基于神经网络的局部放电模式识别方法研究

局部放电是评价在线高压电器绝缘状态的重要技术参数之一.绝缘缺陷和局部放电紧密关联,在线监测高压电器运行状态,实时采集绝缘局部放电信号并对其进行数理分析处理和属性分类,推断、预测绝缘缺陷部位及放电发展程度,可以预报预防事故发生.因此,局部放电模式识别技术的研究和理论探讨具有重要的工程应用价值和学术意义.因此,文中将神经网络应用于局部放电的模式识别并进行研究,对数据进行归一化处理后得到较好的网络收敛性和识别速度.     

神经网络的二值图像模式识别技术

文中论述的是以攻击空中目标为背景的近场图像探测装置对目标的一次性探测机理和识别原则,并根据系统的性能指标要求,在图像生过程中对目标的局部图像进行识别和处理。首先介绍了运动目标的一次性非完整图像的基本特征,图像的像点连接键描述和矩阵表示及不变性处理原则。再根据其识别准则,论述了一次性非完整目标图像基于人工神经网络的二值图像模式识别方法,这样提高了近场图像探测装置对目标的自动识别和抗干扰能力。文中还给出了人工神经网络二值图像模式识别处理系统的原理框图和仿真结果。     

基于改进的Hopfield离散神经网络的模式识别

本文介绍基于改进的Ｈｏｐｆｉｅｌｄ离散神经网络（ＩＨＤＮ）的模式识别。当一个要求存贮在网络中的模式输入时，我们计算它与其它模式的类似测试，并把类似测试在网络综合中加以考虑。当输入任一矢量时，由于网络的联想能力，该矢量将进化到与它距离最近的一个存贮模式中。理论分析和实验仿真结果表明，ＩＨＤＮ比原Ｈｏｐｆｉｅｌｄ离散神经网络（ＨＤＮ）有更大的存贮容量和更强的联想能力。     

基于谱图和神经网络的通信干扰模式识别方法

对通信系统受干扰的模式进行分析和模式识别,可以指导通信系统进行相应的自适应参数调整,以具有更强、更有针对性的抗干扰能力。研究宽带通信系统,利用多隐藏层的神经网络可以解决任意形式分类问题的特性,构建一种基于功率谱谱图和双隐藏层神经网络的通信干扰模式识别方法,可以对5种常见的通信干扰进行快速的模式识别。仿真结果表明,该通信干扰模式识别方法对干扰模式在不同的干噪比情况下能获得99.6%以上的平均识别概率,对除梳状谱干扰外的各种干扰模式识别准确率均达到99.7%以上,梳状谱干扰识别准确率达到98.4%以上。该方法具备较稳定的识别能力,可应用于干扰感知的流程中。     

一种用于受训神经网络数据挖掘的遗传算法

将受训神经网络应用于分类领域时如何更好地抽取符号化规则是当今学术界广泛研究的问题。随着网络节点数和连接成几何级数增长,以前那种对网络连接和输出值进行全面分析的方法不再适用。提出了一种新颖的遗传算法用于从受训神经网络中提取符号化的规则。经实验证明这种方法对于提取规则是可行的。     

一种用于模式识别的新型开关电流Hamming神经网络

本文首次提出了一种用于模式识别的新型开关电流Ｈａｍｍｉｎｇ神经网络，它采用电流镜计算待识模式与标准模式的匹配度，然后，通过开关电流型排序电路进行匹配度的比较并输出识别结果，该Ｈａｍｍｉｎｇ神经网络可以按匹配度大小的顺序依次输出匹配度以及相应的标准模式，这将十分有利于改善系统的性能同时，该Ｈａｍｍｉｎｇ网络还可以进行绝对拒识和相对拒识的判断，这大大地提高了系统的可靠性，通过ＰＳＰＩＣＥ模拟，结果表明     

具有转动不变性模式识别能力的三层光学神经网络模型

本文提出一种适于光学实现的三层神经网络模型,该模型具有对多目标转动不变的模式识别能力.该模型被用于对四种飞行器的平面内旋转识别.计算机仿真表明,该模型对样本模式、非样本模式以及有局部遮挡时,皆有良好的联想识别能力.     

