深度学习的烟叶烘干状态识别算法

针对传统的烟叶烘烤系统模式单一,只能按照固定的程序运行,无法根据烟叶状态实时改变烘烤模式的问题,提出了一种改进的残差神经网络算法。该算法首先通过宽通道提取烟叶的色彩特征,通过深度卷积提取烟叶纹理的高维空间特征,其次模型输出的特征值进行正则化转化为概率值为0～1的概率分布,最后根据概率加权确定相应的烟叶状态。实验结果表明:该算法在烟叶状态识别方面有良好的表现。     

基于神经网络的红外图像变分辨率相关匹配算法

提出了一种基于神经网络的图像匹配算法.选取实际红外图像,提取目标对应的二进制编号作为BP网络的输入样本,目标的形心为输出样本构建BP神经网络.对网络进行抗干扰训练后,依据目标的形心特征进行了变分辨率相关匹配.分析、实验证明有较好的识别率,在提高目标单帧检测概率的同时,极大地提高了图像处理的实时性.     

太赫兹技术在烟叶香型分类中的应用

针对浓香型、中间型和清香型3种香型特征的烟叶,测定不同质量分数烟叶（烟叶与聚乙烯的混合物）的太赫兹透射光谱,并计算得到相应的太赫兹波段吸收系数和折射率谱线.结果发现,不同香型的烟叶对太赫兹时域信号会产生不同的延迟和衰减,所计算得到的吸收系数曲线和折射率曲线的变化规律和香气特征存在一一对应的关系.其中,烟叶香气浓郁程度与样本吸收系数呈正相关性,而与样本折射率呈现负相关性.本研究证实了其在烟叶质量评价方面应用的可能性.     

水下机器人推进器状态评估智能方法研究

为了保证水下机器人推进器运行的稳定性与可靠性,提出了一种状态评估方法.利用小波包分析法提取推进器电机的定子电流能量值,经过BP神经网络分类后输出属于每种模式的概率,根据概率计算出推进器的健康度.对推进器进行故障仿真实验,结果表明:小波包分析法能有效提取推进器不同故障模式下故障特征;实现了在有限数量样本的情况下模式的分类...     

基于概率神经网络的地下工程围岩稳定性预测

随着开采深度的增加,影响卷道围岩稳定性的因素更多,更复杂,并且更具有随机性.为了对深井巷道围岩稳定性进行有效的分类,考虑影响围岩稳定性因素的随机性,建立了围岩稳定性判定的概率神经网络模型(PNN),并利用MATLAB实现其识别过程.根据样本数据对所建模型进行训练后,将其运用于实际工程中的深井巷道围岩进行稳定性判定.研究表明:利用概率神经网络模型可对地下工程深井巷道围岩稳定性进行分析,概率神经网络模型为地下工程围岩稳定性分类提供了一种方法.     

概率神经网络在丽水——椒江凹陷月桂峰组沉积微相识别中的应用

由于海上钻井取芯较少,所以东海陆架盆地丽水—椒江凹陷古新统月桂峰组地层沉积微相识别存在局限.运用概率神经网络对研究区进行沉积微相识别.首先,通过地震相-沉积相响应分析和测井曲线主成分分析,发现研究区地震相和沉积相之间存在耦合对应关系,因此选择地震相作为概率神经网络输入项中的范畴自变量参数,同时提取出能对沉积微相区分较好的自然伽马、自然电位、声波时差、密度测井、补偿中子、井径测井曲线值作为概率神经网络输入项的数值自变量;然后,选用2 199个学习样本对神经网络进行训练,经过65次试验,搜索出变量的最佳平滑因子,建立研究区20种沉积微相类型的判别模式;最后,利用建立的神经网络对研究区沉积微相进行识别.结果表明：跟岩芯分析的结果对比,运用概率神经网络识别的结果准确率达到90％以上,该方法应用于未取芯井区域沉积微相的识别具有可行性.     

适用于目标跟踪的加权增量子空间学习算法

为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区域;然后将图像样本投影到该低维子空间中估计每个图像样本为目标图像区域的似然度,以具有最高似然度的样本作为目标在当前帧中的图像区域,通过加权增量的方式调整子空间.实验结果表明：相比基于其他增量子空间学习的跟踪算法,该算法能够稳定、准确地对运动目标进行跟踪.     

概率神经网络在煤与瓦斯突出中的应用

为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性.     

基于网格和密度的聚类神经网络结构优化

针对聚类神经网络初始权值与样本分类数的设定问题,提出一种基于网格和密度的聚类神经网络结构优化算法.以网格和密度为工具提取聚类样本的聚类中心,并由此确定样本分类数,从而对聚类神经网络结构进行优化,可以有效地提高神经网络的聚类效果,缩短样本聚类时间.     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度.该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果.     

