基于人工神经网络下的图像识别的研究

主要利用人工神经网络的理论知识研究在图像识别中的应用为目的,研究图像识别中图像分割的技术,同时详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,提出加可变动量因子的BP算法,通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。     

忆阻器在人工神经网络方面的研究应用

忆阻器是一种具有类似突触特性、记忆特性的新型非线性器件,它具有无源性,低耗能,记忆特性以及纳米尺度等特点,因此常用于构建结构简单、权值灵活可调、集成度高的人工神经网络。而人工神经网络是现代信息处理和智能控制领域的一个重要方法,将忆阻器应用于人工神经网络方面将会加速实现人工智能时代的到来。此方面的研究有许多,比如忆阻器实现神经元电路的研究,忆阻器的智能PID控制器等,本文列举概括了忆阻器在人工神经网络方面的研究应用。     

人工神经网络在金相图像分割中的应用研究

利用多层感知器神经网络和自组织映射神经网络对球墨铸铁、可锻铸铁和灰铸铁的金相图像进行了分割提取.通过对比以上两种方法分割后的图像质量和定量分析样本图像中的石墨结构、珍珠岩/铁氧体结构所占的百分含量后发现,多层感知器网络分割提取的结果与样本实际的结果更加接近,而自组织映射神经网络分割提取的结果则不够理想.据此,可以推断多层感知器网络是实现金属图像分割自动化提取和精确性分析的有效工具.     

人工神经网络的研究及应用

人工神经网络是由大量基本元件－神经元（细胞）构成的非线性动力学系统。近１０多年来，人工神经网络的研究工作十分活跃，取得了很大的进展，已成为涉及电子科学、计算机科学、自动控制、数学、物理、生物学等领域的交叉前沿学科，对各种工程学科的发展正产生巨大的影响。目前已有数十种模型，其中常见的有霍普菲尔德神经网络模型（ＨＮＮ）、细胞神经网络模型（ＣＮＮ）和反向传播（ＢＰ）神经网络模型等３种。简要介绍了这３种模     

人工神经网络模型的对比分析及应用研究

20世纪80年代以来，人工神经网络技术在理论和应用研究方面有了快速的发展，并在众多科学领域取得了大量的应用研究成果。本文对近年来受到普遍重视的人工神经网络的典型模型的性质和学习算法等方面的研究做了较为详尽地叙述，并分析了各主要模型的应用及针对其缺点进行优化的问题。     

应用人工神经网络于飞控系统故障检测研究

探讨了人工神经网络在飞行器控制系统传感器失效检测上的应用。人工神经网络具有分布式平行处理、自学习能力的优点,可运用来估计传感器的工作状态。提出失效诊断模式并以某机型飞控系统传感器为研究对象,以飞机正常飞行及系统传感器失效状况的仿真,运用训练过的人工神经网络进行状态估计与传感器测量值的残差计算,再配合失效诊断模式中的诊断逻辑及临界值设定与判断,达到对传感器的失效诊断,并以3种不同的失效类型验证其检错能力。     

基于人工神经网络模型优化的研究及应用

人工神经网络在互联网技术和多媒体技术的不断推动作用下,已经广泛应用在很多不同地领域。在该研究当中主要介绍了人工神经网络的主要特点与基本原理,同时还分析了两种不同的模型,最后再分析模型在具体领域当中的应用方法,帮助解决实际存在的问题。     

地板块等级划分人工神经网络的结构设计

介绍了人工神经网络的基本结构及其设计方法 ,同时设计了地板块的等级划分的分等网络     

基于分形模型的人造目标检测技术

介绍一种在红外和可见光图像中，自动检测自然背景中人造目标的方法．该方法以分形结构做为自然背景的数学模型，利用自然背景和人造目标在分形模型上的固有差异检测人造目标．本文还介绍了自适应分形特征的增强及图像检测方法；并以实际图像的处理结果，说明人造目标检测方法的效果．     

基于人工神经网络的入侵检测方法

本文分析基于人工神经网络的入侵检测模型搭建方案,方案被设计为嗅探器、数据审计和数据检测三个模块,深度学习与网络安全管理的结合有利于二者的同步发展。借助深度学习,不断提高网络安全管理水平,同时给人工神经网络带来更大的发展空间。为应对不断复杂的网络入侵手段,入侵检测需动态化发展,围绕人工神经网络,研究更多高效防御方法。     

