一种基于卷积神经网络的快速识别朱墨时序方法

朱墨的时序检测在文件检测和司法公正领域中是较为常见的问题.由于判定结果的准确性无法准确衡量,提出了基于卷积神经网络快速识别朱墨时序的方法.基于不同时序的朱墨样本在朱墨重叠处图像色素点的区别,用卷积神经网络做有监督训练分类,最终达到识别图像朱墨顺序的 目的.在理想的实验条件下,同一支笔的预测准确率能达到93％以上,泛化能力高达86％.在加入高斯噪声后,同一支笔的预测准确率仍能达到82％以上,泛化能力达到80％,大幅度提高了朱墨时序图像识别的准确性和稳定性.     

SR-CNN融合决策的眼部状态识别方法

为了研究人眼状态识别对人眼定位的依赖性和实际使用中分类模型泛化能力不佳的问题,本文提出了一种基于选择性区域的卷积神经网络的融合决策的眼部状态识别方法。该方法用SR方法预处理wild人脸数据集,扩大了训练集的规模并引入了对眼部的先验知识,在此基础上训练卷积神经网络的分类模型进行眼部状态识别的评估。对比实验结果可知,基于SR-CNN融合决策的眼部状态识别方法测试的准确度能达到95%左右,显著降低了测试错误率,提高了模型的泛化能力和准确性。     

前馈神经网络的结构与泛化

泛化是前馈神经网络最重要的问题之一。本文从提高泛化能力方面对神经网络的拓扑结构问题进行了分析和研究，给出了基于提高泛化能力的网络拓扑结构构造算法。     

贝叶斯改进BP神经网络在织物染色配色中的应用

针对BP算法及其改进算法泛化能力不强的问题,探讨了用贝叶斯正规化算法与LM算法的结合来提高BP神经网络的泛化能力。结果表明,在相同网络规模或误差条件下,贝叶斯正规化算法泛化能力明显优于基本BP算法及其它改进的BP算法,且收敛速度较快。因此文中把贝叶斯正规化算法与LM算法结合应用到了织物染色的计算机配色中,其预测的配方和实验的数据比较接近,证明了该方法的可行性。     

前馈神经网络的结构与泛化

泛化是前馈神经网络最重要的问题之一。本文从提高泛化能力方面对神经网络的拓扑结构问题进行了分析和研究，给出了基于提高泛化能力的网络拓扑结构构造算法。     

基于进化神经网络的岩土边坡稳定性预测方法

根据岩土边坡的力学特性和几何尺寸,将遗传算法和人工神经网络有机结合在一起,建立了基于进化神经网络的岩土边坡稳定性预测方法.为了提高神经网络的计算效率和克服BP算法的局部极小的缺陷,采用遗传算法进化神经网络的连接权值和阈值.工程实际应用表明,采用遗传算法训练的神经网络预测岩土边坡的稳定性具有收敛速度快、范化能力强和非常高的预报精度.     

增益竞争对BP网络泛化能力改善的研究

以经过训练获得的神经网络模型作为预测控制中的预测模型时,神经网络模型的泛化能力至关重要。为提高网络的泛化能力,本文介绍一种ＧＢＰ（带有增益的ＢＰ网络）方法,它在标准ＢＰ网络中引入增益参数,通过使隐含层节点增益,根据其节是的相似性进行竞争,从而获取最佳的网络结构,在提高网络泛化能力的同时,本方法还能加快网络学习速度,仿真结果验证了本算法对于ＢＰ神经网络模型泛化能力的改善。     

基于模糊神经网络的边坡稳定性评价方法

针对模糊逻辑推理和人工神经网络各自的优势与局限,提出模糊逻辑与神经网络相结合的边坡稳定性评价方法。基于实测数据的回归分析,找出影响边坡稳定性的主要因素,建立模糊神经网络评价模型。通过对输入知识的预处理和输出知识的后处理,将模糊逻辑推理融入神经网络的非线性计算中;将模糊规则隐含分布于神经网络中,实现了模糊映射算法。选定将整个边坡的稳定状态视为同一变形规律的评价模式,利用所建模型对施工期岩质边坡稳定性进行综合评价。结果表明,该方法用于岩质边坡的稳定性评价取得了较好的效果。     

