基于神经网络信息融合的印刷体字符识别研究

针对印刷体字符识别,提出一种基于神经网络信息融合的方法.在对待识别目标提取特征后,分别采用2种反向传播算法的改进算法和遗传算法构造神经网络分类器模型,并进行网络的训练和识别工作.通过实验数据着重分析和比较了3种算法的特点,将此3种分类器得出的分类结果进行决策级的信息融合,最终得出识别结果.实验结果表明,此方法简单可行,具有较高的鲁棒性和识别率.     

一种基于模糊遗传神经网络的信息融合技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性自适应遗传算法,建立了一种模糊遗传神经网络,并将其诮地科研智能管理专家系统中。实际应用表明了网络模型和算法的有效性,并取得了令人满意的效果。     

基于遗传神经网络的多级信息融合模型研究

针对BP神经网络算法收敛速度慢、易于陷入局部极小点的缺点,提出了一种基于遗传算法和神经网络相结合的多级信息融合模式.先用基于实数编码的遗传算法来优化神经网络中的初始权值,再用优化后的神经网络对多传感器信息进行融合分类,最后将该模型应用在故障分类中,并使用Matalab工具进行了仿真实验.将实验结果同单一的神经网络信息融合模型进行了比较分析,结果表明了该模型有效地提高了信息融合的效率和准确度.     

信息融合的神经网络应用研究

信息融合是研究信息处理的专门技术.人们在社会实践中,一直都在自觉或不自觉地将各种信息进行综合处理.信息融合是将各种途径获得的信息作为一个整体进行综合分析处理,为决策及控制奠定基础.随着计算机技术的发展和人工神经网络的应用,到目前为止,已经出现许多人工神经网络模型及相应的学习算法.该文以控制系统以及运行设备的控制与保护为依据,采用模糊神经网络技术与信息融合技术相结合进行分析研究,从而得出具有普遍实用意义的理论,使信息融合的神经网络应用适用于更广泛的领域.     

基于信息融合思想的水电仿真建模方法的研究

针对水电仿真建模中的复杂性、时变性等问题,将信息融合思想引入到水电仿真系统的建模过程中,利用融合系统的传感施动模型的系统化设计方法,提出了一种基于信息融合思想的水电仿真系统建模方法,为仿真系统建模提供了一种新的思路与方法。将该方法应用于丰满水电仿真系统调速系统的建模过程中,经实际应用表明,该模型在性能上优于传统的调速器仿真模型。     

基于神经网络信息融合的装备故障诊断

针对某型飞机视频记录系统结构复杂,故障呈现多层次、模糊性的问题,研究了基于神经网络信息融合技术进行故障诊断的方法.并以视频记录系统为对象进行了仿真分析.研究结果表明该方法故障诊断过程相对简单,诊断精度相对较高.能够降低虚警、误报、漏报等情况的发生.     

基于神经网络信息融合的智能故障诊断方法

飞行状态时的飞机舵面故障诊断系统,含有系统和测量噪声及其时变、非线性等特点,采用常规的故障诊断方法很难实现对飞机舵面故障的准确诊断和告警,为了更好的实现对飞机舵面系统的故障诊断,将神经网络信息融合的智能故障诊断方法首次运用到舵面系统故障诊断中.该智能诊断方法应用神经网络的非线性拟合能力扩展舵面相关线位移传感器测量信息,同时采用D-S算法将相关传感器的输出信息进行融合,最后信息融合诊断策略根据这些信息确定出舵面相应的故障类型,从而可以对舵面故障信号进行有效识别和诊断.建立了某机舵面系统故障诊断的数学模型,并利用该模型对提出的智能故障诊断方法进行仿真验证,最后的仿真实验结果表明:该故障诊断结构形式对于舵面常见的故障能够进行识别和告警,诊断效果令人满意.     