基于WPNN与数据融合的损伤检测方法

目的 为了有效利用结构健康监测系统中的多源传感器数据信息，对复杂结构的健康状况进行诊断进而提高确诊率．方法 利用概率神经网络(PNN)的贝叶斯推理与诊断能力及多传感器数据融合原理，将神经网络与数据融合有机结合，使两者优势互补，提出了复杂结构损伤检测技术及其在多层框架结构中损伤检测及诊断中的应用．结果 提出了基于小波概率神经网络(WPNN)与数据融合的损伤检测方法．结论 基于WPNN与数据融合的损伤检测方法是可行的、有效的．     

概率内积空间的理论

本文对概率内积空间给出一新的定义。据此定义,建立了一些收敛性定理,Schwarg 不等式及概率内积空间的正交线性概念等,进一步讨论了此类空间与概率赋范空间之间的关系。     

基于HMM和PNN的语音情感识别研究

语音情感识别是从语音的角度赋予计算机理解情感特征的能力,最终使计算机能像人一样进行自然、亲切和生动的交互。提出了一种融合隐马尔科夫模型（hidden markov model,HMM）和概率神经网络（probabilistic neural network,PNN）的语音情感识别方法。在所设计情感识别系统中,提取出基本的韵律参数和频谱参数,利用PNN处理声学参数的统计特征,利用HMM处理声学参数的时序特征,运用加法规则和乘法规则融合了统计特征和时序特征的识别结果。实验结果显示,所提出的算法在语音情感识别中具有有效的识别能力。     

基于稳态循环谱特征的通信辐射源识别方法

为实现低信噪比环境下多种通信辐射源的高精度识别,提出了一种基于稳态循环谱特征的通信辐射源识别方法,利用循环谱频域截面谱对高斯噪声的强鲁棒性,提取不同辐射源成形滤波器间的本征差异进行识别.首先对接收到的稳态信号提取循环谱频域截面谱并利用主成分分析方法降维,之后分别采用皮尔逊相关系数法、概率神经网络、弗雷歇距离法等判决方法进行辐射源类别判决.仿真实验显示,该特征使用概率神经网络判决和皮尔逊相关系数法判决,显著优于传统循环频率域的切片特征,证明有一定应用价值.     

Artificial Neural Network Performing the Forward Operation of Color Appearance Model

A method of the forward operation of color appearance(from colorimetric attributes to color appearanceattributes)using an artificial neural network(ANN)is presented.The neural network model developed is a multilayerfeedforward neural network model for predicting color appearance model(CAM).This method greatly decreased themathematical computation in color appearance prediction.The error backed-propagation(BP)algorithm was applied     

基于内积方向的神经网络学习算法及应用

对二进前向感知器各神经元的样本空间进行了分析,利用其内积特性及吸引域概念提出一种快速、可靠、实用的学习算法．通过阈值设置与内积方向相联系,使神经网络具备可控制的容错能力,此神经网络结构简单,容易用硬件实现．通过实例说明了这种方案应用于模式分类、布尔函数逼近的途径及优良的性能．     

基于概率神经网络的资源型城市界定

针对城市可持续发展中城市分类问题，在建立了城市分类指标体系基础上，对于资源型城市界定，应用概率神经网络方法，提出了以分类指标数据为输入矢量，城市类型为输出矢量的网络模型，开发了相应的计算机程序。以此模型对黑龙江省地级以上城市进行了分类，分类结果与实际情况相符。     

神经元的几何形态分类

为了对不同神经元进行区分,采用L—Measure软件对神经元的几何形态进行特征提取,通过主成分分析对提取的特征降维进行处理。采用概率神经网络、BP（Back Propagation）神经网络和模糊分类器组成的分类器“投票”,对锥体神经元、普肯野神经元、运动神经元、感觉神经元、双级神经元、三级神经元和多级神经元7种神经元进行分类。实验证明,3种分类器组合分类的效果比其中任意一种分类器的效果都好,识别率更高。     

小波函数的选择对结构损伤识别的影响

目的 为了寻找出结构损伤识别中的最优小波函数，进而提高结构损伤的识别精度．方法 选取了几种常用的小波函数，运用小波分析提取能量特征，采用小波概率神经网络方法，对四层钢框架进行了损伤识别及小波函数对损伤识别影响的对比研究．结果 经过比较，发现采用函数曲线圆滑的Mexicancat小波函数识别精度可达100％，识别效果最好．结论 在结构损伤识别领域，选用非正交、正则性好、消失矩阶数大的小波函数具有一定的优势．     

概率神经网络在可疑交易监测中的应用及效率比较

通过概率神经网络PNN对金融交易时间序列数据的预测偏移误差分类实现对交易异常与否的分类,并将其与前馈神经网络BP、后馈神经网络Elman、竞争型神经网络LVQ、SOM等4种经典类型的分类效率进行比较,结果发现PNN在相近预测精度前提下在网络结构、运行效率方面都有明显优势,适合金融交易海量数据的监测分析.