BP神经网络在说话者识别中的应用

研究了BP神经网络在说话者识别中的应用,提取了Mel频率倒谱系数及其一阶差分参数,运用BP神经网络对特征参数进行了训练和识别,MATLAB的实验结果表明,BP神经网络在说话者识别中,具有良好的发展前景。     

改进的BP神经网络在车辆目标识别中的应用研究

遥感图像下的车辆目标识别系统大多是基于传统的BP神经网络算法,传统BP神经网络算法存在诸多问题,如易形成局部极小而得不到全局最优、训练次数多、学习效率低、收敛速度慢等,影响和限制车辆目标识别系统的识别能力.针对传统BP神经网络存在的缺陷,为进一步提高车辆目标识别系统的识别精度,提出采用随机梯度下降法和深层滑动神经网络对...     

改进的BP算法在磨粒识别中的应用

本文提出用改进的神经网络算法,建立适于磨粒分析的AWPRM模型,设计了智能磨粒识别分类器,实例表明,用该方法可以准确识别磨粒类型,并具有较好的推广能力。     

改进的BP算法在多目标识别中的应用

为了实现对多目标的识别,提出了一种改进的BP算法。采用在步长函数中加入变动量因子,即当连续两次迭代其梯度方向相同时,步长加倍;当连续两次迭代其梯度方向相反时,步长减半。由于步长在迭代过程中自适应进行调整,使误差函数E在超曲面上的不同方向按照步长向极小点逼近,实现了对目标函数的优化。给出了在目标函数最优时的BP网络对三种飞机测试集的识别结果,其收敛速度比传统BP算法快4倍以上,表明该方法能够有效地用于多目标的识别。     

磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态。铁谱的计算机图像分析技术是近年来研究的热点。基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本都对网络进行训练,取得了较好的识别效果。     

磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态.铁谱的计算机图像分析技术是近年来研究的热点.基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本对网络进行训练,取得了较好的识别效果.     

改进的BP神经网络在故障诊断中的应用

介绍了BP神经网络的结构和学习方法,针对BP网络存在局部极小值和收敛速度慢等问题．提出采用一种基于Levenbe rg-Marquardt算法(LM算法)的改进BP网络,最后通过汽轮机故障诊断实例的仿真研究,结果表明改进算法的性能明显优于常规BP算法,经改进算法训练的网络能大大提高故障的在线诊断能力．具有广泛的应用前景和应用价值。     

BP神经网络的实现及应用

研究了BP神经网络的实现方法和在材料科学上的应用。BP网络经大批样本训练以后，能够对材料性能进行比较精确的预测，这有利于提高试验效率，降低试验成本。     

基于BP神经网络的手写数字识别

数字识别是模式识别领域中重要研究方向之一,具有广阔的应用前景。文章在对BP神经网络基本原理研究的基础上,提出了利用BP神经网络方法来实现手写数字识别的方案。通过MATLAB仿真实验表明,基于BP神经网络的数字识别系统取得了良好效果。     

基于BP神经网络的噪声背景下的信号识别

从测试工程技术的实际出发，利用BP(Back Propagarion)神经网络算法，对噪声背景下的信号识别进行了探讨。并通过训练和测试网络，证明该方法用于噪声背景下的信号识别是有效的。     

基于BP神经网络的液滴图像识别方法

通过CCD监测白酒和掺入50％水的白酒两种不同液体液滴的生长过程,针对最大的液滴提取特征参数,利用主成分分析技术对特征参数进行优化,确定了5项有效的特征参数。最后采用BP神经网络识别不同的液滴。结果表明：不同液体液滴的轮廓特征参数是有区别的。因此,结合模式识别的图像液滴分析技术可以应用于分析和鉴别液体。     

BP神经网络在导航潜望镜中的应用

将BP神经网络应用于导航潜望镜读数校正．通过训练样本找出天体高度与静态误差的对应关系．从而可应用静态误差对所测高度进行补偿。结果表明该方法有效。     

BP和RBF神经网络在人脸识别中的比较

BP和RBF是模式识别中应用最为广泛的2种神经网络，本文将这2种网络应用于人脸识别，分别建立了人脸识别模型。利用ORL人脸图像数据库进行了仿真实验，通过对比分析它们各自的识别率和泛化能力等性能指标，提出了在应用这2种神经网络进行模式识别时应注意的方面。     

