基于模糊神经网络的手势识别

本文通过对人手结构和手关节运动的分析,建立了手模型及其相应的数据结构。     

基于模糊神经网络的中成药组成药材识别

提出一种用于中成药组成药材识别的模糊推理神经网络。该网络借鉴自适应共振(ART)的思想，参考正规化模糊神经网络而构造。网络采用两阶段工作模式，首先根据中药材样本特征学习网络结构，而后再进行集中批学习网络参数。网络为中成药组成药材识别定制，也可用于中药材识别经实际测试，达到了预期效果，为中成药药方解析、中成药质量控制和鉴定提供了一个新方法。     

基于FEBM和模糊神经网络的模糊概念识别

在基于解释的机器学习问题上,近期提出的模糊模型FEBM（Fuzzy Explanation-Based Model)为模糊概念的识别和分类提供了一种很好的解决手段。在对该模型当对象的解释谓词在[0,1]上取确值的情况时,计算“对象属于概念C的真值”的公式进行适当调整的基础上,结合神经网络可以用于模式识别和分类的特点,提出了一种基于模糊神经网络和FEBM的模糊概念识别方法。实验表明,该方法是有效的和可行的,是关于该模型应用的一个极为有意义的尝试。     

基于模糊神经网络的汽车牌照识别算法

汽车牌照识别系统中影响识别率的行汽车牌照识别,其识别率很难提高;即使是加上基于结构的拓扑特征,识别率在一定程度上有所提高,但也提高不多.本文采用基于模糊极小极大神经网络的识别算法进行汽车牌照识别,识别率有了很大程度的提 .高.     

模糊神经网络在条形码识别中的应用

本文把模糊集合论的知识应用于自组织神经网络,提出一个模糊神经网络算法。新算法克服了一般神经网络方法共同面临的学习时间长、对网络参数敏感的弱点,广泛适用于一般的模式识别问题。对条形码识别问题的应用情况表明,新算法无论在网络学习的速度上还是在识别结果上都优于Ｋｏｈｏｎｅｎ的自组织神经网络方法。     

基于模糊模式的手写数字识别

手写体数字识别是一个难度很大,但却具有广阔应用前景的研究课题.文章提出了一种基于模糊模式识别和BP神经网络技术对手写数字进行识别的算法:首先应用BP神经网络技术对手写数字样本进行学习,然后结合模糊模式识别方法进行手写数字识别.实验表明,该方法的正确识别率达95%以上.     

基于BP神经网络的模糊参数辨识

提出一种与TSK模糊模型相似的模糊模型—M-2模型,证明了M-2模型与一个4层前向神经网络是等价的,在此基础上提出基于BP神经网络的模糊模型参数辨别算法,即通过BP神经网络对样本数据的学习,直接从样本数据获取模型参数,建立M-2模糊模型,通过仿真实例验证了该算法的有效性。     

无损检测中基于模糊逻辑的多传感器数据融合

模糊逻辑在多传感器数据融合中得到广泛的应用，但是基于模糊逻辑的多传感器数据融合在无损检测中的应用还是一个崭新的课题，本文给出了一种新的用于无损检测数据融合的模糊逻辑结构，并且给出了隶度函数以及运算符的定义，最后给出了例子阐明了这种结构在无损检测中的应用。     

基于模糊神经网络的气体检测

介绍了基于模糊神经网络(FNN)的气体检测系统.通过该系统,对甲醛气体进行了定量检测分析.实验结果表明:该系统能以较高的精度检测出气体的浓度,有一定的实用性.     

基于模糊神经网络方法实现茶味信号识别的研究

提出一种基于模糊c-均值聚类(FCM)的模糊神经网络模型用于荼味信号识剐的方法。该方法采用模糊c-均值聚类实现模糊神经网络中模糊子集及其隶属度函教的自动确定，并对模糊加权型推理法进行了改进，在此基础上构枣了一个模糊神经网络模型。通过5种茶味信号识别的仿真实验，表明本文提出方法的有效性。     

GA模糊神经网络在电梯群控交通流识别中应用

本文介绍了应用基于遗传算法的模糊神经网络的电梯群控系统的交通流模式的识别方法.采用正规化模糊神经网络学习和训练来识别电梯群控系统交通流模式,并用遗传算法优化输入特征向量的隶属函数,实验结果表明,该方法能够准确识别交通流模式.     