基于循环神经网络的多传感信息融合系统的应用

本文综述了循环神经网络、多传感器信息融合技术的基本原理及方法，分析了信息融合中的关键问题，重点介绍了循环神经网络在多传感器信息融合系统中的应用。     

基于信息融合的改进型模糊神经网络

结合模糊控制和神经网络的优点,采用模糊神经网络弥补数据融合算法中的不足;在此基础上提出一种新的模糊神经网络结构模型,分别以模糊化、模糊规则的组合和清晰化作为网络的学习算子,使神经网络与模糊控制的结合更加完善更加紧密;通过隐层构造和学习算子的推导发现,这种网络能很好的弥补数据融合算法的不足,并能进一步提高系统精度,且使计算量减少.     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著;从传感器信息融合的角度看,神经网络就是一个融合系统;通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求.     

一种基于模糊神经网络的融合故障诊断方法

通过构造模糊神经网络分类器,将基于模糊神经网络的数据融合方法引入到故障诊断中。通过在机组中设置温度传感器测量冷却介质进口温差、定子温度、冷却介质出口温差等模拟量,并求出各传感器对故障的隶属度,然后通过基于信息融合故障诊断算法确定故障原因,并且通过单传感器与多传感器融合结果的对比表明,多传感器数据融合诊断比单个传感器具有更高的准确性。     

基于人工神经网络的多源信息融合技术研究

随着科技的飞速发展,多媒体、各种信息源获得的图像数据信息量大、范围广、冗余大,面对如此庞大的数据,要想更合理、高效地利用,必须对这些海量数据进行融合,所以多源信息融合技术成为各个领域的研究热点。人工神经网络由大量互联的处理单元连接而成,跟人的认知处理过程及其相似,具有很强的自学习能力,对不确定的各事物进行关联,以获得对同一事物或目标的更客观、更本质认识的综合信息。基于人工神经网络的多源信息融合技术,结合双方的特点与优势,经过实验证明,融合后的图像效果良好。     

基于模糊神经网络的特征信息融合

研究多传感器特征信息融合问题。基于自适应模糊神经网络,提出一种新的特征信息融合算法。仿真结果表明,该方法计算量小,具有较强的处理不确定信息的能力和多种理想的融合特性等特点。     

基于孪生卷积神经网络的图像融合

传统的图像融合算法多有计算复杂程度高、不能有效提取图像纹理等不足,为了弥补以上传统算法,提出了一种基于孪生卷积神经网络（Siamese Convolutional Neural Network,Siamese CNN）的图像融合方法.首先,用孪生卷积神经网络生成一个权重图,该权重图包含了来自两个待融合图像的全部像素信息.然后,用图像金字塔对像素以多尺度的方式进行融合,并且采用了局部相似性策略自适应调整分解系数的融合模式.最后,和现存的几种图像融合的方法进行了对比.实验证明,该方法有较好的融合效果,具有一定的可实用性.     

神经网络集成融合模型研究及应用

针对专家系统等单一模型解决发动机故障诊断存在的算法复杂度高、诊断准确率低等问题，提出了BP神经网络集成与DS证据推理相融合的神经集成融合模型，不仅实现了发动机不同部位的专家经验与实际观测数据的特征级融合，还实现了多个模型的优势互补。通过对该方法和传统的专家系统方法比较得出，神经网络集成融合方法提高了7.1%的诊断准确率。     

一种基于模糊神经网络的信息融合技术

针对船舶所处的复杂环境,以及现代船舶系统对精度的要求越来越高,提出了一种船舶信息融合结构和一种模糊神经的信息融合方法,该方法结合模糊推理和神经网络并行分布处理和自学习能力,采用三层神经网络结构,映射函数为高斯模糊隶属函数,采用改进的BP学习算法.最后通过船舶信息仿真实验,证明了该方法是可行的和有效的.     

网络安全战略预警系统的特征信息融合方法

提出将一种特征信息融合的方法一基于Mamdani模糊神经网络的方法引入到战略预警系统的威胁评测中，并进行了相关规则的推理，证实了该方法的可行性及合理性。     

基于自组织神经网络的信息融合在故障诊断中的应用

提出了一种用于某机舵面系统故障诊断的方法．应用自组织神经网络的非线性拟合能力扩展相关传感器的测量信息,采用D-S证据论算法将相关传感器的输出信息进行融合．信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行识别．建立了某机舵面系统故障诊断的数学模型,并进行了计算机仿真．仿真实验结果表明,该故障诊断结构形式能够对舵面常见故障进行有效的识别和告警,显著地降低了故障诊断的不确定性,提高了故障模式的识别率．