基于支持向量机的进化神经网络集成股市模型

利用粒子群优化算法的全局搜索功能,进化设计神经网络的网络结构与连接权,得到一组独立的神经网络集成个体.利用主成份分析法提取其综合信息,再用支持向量机回归方法对其处理,生成神经网络的输出结果,以此建立股市预测模型.通过实例验证,该方法能有效提高神经网络集成的泛化能力,模型的预测精度高、稳定性好、具有应用推广前景.     

土石混合体边坡的稳定性与大变形破坏分析

土石混合体边坡在自然界中广泛存在,其变形、破坏会对人类的生命财产造成重大损失。忽略块石的作用将其视为均质土坡进行研究往往过于简化。编制二维土石混合体边坡几何模型生成程序,采用极限平衡法、光滑流体动力学方法进行稳定性、大变形破坏分析,以研究块石含量对稳定性和冲击力的影响。为预测稳定性系数并计算失效概率,构建了深度神经网络模型。研究结果表明：当块石含量低于10%时,块石对边坡稳定性的影响很小;构建的神经网络模型能预测稳定性系数且相对误差在11%以内,可用于计算失效概率;冲击力时程曲线取决于块石含量、滑坡体方量、建筑物位置等多种因素。研究成果可为土石混合体滑坡的防灾减灾工作提供理论支持。     

结合N-W方法的L-M算法在变压器故障诊断中的应用

在分析Levenberg-Marquardt(L-M)算法和Nguyen-Widrow(N-W)方法原理的基础上,提出了一种多层前馈神经网络训练算法,该算法在使用N—W方法初始化神经网络可变参数的基础上使用L-M算法训练多层前馈神经网络。构造了适合于变压器油中溶解气体分析故障诊断的神经网络,使用了标准BP算法、加动量项BP算法和结合N-W方法的L-M算法训练该网络,结果表明算法收敛速度快、不容易陷入局部极小点。将训练所得网络用于变压器油中溶解气体分析故障诊断,诊断结果验证了该方法的有效性。     

可变扩频增益CDMA系统的功率速率联合控制

为了使移动通讯系统获取最大容量,针对可变扩频因子码分多址接入(CDMA)系统,给出了一种基于信干比(SIR)平衡的功率速率联合控制方案.该方案根据反馈的SIR动态地改变数据的速率和功率,其中功率控制优先于速率控制,当信道变化缓慢时,数据率保持在一个相对稳定的值上,调节发射功率来维持SIR平衡;当功率调节无法弥补信道的衰落时,则通过调节速率来维持SIR的平衡.仿真和分析结果显示,功率速率联合控制的方案显著地提高了系统的性能;参与判断改变数据速率的时隙数目的选取应针对不同的信道衰落环境来设置.     

Artificial neural network based inverse design method for circular sliding slopes

Current design method for circular sliding slopes is not so reasonable that it often results in slope sliding. As a result, artificial neural network (ANN) is used to establish an artificial neural network based inverse design method for circular sliding slopes. A sample set containing 21 successful circular sliding slopes excavated in the past is used to train the network. A test sample of 3 successful circular sliding slopes excavated in the past is used to test the trained network. The test results show that the ANN based inverse design method is valid and can be applied to the design of circular sliding slopes.     