具有自适应类警戒参数的模糊ARTMAP神经网络

提出了一种具有自适应类警戒参数的模糊ＡＲＴＭＡＰ神经网络,为不同的模糊ＡＲＴ的类族设置了不同的警戒测试参数,并在学习过程中进行适应调整。还提出了新的非交叠超方形以及非交叠的Ｎｅｓｔｅｄ超主形的建立与扩展学习规则。     

用于特征维数不等识别问题的自组织模糊神经网络

一种用于特征维数不等识别问题的自组织模糊神经网络被提出。网络专为特征维数不相等一类模式识别问题而构造,具有结构自组织,基于知识和学习能力等基本特征,采用两阶段工作模式——结构学习和参数学习。网络首先根据样本自组织学习网络结构,而后再进行集中批学习网络参数。作者用基于中药材色谱保留时间和保留峰面积的特征样本进行构造、训练学习后得到了一个中药材、中成药组成药材模糊识别网络。该网络既可用于中药材的识别,也可用于识别组成中成药各味中药材的复杂模式识别问题。经实验测试,达到了预期效果,为中成药药方解析和质量控制探索出一条新路。     

基于多传感器模糊神经网络的水下目标识别

首先将模糊神经网络应用于单传感器潜艇目标识别，在此基础上将多传感器数据融合技术应用于目标识别。仿真结果证明：这种方法是可行的、高效的。     

基于改进卷积神经网络的电气绝缘子放电无损检测

为了提高电力设备的放电检测,该文根据绝缘子闪络试验得到放电特征数据库,设计了一种基于改进卷积神经网络（CNN）的电气绝缘子放电无损检测方法。改进CNN框架经多次非线性转换后增强卷积核提取特征的效果,降低了参数量,识别准确率获得明显提升。研究结果表明,正确率随训练次数的增加而升高,当训练率太大或太小时都会增加获得最高正确率的难度。在训练率为0.001时,可以使模型发生快速收敛,此时准确率达到98.3%。当训练率为0.001时,改进CNN比AlexNet算法达到最高准确率,获得了比BP算法更强收敛性能。该研究对准确定位电气绝缘子放电性能具有很好的实际指导意义。     

基于结构上下文的模糊神经网络自动目标检测方法

提出了一种基于结构上下文的模糊神经网络(SCFNN)自动目标检测方法。模糊神经网络方法既具有神经网络的自适应性、并行性、鲁棒性、容错性、优化等优点，又集成了模糊集理论运用知识、规则描述解决系统不确定性的优点，因此成为图像处理和模式识别的一种强有力工具。使用模糊测度作为神经网络的目标函数可以有效地描述像素类别的不确定性，从而通过使其最小实现图像分类优化。对网络神经元加权过程进行结构上下文信息约束可以充分减小图像信息尤其是目标边缘等特性包含丰富信息的损失，有效地保持目标的轮廓和形状等属性，改善目标检测的误检率。针对目标遥感图像的实验，验证了SCFNN方法具有很好的自动目标检测能力，而相对于传统神经网络方法，具有有效的不确定性解决能力和更好的目标形状保持能力。     

利用人工神经网络进行无损检测的探讨

无损检测的问题可视为特殊的模式识别的问题，而人工神经网络是处理模式识别最有效的技术和方法之一。本文探讨用人工神经网络的方法进行无损检测，并特别给出了用误差反向传播网络进行无损检测的方法。     

基于模糊模式识别的超圆神经网络模型

模糊模式识别是模糊集理论研究中的重要方向,神经网络是数据挖掘中的一种常用方法。超圆神经网络的学习时间和网络模型理解性都优于BP神经网络,它能以较少的数据量蕴涵同样的信息量。文章依据超圆神经网络模型思想,提出了一种新的基于模糊模式识别的神经网络模型算法,该算法继承了超圆神经网络的优点,能有效地对样本进行学习。     

基于旋转不变性小矩的神经网络飞机识别

哈尔滨一种新的基于神经网络的旋转不变性目标识别方法。不变性特征是图象小波变换所得的模值。网络是采用ＢＰ算法的３层前馈网络，实验表明该方法具有良好的效果。     

实时射线检测焊缝缺陷的模糊神经网络识别方法

通过对射线检测焊缝缺陷特征的分析，提出了用于焊缝缺陷识别的模糊神经网络模型，介绍了隶属度的构造和BP网络学习算法。实验表明，该方法对于焊缝缺陷的识别是有效的。