自组织特征映射神经网络：用于茶叶分类

介绍了自组织特征映射神经网络的结构和算法,将其用于中国茶叶的分类,并和传统方法进行了比较。认为组织特征映射神经网络优于传统方法。     

时序模式的一种神经网络分类方法

时序模式是指其特征空间分布在时间轴上的一种模式，如语音信号，雷达信号等，文中提出了一种改进的递归神经网方法－时间标签递归神经网方法，以此来对时序模式进行分类，克服了传统方法的缺点，取得了较好的分类效果，初步的实验结果不仅证明了时间标签递归神经网方法对时序模式的很好的分类能力，而且证明了时间标签对于时序模式分类的重要性。     

一个基于模糊神经网络的模式分类系统

目前,基于神经网络的分类系统在许多领域得到了越来越广泛的应用。但是,该系统大多采用的是离线自适应机制,即神经网络需学习新的分类知识时,要重新训练神经网络,从而大大增加神经网络的训练时间;对于重叠分类,一般是构成一个贝叶斯分类器。然而,贝叶斯分类器的构成需要关于分类数据的概率密度函数的先验知识,而这些知识常常在模式分类前是难以获得的。为了解决这些问题,文中根据模糊集合理论,提出了一种基于模糊神经网络     

基于神经网络的模式分类方法的研究

利用神经网络进行模式分类时,可采用有导师分类方法,也可进行无导师的聚类方法,该文分析比较几种可用于模式分类神经网络的特征和各自的优缺点,提出在特定的情况下可选用特定的神经网络进行分类,也可根据实际情况进行综合。     

识别多中心模式类的神经元网络

建立一种用于多中心模式类别的神经元网络。网络结构简单，所用元件个数少，容易训练，理论和实验均证明：此网络能十分有效地解决模式识别中的非线性判决问题，具有很强的容错性和很高的识别率。     

基于最优分类面的神经网络模式分类方法

用一组训练样本对神经网络进行训练后，网络对训练阶段未曾见过的样本也能正确分类。但传统的神经网络模式分类方法泛化能力不十分理想，而且不稳定。对同一个分类任务，训练样本改变，分类器泛化能力的大小也会改变。该文提出一种基于最优分类面的神经网络模式分类方法。通过寻找并训练最优分类面，提高网络的泛化能力，增强泛化能力的稳定性。用异或问题和双螺旋线问题验证该新方法的有效性和泛化能力，取得了令人满意的结果。     

一种大类别数分类的神经网络方法

神经网络是一种普遍使用的分类方法。当类别数目较大时,神经网络结构复杂、训练时间激增、分类性能下降。针对这些问题,基于Ｎ分类问题的两种类方法和树型分类器结构,对两分类子网络集进行排序,中给出了一种大类别分类的神经网络阵一结构和快速搜索方法并重点分析了网络阵列的分类性能。理论分析表明,使用网络阵列方法可降低平均分类错误率。该方法还使得网络结构简单灵活,易于扩充,网络的训练时间缩短,仿真实验表明,该方     

快速神经网络分类学习算法的研究及其应用

提出了一种快速神经网络分类学习算法FTART2,该算法结合了自适应谐振理论和域理论的优点,学习速度快、归纳能力强、效率高,用UCI机器学习数据库中的两个数据集对FTART2与目前最流行的BP进行比较测试,实验结果表明前者的分类精度与学习速度均优于后者,还将FTART2算法应用于石油地质储层分析领域,取得了很好的效果。     

一种面向模式分类的修正的ART1神经网络

本文提出了一种关于ｎ维布尔模式分类的，基于欧氏距离的判定规则，在ＡＲＴ１神经网络的基础上，设计了一种实现这一判定规则的神经网络（ＭＡＲＴ１）及其学习规则，并给出了计算机仿真结果。     

神经网络听力检测分类实验系统

该文介绍一种用人工神经网络方法检测、区分兔子听觉系统是否正常的分类系统，进而仿真检测人类的听觉系统。文章介绍了系统的实现方法，BP网的网络算法，识别结果及分析。     

多神经网络在高维数据分类中的应用研究

针对BP神经网络在高维数据分类中存在训练时间长的缺点,提出一种新的多神经网络分类模型,该模型采用自组织特征映射(SOFM)网络对训练样本集进行无监督聚类,通过优化竞争层神经元权值,并以此训练BP神经网络实现数据分类.最后对自由手写数字样本进行识别,仿真实验表明,这一模型具有较强的分类能力和泛化能力.     

神经网络在天气预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自 学习和自适应等一系列优点,因而用它来进行天气预报是可行的．针对天气预报问题,初步 建立了基于神经网络的预报系统,给出了应用实例．     

多层BP网络的研究及应用

在本文中，我们用统计模式识别的方法分析了目前在模式识别中得到广泛应用的多层ＢＰ神经网络，揭示了具有线性输出单元的多层ＢＰ神经网络用作特征提取器和分类器时具有良好性能的原因。同时，我们设计了一个使用ＢＰ网络作为特征提取器和分类器时，普适的工件识别系统，对不能识别的样本，采用模糊推理技术，把传统的直观特征识别结果和多层ＢＰ网络结果特征级上融合，提高系统的性能。     

神经网络自动增益调节伺服电机控制系统

本文提出一种新方法,该方法采用神经网络的方法对伺服控制系统进行自动增益调节,且具有自学习自适应功能.该系统在环境参数发生变化时仍然能适应新的环境条件.该方法的正确性已在称之为“柔性伺服控制器”的控制系统中通过对直流、交流、无刷直流三种伺服电机的速度响应的控制实验中得到验证.     

CMAC神经元网络在CSTR系统建模中的应用

目前正在兴起和发展的人工智能和人工神经网 络的研究,为复杂非线性系统的控制开辟了一条新路．本文将CMAC神经元网络用于CSTR系统 的建模,取得了很好的仿真效果．     

人工神经网络预报金属基复合材料焊接接头性能

以金属基复合材料扩散焊接为实施对象 ,采用人工神经网络的方法建立扩散焊接过程的静态模型 ,表征了扩散焊接接头质量与工艺参数之间的关系 ,验证了该模型的适用性 .在此基础上对上述焊接过程进行仿真 ,分析了金属基复合材料接头强度随焊接工艺参数的变化规律 ,从而探索出最佳焊接工艺规范 .所建立的静态模型与实际焊接过程良好吻合 ,为新材料焊接性的研究提供一条新途径     

图像处理技术在水稻虫害系统中的应用

本文主要介绍如何利用图像处理技术提取图像特征和利用神经网络技术进行图像识别。为计算机视觉在水稻病虫害自动识别中的应用做一些探讨性的研究。