Improvement of surface hydrophobicity on silicone rubber modified by CF4 radio frequency capacitively coupled plasma

In order to improve the surface hydrophobicity, silicone rubber (SIR) samples were exposed to CF₄ radio frequency (RF) capacitively coupled plasma (CCP). Attenuated total reflection Fourier transform infrared (ATR-FTIR) spectrum and X-ray photoelectron spectroscopy (XPS) were used to observe the variation of the functional groups of the modified SIR. Static contact angle (SCA) was employed to estimate the change of hydrophobicity of the modified SIR. The surface energy of SIR is reduced largely from 27.37 mJ/m² of original SIR sample to 2.94 mJ/m² of SIR sample treated by CF₄ CCP modification at RF power of 200 W for a treatment time of 5 min. According to the XPS, ATR-FTIR and surface energy analysis, it is suggested that the improvement of hydrophobicity on the modified SIR surface is mainly ascribed to the decrease of surface energy, which is caused by the cooperation of the fluosilicic structure of Si-F or Si-F₂ and the fluoric groups of C-CF _n induced by the methyl replacement reaction and residual methyl groups of SIR surface. Foundation item: Project(05JT1034) supported by the Plan of Science and Technology Bureau of Hunan Province, China     

人工神经网络模拟反应精馏过程的研究

提出了用BP（误差反向传播）神经网络模拟计算合成乙酸甲酯的新思路,模拟过程中采用学习速率可变的动量BP算法训练神经网络。结果表明：只要有充足可靠的数据为基础,采用学习速率可变的动量BP算法训练的神经网络的预测精度比普通BP算法的预测精度高10倍左右,且训练时间显著下降,是一种具有广泛应用前景的模拟方法。     

冠心病无创检测新方法及系统设计

提出了一种基于BP型人工神经网络的冠心病无创检测新方法,并设计了相应的诊断系统.该系统对人体体表心电信号进行处理,提取与冠心病有关的特征参数(RR间期,QRS波宽度,ST段电平和斜率),结合血压及个体基本信息(性别、年龄、体质量、是否吸烟等),利用BP型人工神经网络进行冠心病的无创检测和诊断.实验结果表明该方法具有一定的可操作性和实用性.     

窄带干扰情况下定时序列检测性能分析

分析了多载波系统在窄带干扰情况下定时测度的统计特性,根据定时测度的概率密度
分布特性,得到了定时序列的漏警概率和虚警概率. 研究结果显示,一般情况下,信干比(S
IR)对定时估计性能影响不大,当SIR较高时（大于10?dB）,噪声是影响估计性能的关键因
素. 对于一个给定值的SIR,干扰带宽对定时测度的均值和方差几乎没有影响. 当SIR小于15
?dB时,训练序列的漏警概率受窄带干扰(NBI)影响较大,虚警概率与信噪比(SNR)和SIR无
关,且近似为零. 该结果对定时同步算法的研究和定时序列检测都具有一定的参考价值.     

人工神经网络及粒子群优化算法在跟驰模型中的应用

在车辆跟驰现象中,驾驶员-车辆系统可视为一个非线性的动态系统,而人工神经网络(ANN)是开发非线性系统模型的有效工具,采用ANN技术建立了车辆跟驰模型,开发了基于粒子群优化(PSO)算法的ANN训练算法。测试结果表明,基于神经网络的跟驰模型比传统模型具有更强的鲁棒性,基于PSO算法的ANN训练方法能够避免陷入局部最优。     

基于人工神经网络的超临界小火焰模型研究

为了解决超临界小火焰燃烧模型数据库过于庞大,导致计算机内存不足和取值性能下降的问题,提出使用人工神经网络（ANN）进行建库的超临界小火焰/过程变量模型FPV-ANN. 在先验性分析及在超临界水热火焰的大涡模拟计算中发现,FPV-ANN方法在温度、组分和其他目标变量的分布与传统FPV方法得到的结果吻合,说明FPV-ANN方法的准确性与传统FPV方法一致. 由于人工神经网络小火焰库大小只有传统库的1%,FPV-ANN方法在大规模并行计算中消耗更少的计算机内存. FPV-ANN方法的计算速度比传统FPV方法提升了30%. 可以看出,提出的FPV-ANN方法具有更好的计算性能.     

应用人工神经网络预测PMV指标

介绍了人工神经网络的基本原理并将其应用于计算人体热感觉的PMV指标，根据有关数据显示神经网络的计算值与实际相吻合，说明神经网络是人体热感觉预测方法，其网络结构在HVAC非线性实时控制中优异显著。