基于人工神经网络的图像压缩方法

本文介绍了一种基于人工神经网络的图像压缩算法。和传统的数据压缩方法相比，它不必领事于预先确定的数据编码方式，而能够根据输入的图像信息自主地完成图像的压缩。实验结果证明了该方法的有效性。     

基于PSO—BP神经网络的图像压缩算法

本文阐述了使用BP神经网络压缩图像的方法和粒子群算法（PSO）的原理。为提高BP算法的训练速度和图像重建质量．本文设计了一种利用PSO—BP网络进行图像压缩的算法，该算法结合了PSO算法和BP算法的优点，将BP网络的训练过程分为两个阶段。实验表明，利用该算法压缩图像，不仅速度较快，而且重建后的图像质量有明显提高。     

基于BP人工神经网络的胆固醇含量诊断系统

临床研究已证明,血清总胆固醇水平增高是导致冠心病的独立危险因素.血清总胆固醇越高,发生动脉粥样硬化的风险越大,时间也越早.血清总胆固醇每降低1%,发生冠心病的危险性可减少2%.目前一般采用从血样的光谱组成得到血清的胆固醇含量级别.本文使用BP人工神经网络的算法,对几百例血清样本数据进行了训练、确证与测试,结果表明:该方法对胆固醇含量级别HDL、LDL和VLDL的分析取得了较为理想的效果.     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.     

基于BP人工神经网络的信息过滤技术研究

首先介绍了信息过滤中向量空间模型的基本工作原理。针对目前信息过滤技术过滤精度低、速度慢的缺点,利用BP人工神经网络网络稳定、学习能力强的特点,重点研究了BP人工神经网络特征输入数据的取得、网络拓扑结构的选择、BP人工神经网络的训练过程、神经网络产生结果数据的处理方式,在此基础上提出了一种基于BP人工神经网络的信息过滤模型,实验证明,此模型过滤效率有了显著提高。     

一种基于量子BP网络的图像压缩方法

针对BP网络在图像压缩应用中迭代次数多及训练时间长的问题,设计具有量子输入和输出的神经元模型,结合BP网络在图像压缩中的原理,利用复数BP算法,构建一种用于图像压缩的3层量子BP网络(QBP),实现图像压缩与图像重建。仿真结果表明,与BP网络相比,QBP网络能获得更好的重建图像质量,且迭代次数较少。     

基于PSO-BP神经网络的图像压缩算法

本文阐述了使用BP神经网络压缩图像的方法和粒子群算法(PSO)的原理.为提高BP算法的训练速度和图像重建质量,本文设计了一种利用PSO-BP网络进行图像压缩的算法,该算法结合了PSO算法和BP算法的优点,将BP网络的训练过程分为两个阶段.实验表明,利用该算法压缩图像,不仅速度较快,而且重建后的图像质量有明显提高.     

人工神经网络BP算法的实现

BP网络是一种得到广泛应用的人工神经网络模型.本文简要介绍了BP算法的原理,并给出了其在VC 6.0中的实现方法。     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中，存在着含有大量数字信息的文件，实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此，文中提出了一种神经网络的方法来实现数字识别。经实验结果表明，该系统取得了较好的识别精度。     

图象数据压缩的BP神经网络方法研究

重点研究BP人工神经网络用于图象数据压缩时,网络拓扑结构变化和算法修正对网络训练时间及重建图象质量的影响,仿真表明：选择合适的网络结构,采用文中给出的快速网络训练算法,可明显加速网络收敛,且网络易避开学习误差的局部极小点,克服网络学习误差收敛刚性。BP神经网络用于图象数据压缩取得了高压缩比和好的重建图象质量。     

改进BP 网络在超光谱图像压缩中的应用

鉴于超光谱图像的应用领域,对超光谱图像的压缩要重点考虑压缩质量和 压缩时间。将BP 神经网络用于超光谱图像压缩可得到较好的压缩质量。在保证较好恢复质 量的前提下,提出了一种利用Cauchy 误差估计器、在转移函数中引入陡度因子、进行导数 提升及各层调节变尺度的改进BP 算法进一步减少压缩时间。实验结果表明：算法减少了压 缩时间,提高了编码效率。     

基于人工蜂群的 BP 神经网络算法

传统BP神经网络存在容易陷入局部极小点、收敛速度慢等缺点。人工蜂群算法是基于蜜蜂群体的觅食行为而提出的一种新的启发式仿生算法,属于典型的群体智能算法。它为全局优化算法,该算法简单、实现方便、鲁棒性强。针对BP神经网络算法的不足,提出利用人工蜂群算法交叉优化BP网络参数的权值和阈值,实验证明该优化算法确实提高了解的精度,加快了网络收敛速度。     

BP神经网络在图像语义自动标注的应用

由于传统的基于内容图像检索存在的语义鸿沟问题,其在某些特定的领域无法满足用户的需求。图像语义自动标注的出现能够有效地解决这方面的问题。该文提出了先使用Normalized Cuts方法对图像进行区域分割并提取出每个区域的低层视觉特征,再利用BP神经网络算法来学习图像区域和标注字的对应关系来进行图像语义的自动标注的方法,实验结果证明了此方法的有效性和准确性。     

遗忘神经网络模型及其BP算法

为解决跨时间数据训练神经网络时的数据选择问题，提出在神经网络的训练模型中引入遗忘系数，从而建立了一种改进的前馈神经网络模型——遗忘神经网络模型。介绍了该模型的基本原理，并给出了其BP算法。