配检测。     

基于神经网络的电影票房预测建模

针对电影票房预测与分类的研究中存在预测精度不高、缺乏实际应用价值等缺陷,通过对中国电影票房市场的研究,提出一种基于反馈神经网络的电影票房预测模型。首先,确定电影票房的影响因素以及输出结果格式;其次,对这些影响因子进行定量分析和归一量化处理;再次,根据确定的输入和输出变量确定各个网络层次神经元数量,建立神经网络结构,改进神经网络预测的算法和流程,建立票房预测模型;最后,用经过去噪处理的电影历史票房数据对神经网络进行训练。针对神经网络波动性的特点,对预测模型的输出结果进行改进之后,输出结果既能更可靠地反映电影在上映期间的票房收入,又能指出电影票房的波动范围。仿真结果表明,对于实验中的192部电影,基于神经网络算法的预测模型有较好的预测和分类性能(前5周票房的平均相对误差为43.2%,平均分类正确率可达93.69%),能够为电影在上映前的投资、宣传以及风险评估提供较全面、可靠的参考方案,在预测分类领域具有较好的应用价值和研究前景。     

基于改进Mean-Shift与自适应Kalman滤波的视频目标跟踪

提出一种改进的Mean-Shift和自适应Kalman滤波器相结合的视频运动目标跟踪算法。对选定的跟踪目标,采用三帧差和区域增长法分割目标并得到主颜色信息。在跟踪过程中,利用自适应的Kalman滤波器估计每一帧的起始迭代位置,再利用改进的Mean-Shift算法得到跟踪位置并作为测量值反馈给自适应Kalman滤波器,并引入遮挡率因子以自适应地调节Kalman估计参数。实验结果表明,该算法能对视频中的运动目标实现检测和连续跟踪,对遮挡也有较好的鲁棒性。     

基于深度自编码网络的高校招生咨询算法

高校招生在线咨询通常采用人工回复或基于关键词匹配的问答系统来处理,常存在人工回复效率低下,问答系统答非所问的问题;此外,咨询文本往往比较简短,文本向量化表示易导致高维稀疏问题。针对上述问题,提出一种基于栈式降噪稀疏自编码网络（SDSAE）的招生咨询算法。首先,利用自编码网络对短文本进行特征提取和降维,引入数据集增强技术和添加噪声技术解决训练样本规模较小且分类不均问题,提高算法的泛化能力;获得短文本低维特征表示后,结合反向传播（BP）算法对文本进行分类。所提算法分类效果优于BP、支持向量机（SVM）、极限学习机（ELM）等算法,能显著提高招生咨询文本的分类效果。     

分数阶偏微分方程在图像处理中的应用

分数阶偏微分方程在图像处理中的应用已受到了广泛的关注,尤其在图像去噪和图像超分辨率（SR）重建方面,目前的研究成果已显示了分数阶应用的优势与效果。对分数阶微积分在图像处理中的作用进行了分析;介绍并讨论了分数阶偏微分方程在图像去噪和图像超分辨率重建中的相关理论与模型;通过仿真实验表明,基于分数阶偏微分方程的方法在去噪和减少阶梯效应等方面比整数阶偏微分方程更具有优势;最后指出了未来的相关研究问题。     

连续时延耦合系统的混沌同步及其在保密通信中的应用

研究了具有连续时延双神经元系统的双向耦合混沌同步问题及在扩展频谱保密通信中的应用。利用Krasovskii-Lyapunov理论,给出了系统同步的一个充分条件,通过选择合适的耦合参数可以保证全局混沌同步。给出了使用混沌掩码技术在扩展频谱保密通信中的应用实例。