应用MATLAB工具箱在VC++中实现神经网络的程序设计

介绍了用VC 调用MATLAB引擎库函数的方法，利用这种方法在应用软件开发过程中既能发挥VC 强大的界面开发功能，又充分利用了MATLAB的复杂运算和处理能力，并把这一技术应用于神经网络程序的设计，取得了很好的效果。     

MATLAB神经网络工具箱在非线性系统建模中的应用

本文介绍在Matlab环境下发电厂水位控制BP模型的建模与仿真方法,得出了预测模型的最优参数.仿真结果表明,MAT-LAB神经网络工具箱可有效地用来解决复杂的非线性控制系统的优化设计问题.     

基于MATLAB模糊工具箱的PID参数整定

介绍了模糊PID控制器的结构,并通过matlab找出模糊PID控制的3个参数与误差e和误差变化率ec之间的模糊关系,同时根据确定的模糊控制规则来对3个参数进行在线调整,以满足不同e和ec时对3个参数的不同要求,并使用MATLAB模糊工具箱对PID控制参数进行仿真。     

基于MATLAB优化工具箱的整体法兰法优化设计

根据整体法兰的应力校核原则和优化设计原理,以其最小质量为设计目标,以各校核应力作为约束条件建立相应的数学模型,在满足应力校核要求的基础上使用MATLAB优化工具箱对法兰尺寸进行优化,降低了制作成本.结果显示,采用此法可靠有效,编程简单,对其他零部件优化设计具有一定参考价值.     

基于MATLAB工具箱的机组负荷分配的建模与优化

提出一种利用MATLAB工具箱解决机组负荷优化分配的方法.首先利用曲线拟合工具箱拟合机组的煤耗特性曲线进行建模,再使用优化工具箱进行负荷优化分配.经过仿真计算,得到了比等微增率法更优的结果.此方法简洁实用,方便快捷.     

基于MATLAB工具箱的机组负荷分配的建模与优化

提出一种利用MATLAB工具箱解决机组负荷优化分配的方法.首先利用曲线拟合工具箱拟合机组的煤耗特性曲线进行建模,再使用优化工具箱进行负荷优化分配.经过仿真计算,得到了比等微增率法更优的结果.此方法简洁实用,方便快捷.     

基于MATLAB优化工具箱的机械优化设计

以齿轮减速器为例,介绍了MATLAB优化工具箱在机械优化设计中的应用,根据减速器的设计要求和特点,建立了减速器的优化设计数学模型,以减速器体积最小进行了优化。利用MATLAB优化工具箱来求解机械优化问题,具有编程简单、可靠性好、效率高的特点。     

基于神经网络的分阶车牌字符识别算法研究

为了提高复杂环境下车牌字符的识别率和识别速度,提出了一种基于BP神经网络和卷积神经网络(CNN)的分阶车牌字符识别算法。该算法第一阶段采用BP神经网络对车牌中的汉字、非相似字符进行识别;并在第二阶段用改进的CNN对车牌中的相似字符进行识别。最后通过实验横向、纵向对比,验证了该神经网络算法的有效性。实验结果表明,相对于传统的BP神经网络算法,明显提高了车牌字符的识别率,同时减少了车牌的识别时间。     

基于MATLAB优化工具箱的整体式转向梯形优化设计

针对整体式转向梯形,对其空间结构和前轮定位参数进行合理的简化。对初步选定的转向梯形参数,以外转向轮转角相对误差建立目标函数模型,利用MATLAB优化工具箱对目标函数模型进行优化。同时,MATLAB优化工具箱通过改变变量参数,即可实现不同参数的整体式转向梯形的优化设计。     

神经网络在车牌字符识别中的应用

设计并实现了一种基于改进BP神经网络的字符识别系统,可克服传统BP算法最终进化至最优解较慢和神经网络易陷入局部最小值的缺陷,具有较好的全局性和收敛速度,经过实验,具有较好的识别速度和精度.     

基于小波变换和模糊神经网络的人脸图像识别方法

提出了小波变换技术和模糊神经网络技术相结合的人脸识别方法。小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,能很好的表征人脸图像的特征。模糊神经网络具有很强的分类能力,并且可以运用神经网络的学习算法。实验表明,二者的结合对人脸识别具有计算量小,识别率高的优点,有很强的实用性。     

基于神经网络的板形信号模式识别方法的研究

为了提高带材板形识别的精度，应用神经网络和最优化方法，构建了一种新的板形信号模式识别方法。该方法克服了现有板形识别方法的不足，具有较强的抗干扰能力，有效提高了识别的精度和速度，可以满足板带轧机高精度板形控制的要求，易于在实际板形控制系统中实现。     

基于BP神经网络的塔机起重臂结构应力识别

以某塔式起重机为研究对象,组建BP神经网络并进行训练,对塔机不同的工作状态训练得到可靠的应力识别网络,确定塔机特征参数与结构应力间的非线性映射关系,识别出塔机起重臂结构的应力响应,为塔机寿命计算、安全监控及故障诊断提供参考。     

基于MATLAB的BP神经网络在旋流器模拟设计中的应用

利用MATLAB工具箱中的BP神经网络模型建立了旋流器的三层神经网络,提出了旋流器隐层单元数的确定方法,并通过所选择的函数及所构建的网络结构,对网络学习训练得到了14-20-2的预测性能模型,利用所收集的60组样本数据进行训练的结果表明所采用函数和网络结构具有较高精度,由训练得到的权值和阈值对旋流器性能进行预测的结果显示它能满足工程需要.     

基于自适应共振人工神经网络的焊缝类型自动识别方法

介绍一种用自适应共振人工神经网络自动识别焊缝类型的方法。该方法首先根据不同类型的焊缝对电弧光和激光光带的影响, 将弧焊焊缝划分为 ４ 种类型, 在此基础上, 确定焊缝的特征参数, 并组成训练样本数据库, 由此抽取焊缝图像特征。制做 Ａ Ｒ Ｔ２ 人工神经网络分类器, 将 ４ 类焊缝的权值保存在其长期记忆层, 在实际分类时, 用 Ｃ Ｃ Ｄ 摄像机将检测到的焊缝特征参数输入, 处理后得到焊缝类型。对实时焊接过程中的焊缝进行跟踪实验, 跟踪精度在±０５ ｍ ｍ 之内。     

基于特征编码的字符识别方法研究

本文在分析了常用模板匹配字符识别方法的问题之后,以车牌字符中常用的字母、数字为例,提出了一种新的基于数字字母特征的编码方法,解决了模板匹配法中的字符图像与模板尺寸不符等问题,提高了识别率。     

基于MATLABWeb服务器的BP神经网络分析资源的异地调用

MATLABWebserver环境为基于Internet的远程调用异地MATLAB及其环境下编制的应用程序资源的简单实现提供了条件。利用此环境实现了BP神经网络分析程序的异地调用 ,为机床构件人工神经网络分析系统的实现奠定了基础。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。     

基于神经网络的控制图模式识别和参数估计

建立了神经网络模型，使其可以估计趋势模式的斜率，阶跃模式的幅度以及周期模式的振幅和周期，为了避免不同模式间的相互干扰，分别采用3个网络对各种模式的参数进行估计，仿真结果表明该方法具有很高的识别能力和很快的识别速度。