图像识别算法在油田集输仿真培训中的应用

以石油企业中的油气集输系统为主要研究对象,针对目前虚拟仿真技术存在的问题和缺陷,对油气集输系统的虚拟仿真技术进行较深入研究。在对油气集输工具图像进行分析和实验研究的基础上,提取集输工具图像的多种特征值,其中利用 HSV 彩色空间提取图像颜色特征,采用傅立叶描述子提取图像的形状特征。并采用最小二乘支持向量机算法对图像进行识别,实现了员工在虚拟现实场景中真实、安全、高效培训,经现场实际使用取得了较好的应用效果。     

基于改进QPSO和RBF神经网络的文本分类方法

为提高文本分类的准确性,本文提出了一种基于量子PSO和RBF神经网络的新的文本分类方法.首先建立描述样本类别的关键词集合,并采用模糊向量空间模型建立每类样本的特征向量,然后采用RBF神经网络实施文本自动分类,采用改进的量子PSO优化RBF神经网络的参数,以提高其逼近能力.选取中国期刊网的部分文献作为实验数据,实验结果说明本文所提出方法的分类精准度与其他同类方法相比有明显的提高.     

一种量子衍生神经网络模型

为提高神经网络的逼近能力,通过在普通BP网络中引入量子旋转门,提出了一种新颖的量子衍生神经网络模型. 该模型隐层由量子神经元组成,每个量子神经元携带一组量子旋转门,用于更新隐层的量子权值,输入层和输出层均为普通神经元. 基于误差反传播算法设计了该模型的学习算法. 模式识别和函数逼近的实验结果验证了提出模型及算法的有效性.