BP网络参数对模式识别问题影响的研究

利用BP神经网络解决通信信号模式识别问题,在仿真过程中发现BP网络的各种参数对网络性能存在较大影响.并发现了BP网络参数选取的一些规律.     

神经网络专家系统在煤矿突水预测中的应用

本文提出了一种基于结合型外部知识表示方案的神经网络专家系统（ＮＮＥＳ）模型、基本结构及工作原理，并以煤矿突水预测专家系统为例说明了ＮＮＥＳ的应用。     

量子神经网络及其应用

量子计算与人工神经网络相结合的量子神经网络(Quantum Neural Networks,QNN)有可能成为未来信息处理的重要手段。分析了人工神经网络向QNN演变的动因及形式、QNN的优势及可能的物理实现方法。着重讨论了几种QNN模型的结构、学习方法及特性,并阐述了QNN在模式识别、纠缠计算、函数近似等方面的初步应用。     

一种基于神经网络进行通信网划分设计的并行算法

本文应用神经网络研究通信网设计中的划分问题。文中给出了一种基于神经网络求解图划分问题的并行算法。该算法验证了一些随机生成的例子（包括高达１００个顶点的问题）。计算机模拟结果表明该算法在１５步迭代之内求得较好解，优于传统的启发式算法。     

神经网络在电磁无损检测中的应用

研究了在涡流检测中用神经网络对经过不同热处理工艺所得工件进行分类的方法,针对BP神经网络学习算法的不足,提出了改进算法,提高了网络分类的可靠性。做到了所需特征参数少,且快速准确。     

解一般线性规划问题的神经网络

本文提出了一个解一般线性规划问题的神经网络，并在理论上予以了严格证明，对比增广的神经网络，新网络除了同优点外，还具有模型小的特点，最后，给出了网络的电路实现及模拟示例。     

约束优化神经网络建模和控制策略研究

根据人工神经网络的基本优化机理，研究了基于Ｌａｇｒａｎｇｅ函数的适合于求解一般约束问题的神经网络建模方法，探讨了神经元非线性度和拉氏乘子等提高网络优化设计效率的控制策略，测试结果证明了提出的网络和控制策略的可行性和有效性。     

神经元网络超大规模集成电路（VLSI）的实现

本文用MOS电路模拟一个生物神经细胞,并构成人工神经元网络。文中还给出了神经元电路的调整和测试方法。其测试结果表明这些电路能较好地模拟神经细胞的生物功能。     

同伦BP网络理论与算法

ＢＰ网络和算法是使用最广泛的神经网络模型之一，但由于它使用梯度算法，因而存在有固有的局域极小及收敛速度慢等问题。本文首先把一ＢＰ网络的优化问题变换为一非线性方程的求解，然后将同伦思想引入到神经网络学习训练之中，提出了相应的同伦ＢＰ网络理论与算法，它具有全局收敛的优点，同时具有比传统梯度法收敛速度快一个数量级以上和克服病态的能力，在ＢＰ梯度法不收敛时它也能给出正确解答。本文的理论证明和计算机仿真实验     

Handwritten Digits Recognition With Subgroup Neural Network

1IntroductionInrecentyears,theneuralnetworktheoryhascausedgreatintheareaofpatternrecognition.Themainreasonisthattheneuralnetworkhasmanyattractiveadvantages,whencomparedtotheconventionalpatternrecognitionmethods.AmongthevariousneuralnetworkmodelsIthebackpr…     

人工神经网络模型的对比分析及应用研究

20世纪80年代以来，人工神经网络技术在理论和应用研究方面有了快速的发展，并在众多科学领域取得了大量的应用研究成果。本文对近年来受到普遍重视的人工神经网络的典型模型的性质和学习算法等方面的研究做了较为详尽地叙述，并分析了各主要模型的应用及针对其缺点进行优化的问题。