参数自整定模糊控制器在弧焊焊缝跟踪中的应用

本文阐述了焊缝跟踪参数自整定模糊控制器的工作原理，提出了比例因子和量化因子自动调节的方案和实现方法，介绍了模糊控制器的具体设计步骤和单片机参数自整定模糊控制系统的软硬件设计。结果表明，在焊缝跟踪中采用参数自整定模糊控制器可以明显改善系统的性能。     

应用自组织人工神经网络对磨削烧伤在线辨识的研究

本文运用Ｔ．ｋｏｈｏｎｅｎ人工神经网络对磨削烧伤在线辨识进行了研究。该方法通过自组织、自适应的学习过程，建立了对磨削的二类状态（烧伤、未烧伤）进行识别的计算机智能专家系统。     

自组织人工神经网络在集成电路布局中的应用

本文把T.Kohonen的自组织特征映射人工神经网络用于集成电路的布局,改进了已有的适用于两端线网的自组织网络布局算法.针对多端线网的布局提出了两种不同的处理思想.面向单元的布局和面向线网的布局,给出了它们用自组织网络实现的算法.实验结果表明作为对多端线网更有效的处理工具,面向线网的布局算法能在较短的时间内得到比面向单元算法好的布局,且布局结果明显优于传统的最小割布局.     

容限空间理论的扩展及其在人工神经网络中的应用

我们知道,在一般的代数空间中,集合X和Y的二元关系定义为XxY的子集.2~Inan在研究人的视觉结构中,从一般拓扑空间理论出发建立了容限空间理论。在容限空间理论中,定义了容限、容限空间等概念。这些概念的提出对于我们正确认识人工神经网络功能有着重要的指导意义。     

自组织竞争人工神经网络在颜色选择中的应用

颜色的识别一直是目前模式识别中的一个重要课题,介绍了自组织竞争神经网络结构和原理,接着利用其在分类分面的应用,推广到其在图像颜色选择中的应用,并在计算机上的实现,最后统述了该系统在工控方面的应用前景。     

人工神经网络在降水量空间插值中的应用研究

降水的空间分布信息在水资源管理与分析中越来越重要,而降水插值是获取降水量信息的重要途径.对云南省内117个站点进行月平均、年平均的空间降水插值试验,采用融合地理信息的BP网络模型和径向基函数网络模型,并选取反距离加权法和克里金方法,对各种方法的插值结果进行对比分析,计算结果表明,人工神经网络方法可调参数较少,操作简单,插值效果较好.     

自组织人工神经网络在氟化物非晶态形成的判别条件中的应用

运用三维Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络，利用化学键参数法，研究了三元系氟化物非晶态形成的判别条件，识别成功率达１００％，结果表明，该方法性能良好，可望成为研究化合物非晶态形成条件的有效的辅助手段。     

自组织(SOM)神经网络在彩色图像检索中的应用

该文提出了一种利用自组织(SOM)神经网络进行彩色图像分类,并从原图中分割出感兴趣的目标子图像,进而进行局部形状检索的彩色图像检索方法。与利用全局特征进行检索的方法相比,此方法具有效率高、速度快等特点,并且被检索的图像受噪声污染的影响较小。     

人工神经网络在组织网络化发展评价中的应用*

通过对给定样本模式的学习,构建的三层神经网络模型能够获取评价专家的经验、知识、主观判断以及对目标重要性的权重协调能力,较好地保证评价结果的客观性.实例证明,人工神经网络方法应用于组织网络化发展评价是可行和有效的.     

焊接温度场图像的获取及焊缝提取

叙述了焊接温度场检测系统的焊接温度场灰度图像的获取，简述小波变换用于检测边缘的原理，论述了小波变换在焊接温度场灰度图像中识剐焊缝位置的具体方法。研究结果证明：该焊缝识剐的方法优于传统的检测方法，具有更好的去噪性能，可以准确地识别焊缝的位置。     

自组织过程神经网络及其应用研究

针对与时间过程有关的模式分类问题，提出了一种自组织过程神经元网络模型．网络由输入层和竞争层组成，其输入和连接权可为与时间有关的函数，输入层结点与竞争层结点实行全互连接．网络提取输入函数所隐含的过程式模式特征，并对其进行自组织，在竞争层将分类结果表现出来．为简化计算，在输入空间中引入函数正交基，将输入函数和网络权函数表示为正交基的展开形式，利用基函数的正交性，使网络权函数的调整非时变化．给出了竞争学习和有教师示教两种学习算法，并以石油地质中沉积微相识别问题为例证明了模型和算法的有效性．     

