基于量子门神经网络的车牌字符识别

针对车牌字符在车牌图象质量退化时识别率较低以及识别时间较长的问题,提出一种基于量子神经计算的车牌字符识别方法。该方法将通用量子门组作为神经网络的激活函数来实现量子神经计算,同时把字符的粗网格特征作为字符的识别特征进行车牌字符识别。实验结果表明,该方法能有效提高“带噪”车牌的识别率以及抗干扰能力。     

基于蚁群算法的神经网络规则抽取

从神经网络的功能性观点出发,将蚁群算法用于神经网络的规则抽取,为每个隐单元和输出单元生成各自的规则,然后依照网络的传导方向聚合这些规则,从而为整个网络抽取出理解性好、简洁的符号规则.该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种分类器型神经网络.实验结果表明了该方法的实用性和可行性.