基于特征域的目标分割算法

文中以可见光舰船目标的检测方法为研究对象，为解决黑白极性，海浪干扰等问题提出了基于特征域的目标分割方法。该方法是将目标难以正确分割的灰度图进行特征转换，生成使目标突出的特征图，然后在特征图上进行目标分割并给出利用基于特征域的目标分割方法的试验结果，说明此方法的优越性。     

基于人工神经网络的长江水质评价模型

为了能够客观地对长江水质进行评价,在分析人工神经网络原理的基础上,通过对水质污染指标浓度生成样本的方法,生成了适用于人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于长江水质评价的人工神经网络模型。将该模型用于长江水环境评价,通过模型的计算,得到长江水质类别。评价结果表明该模型设计合理、泛化能力强,对长江水质评价具有较好的客观性、通用性和实用性。     

利用模糊特征改进Snakes模型的图像分割

利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。     

共面波导垂直互连结构的人工神经网络模型

垂直互连是三维微波和毫米波集成电路中的典型结构。本文采用人工神经网络模型模拟屏蔽共面波导的垂直互连结构,由时域有限差分法产生网络的训练和测试样本。训练好的网络同时具有时域有限差分法的精度和人工神经网络的快速性。     

基于人工神经网络的DGA僵尸网络检测

基于DNS协议的僵尸网络大多采用域名生成算法(domain generation algorithm,DGA),该算法可以随机改变域名来隐藏自身。与传统检测方法相比,基于机器学习的检测可以获得更好的检测结果。因此,提出了一种基于人工神经网络的僵尸网络检测体系结构,可以帮助在线安全卫士监控网络流量,区分DGA域和普通域,通过测试朴素贝叶斯模型和用DGA的正常特征或DGA的N-gram特征训练的人工神经网络(artificial neural network,ANN)模型并用真实的数据集实现并评估该解决方案的实用性。结果表明,采用人工神经网络的新模型能够更好地区分DGA的域,能够正确地处理更多的域。     

基于STRAIGHT模型和人工神经网络的语音转换

采用STRAIGHT语音分析一合成模型,提取源说话人和目标说话人的基频和光滑声道谱作为表征语音特征的参数。在频谱训练阶段,把声道谱转换成MFCC参数,采用人工神经网络算法对源一目标说话人的MFCC参数进行训练映射。主观和客观试验结果表明,该方法能取得较好的转换效果,转换语音和目标语音较接近,易于理解。     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

基于形态学特征的细胞活性无损检测新方法研究

利用正常细胞、凋亡细胞和坏死细胞在形态学特征上的差异,使用圆度和半径比率2个物理量来表征细胞活性状态,并运用微分干涉相衬（DIC）显微镜获得待测细胞图像,结合图像识别软件,提出了一种基于细胞形态学特征的细胞活性无损检测方法,测得了与细胞活性相关的有关参数。该方法应用于氨乙酰丙酸（ALA）的光动力疗法（PDT）后白血病细胞的活性检测得出的结论与使用四甲基偶氮唑盐比色（MTT）法检测得出的结论基本一致。该方法也可检测出死亡细胞中凋亡、坏死的比例;在对细胞测试的过程不需对细胞进行染色等预处理,是一种无损检测方法。     

融合多特征因素的像素级裂缝检测

针对道路或墙面等混凝土建筑结构裂缝视觉检测方法中,裂缝实际宽度被拓宽,引起测量误差,且对比度低的浅层裂缝信息易被丢失等问题,提出了一种融合多特征因素的像素级裂缝检测方法.该方法通过分析裂缝的结构特点和纹理信息,提出基于纹理各异向性的像素级灰度、强度和梯度特征的裂缝识别方法,利用图像像素最小路径中最小权重与最大权重的比值作为波动因子,通过像素本身的灰度信息与周围环境的差异性,并结合最小路径上的纹理结构,来确定裂纹与背景之间的分割线.根据PI、PG和FFA的像素特征,采用融合多特征因素检测裂缝.实验表明:该算法检测复杂环境下的沥青道路或墙面裂缝表现出良好的鲁棒性,可快速、准确地检测出裂缝.     

人工神经网络计算精度的研究

就人工神经网络的计算精度问题，建立了一个抽象的神经网络模式，并研究了单个神经元误差对整个神经网络计算精度的影响。