基于神经网络的无线传感器网络数据融合算法_cg10000147修改稿

为减少无线传感器网络的通信量,降低能量消耗,设计了一种基于神经网络的数据融合算法(BPNDA),该算法将BP神经网络和传感器网络分簇路由协议有机结合,将每个簇设计成一个神经网络模型,通过神经网络提取原始数据中的少量特征数据,然后将特征数据发送给汇聚节点,从而提高数据收集效率,延长网络生存时间。仿真实验证明,与LEACH算法相比,该算法可有效减少网络通信量,降低节点能耗。     

移动焊接机器人焊缝跟踪控制研究及仿真

为了解决轮式移动焊接机器人的焊缝跟踪问题,文中从移动焊接机器人的运动学和动力学模型出发,采用分段运动学到动力学的方法设计焊缝跟踪控制器。控制算法结合积分Backstepping算法和单层神经元网络控制算法,利用单层神经元网络的自学习和自适应能力克服机器人模型参数部分未知和扰动的影响,使跟踪更加快速、平滑。经MATLAB仿真验证了该控制算法的有效性。     

BP人工神经网络在图像分割中的应用

图像分割是图像处理和计算机视觉的重要研究领域,也是图像识别和图像分析的基础性工作之一。图像分割效果的好坏直接影响图像特征的提取、图像识别的精度。BP人工神经网络在理论上具有实现任意非线性映射的能力,具有自学习、自适应及鲁棒性强的特点,在模式识别、模式分类和模糊控制等领域得到广泛应用。作者将BP人工神经网络成功地运用于印鉴图像分割、车牌号码图像的分割等工作中,取得了良好的图像分割效果。     

基于神经网络的机器人轨迹跟踪控制

针对机器人模型未知情况，讨论了用神经网络和反馈控制实现机械手的跟踪控制。提出一种基于参考误差的投影算法来训练网络权值，训练后网络输出能逼近期望的前馈力矩，并从理论上证明跟踪误差的收敛性。仿真结果表明方案具有较好的跟踪性能和较强的抗干扰能力。     

智能信息处理与神经网络研究

从智能信息处理的角度讨论了模式识别研究中存在的一些主要问题，如：特征抽取问题，结构识别问题，统计识别中的有限样本（小样本）问题及不适定问题，指出神经网络的研究不能停留在作为实现现有模式识别方法的一种工具上，而应着眼于解决模式识别中的一些根本问题上。     

一种基于动态人工神经网络的Wiener模型辨识

提出了一种新的辨识模型对Ｗｉｅｎｅｒ模型进行辨识,该模型 线性动态神经元串联一静态网络模型组成,利用线性动态神经元对Ｗｉｅｎｅｒ模型的线性动态部分建模,利用静态ＢＰ网络逼近模型的静态非线性部分,并且给出了统一的ＢＰ辨识算法,仿真结果表明了该方法的有效性。     

Experiments of Trust Prediction in Social Networks by Artificial Neural Networks

Social network online services are growing at an exponential pace, both in quantity of users and diversity of services; thus, the evaluation of trust in the interaction among users and toward the system is a central issue from the user point of view. Trust can be grounded in past direct experience or in the indirect information provided by trusted third-party users shaping the trustee reputation. When there is no previous history of interactions, the truster must resort to some form of prediction in order to establish Trust or Distrust on a potential trustee. In this study, we deal with the prediction of trust relationships on the basis of reputation information. Trust can be positive or negative (Distrust), hence, we have a two-class problem. Feature vectors for the classification have binary-valued components. Artificial neural network and statistical classifiers provide state-of-the-art results with these features on a benchmarking trust database. In this article, we propose the application of a sample generation method for the minority class in order to reduce some of the effect of class imbalance among Trust and Distrust classes. Specifically, the approach shows high resiliency to system growth.     

基于细胞神经网络的图像复原新方法

针对图像复原方法普遍运算量大的问题,提出了一种利用细胞神经网络进行图像复原的新方法,并首先提出了易于硬件实现的基于边缘方向判据的正则化复原方法;然后通过细胞神经网络的能量函数设计合适的网络参数来对该正则化函数进行细胞神经网络实现。仿真结果表明,该新方法是有效的,复原效果优于有约束的最小二乘复原法和已有的细胞神经网络图像复原法,而且由于细胞神经网络的并行性和硬件易实现性,使该新方法可以实时进行图像复原。