三维人脸识别系统的摄像机标定方法研究

提出了一种三维人脸识别系统的标定方法,将BP神经网络和直接线性变换法(DLT)结合起来,用DLT标定双目摄像机的线性部分,用BP神经网络来描述系统的非线性部分.结果表明:该方法结合了神经网络和直接线性变换法的优点,利刚神经网络的非线性逼近能力,补偿由于镜头径向畸变、切向畸变等因素引起的系统非线性误差,并且精度高、抗噪声能力强、鲁棒性好.     

基于神经网络的NTC热敏电阻的校正模型

为了提高NTC热敏电阻的测温精度以及简化校正过程的步骤.选取型号为10K的NTC热敏电阻,对NTC热敏电阻的R-T关系进行标定,利用BP神经网络对其R-T关系进行非线性校正,将OFFICE数据库与MATLAB工具箱进行有机结合使用,利用误差评判原理求得绝对误差、平均误差以及均方差,对NTC热敏电阻温度计的BP神经网络非线性校正模型的精度进行评价,得到BP神经网络非线性校正模型精度比传统的校正方程的校正精度高.并且实际验证了此校正方程的测温精度可以满足更高精度要求的需要.     

传感器非线性校正的遗传支持向量机方法

针对传感器非线性校正中现有的较为常用的神经网络法的不足和支持向量机参数难确定的问题,提出了一种遗传算法和支持向量机相结合的方法,阐述了支持向量机的非线性校正原理和遗传算法优化支持向量机参数的实现过程,并分别采用BP神经网络法和遗传支持向量机方法对压力传感器进行非线性校正.实验结果表明: BP神经网络法使得传感器的最大相...     

基于IPSO-BPNN算法的开关磁阻发电机实验建模

文章实现了一种利用改进的粒子群算法优化BP神经网络(IPSO-BPNN)的建模方法,建立了SRG的非线性模型.该方法利用了BP神经网络较强的非线性处理能力和逼近能力,改进粒子群算法的引入克服了BP神经网络容易陷入局部最优及初值敏感的缺点.建模的实验数据采用间接测量法采集,分为训练样本与测试样本两个集合.建模效果表明IPSO-BP神经网络的泛化能力很强,可以近乎完美地表达SRG的磁链和转矩特性.     

基于粒子群优化BP神经网络的速度观测器

利用BP神经网络可以逼近任意的非线性关系的特点,构建一个神经网络速度观测器.由于BP神经网络的初始权值和阈值的选择存在随机性,对网络的性能影响很大,但又无法准确获得,提出将PSO算法与BP算法结合的方法,通过粒子群算法优化BP神经网络,得到最佳初始权值和阈值,提高了速度观测器的精度.通过实验采集的数据来训练这个神经网络,实验结果证明了该方法的有效性.     

基于遗传神经网络的风电场输出功率短期预测

针对风电场短期输出功率的时变性和非线性特点,提出了基于遗传神经网络的短期风电功率预测方法。结合BP网络对非线性问题良好的逼近能力和遗传算法优良的全局寻优能力,遗传算法有效解决了BP神经网络全局搜索能力差、易陷入局部极小值的问题。与BP神经网络模型相比,遗传神经网络模型预测精度有所提高,为风电场输出功率短期预测提供了一种有效的方法。     

用RBF神经网络逼近Volterra级数实现非线性噪声的消除

Volterra级数展开式的非线性滤波器由于综合地利用了线性和非线性项,因而比其他非线性滤波器具有更好的性能。但随着Volterra滤波器阶数的增加,对应的滤波系数个数呈几何级数增长,实现非常困难。本文利用RBF神经网络具有非线性函数的逼近能力和其局部逼近网络学习速度快的优点,用RBF神经网络逼近Volterra滤波器以实现非线性噪声消除。Matlab仿真结果表明了此方法的有效性。     

热工仪表非线性校正方法的研究

介绍了热工仪表非线性校正的两种方法。基于智能控制理论，提出了热工仪表非线性校正的数字线性化智能方法，给出了BP神经网络用于氧化锆氧量计非线性校正的具体实例，并结合火电厂DAS系统，给出了该方法的应用流程。     

BP神经网络在传感器非线性校正中的应用

针对热电偶和红外辐射温度计的非线性校正问题,介绍了神经网络的基本原理及BP神经网络在非线性拟合中的应用,对其参数的选择和在MATLAB下的实现方法进行了总结和叙述。     

BP算法改进及其在股票价格预测中的应用

介绍了神经网络的基本概念,BP算法是前馈神经网络中最终要的算法模型,但由于BP算法收敛速度慢,为了加速算法收敛,增加神经网络的稳定性,提出了L-M对股票指数预测模型。借助神经网络对非线性函数的逼近能力,对上证综合指数股价进行单步预测。用L-M和BP对预测结果进行比较,证明L-MBP算法用于指标预测准确性更高。