改进的BP神经网络方法在液压控制系统中的应用研究

由于BP神经网络自身存在的一些缺陷,在液压控制系统中基于BP神经网络的PID控制器有时无法达到良好的控制效果.在研究BP神经网络主要改进方法的基础上,针对液压控制系统特性,综合采用引入陡度因子、归一化处理、采用输出层步长比输入层步长小等多种方法对应用于液压控制系统的BP神经网络算法进行改进.研究结果表明,改进后的控制系统延迟小、稳定性强、控制效果良好、对实际应用有较好的指导作用.     

神经网络在火灾视频识别中的应用

利用早期火灾火焰的形体变化特性,结合火灾视频探测信号的特点,用图像处理方法提取火焰图像的面积、形状及纹理特征并形成火灾识别判据.设计BP神经网络结构,利用训练好的神经网络对有、无干扰源火灾环境进行火灾识别,验证结果表明该方法的正确识别报警率较高,能够减少火灾报警系统漏报率和误报率,是一种可靠的智能火灾探测方法.     

基于BP神经网络的电缆沟监控模式识别方法

为了减少电缆沟盲目施工与偷盗等因素造成的损失和影响,引入一种智能的线路监控技术。该技术基于分布式光纤传感技术,利用BP神经网络对光纤传感器的四种常见的扰动信号进行模式识别。通过将光纤传感器得到的时域扰动信号用特定的程序处理后转换成图像,再经特定的图像处理流程后形成模式识别的样本。利用这些样本训练BP神经网络,并将训练好的模型应用到实际的电缆沟安全监控系统中进行测试。测试结果表明,电缆沟的总体识别成功率为98.16%,该识别方法还可以应用于光纤周界安防系统等领域。     

基于BP神经网络的防空目标识别方法

防空目标识别是指利用雷达或其他传感器设备获取空中目标的特征信息,并利用已掌握的各种目标先验知识来识别未知目标的类别属性。该文在提取高分辨雷达目标回波信号特征的基础之上,建立了基于BP神经网络的防空目标识别模型,并利用经归一化处理的数据样本对所建立的BP神经网络进行训练及误差分析,得到稳定的权值和阈值。仿真计算结果表明,当学习样本足够多时,利用神经网络的记忆、联想、容错功能,所构建的模型能够有效保证识别的正确性并克服由于传感器误判导致的目标识别错误,使识别过程更稳定可靠,识别结果更准确。     

基于BP神经网络的管道泄漏声信号识别方法研究

针对城市供水管网泄漏检测需求,进行了泄漏声信号识别方法研究。分析了泄漏信号的时域、频域及波形特点,提取出可用于泄漏信号表征的20种特征参数;基于提取的泄漏声信号特征参数,构建了泄漏声信号BP神经网络识别系统;研究了神经网络结构(隐含节点数、传递函数、学习率)及输入参数的数量和种类对泄漏信号识别效果的影响,并优化出最佳的神经网络结构及输入参数。在以上研究基础上,利用优化后的神经网络对实验室及现场管道泄漏信号进行了交叉训练和识别,结果表明,提出的基于泄漏特征参数的神经网络系统具有较高的可靠性和普适性,可以很好地实现不同场景下泄漏信号的交叉识别,整体识别率达92.5%,为解决不同工况下泄漏信号识别做了有益的探索。     

Application of artificial neural networks for feature recognition in image registration

Image registration is a process of aligning two or more images taken at different times or using different sensors by transforming the same area into one coordinate system. Imaging conditions, image and area deteriorations from repeated sectioning, are serious impediments to successful image registration. The application of artificial neural networks for feature recognition is introduced to the field of metallurgy to assist in an automated approach to image registration of metallurgical microstructures. Low susceptibility to feature deterioration, often occurring during serial sectioning, is demonstrated and assessed. The process of image registration using an artificial neural network to aid in feature segmentation is performed using computer generated shapes and a metallurgical microstructure.