采用BP神经网络的车牌字符识别方法研究

将BP神经网络应用于汽车车牌的自动识别，在简述车牌预处理的基础上，重点讨论了用BP神经网络方法对车牌照字符的识别，用MATLAB完成了对车牌照数字识别的模拟，最后给出实验结果：     

基于BP神经网络的油管螺纹识别

随着油田的开发,油管的使用量逐年增加,同时有大量油管报废。由于所处的条件不同,油管缺陷的出现及缺陷的特征也不尽一致。本文将就油管产生的缺陷的类别进行分类并应用BP神经网络对缺陷进行识别。     

基于BP神经网络的数字识别

利用BP神经网络算法实现对数字的识别。首先获取各种0-9共10个号码数字的样本图像,提取Hu矩不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,再用训练好的BP网络对待识别的数字图像进行识别,实现了对存在旋转、平移和缩放等几何失真的图像的正确识别,实验结果表明,基于Hu不变矩和BP网络的数字识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点。     

数字识别算法在神经网络中的设计

设计一个基于神经网络的数字识别系统,它能够使得该网络相对准确的识别图像上的数字,具有高可靠性,高识别率,低拒识率的特点。系统使用方式灵活,可以单独使用或作为一个识别系统的软件的核心进行应用。在系统中运用神经网络的相关知识并设计适合数字识别系统的BP算法,详细介绍基于神经网络数字识别的算法设计整个过程。     

基于BP网络的往复泵泵阀故障识别系统的研究

本文基于BP神经网络模型，通过准确采集往复泵液力端各阀箱阀关闭激起的瞬态响应，并以响应的振动频谱为主要征兆，建立了基于BP网络往复泵泵阀故障的诊断系统。计算机模拟识别表明，该系统可较为准确地识别出各泵阀的故障。     

基于BP神经网络的结构损伤检测

介绍了BP神经网络的学习算法,通过对一个钢筋混凝土简支梁模型进行了损伤数值模拟,提取固有频率作为BP神经网络的输入参数,并应用简支梁损伤前后的数据输入训练好的神经网络来判断结构损伤。检测表明,该方法在结构损伤检测中具有较好的应用前景。     

基于BP神经网络的图像分离算法

现在纹理图像分离效率比较低,为解决这个问题,提出一种基于反向传播神经网络的纹理图像分离算法。一些因素会影响的结果是RGB值图像分离的象素的颜色本身,它附近的像素、边界的概率。根据这些因素,我们构建一个模型,用BP神经网络训练功能区域的图像和噪音一组样本,训练之后,BP神经网络训练可以用于纹理图像分离。最后我们设计一种实验,利用BP神经网络分离三个纹理图像。实验结果表明该算法简单、可行的、可以降低人们的工作。     

基于BP和RBF神经网络对试飞数据预处理比较研究

提出了利用BP神经网络和RBF神经网络对试飞数据预处理,比较了两种方法在消除测量误差、剔除和修补野值、补充丢失数据帧等方面的差异,结果表明RBF神经网络具有精度更高、可靠性更强、收敛速度更快等特点.     

基于BP神经网络分类器的运动物体识别方法的研究

本文针对运动目标进行特征提取,在神经网络分类器中输入数据,对分类器采用不同的算法进行训练,以提高运动物体识别的准确率。据有关试验结果显示,与其它类型的分类器相比,基于BP神经网络分类器的运动物体识别方法的识别率相对较为准确。     

BP神经网络气水识别研究

传统的测井解释技术由于建立在岩石颗粒的均匀排列、孔隙流体均匀分布假定模型基础上,将地层岩性、孔隙率、渗透率等参数作线性研究,致使获得的测井解释结果在大部分复杂地区与地层的真实值不一致。运用测井神经网络,根据测井资料、岩性分析资料、试油资料,可以解决求取地层孔隙率、渗透率、泥质含量、流体饱和度等参数以及进行油气水识别、岩性岩相识别、裂缝识别、水淹层识别、生油岩识别等等。测井神经网络处理解释新技术的兴起和发展,对解决非均质性地层的非线性映射问题具有良好的实用效果。     

基于BP神经网络的高速公路交通事件检测

为进一步提高高速公路交通事件检测的准确性,将人工神经网络应用于交通事件检测.提出一种基于BP神经网络的交通事件检测方法,设计了适合该检测系统的网络结构.仿真结果表明:相对于其他算法,该网络结构具有检测率高、误报率低、检测时间短的优点,完全适用于交通事件检测系统,同时也存在不足之处,指出了今后进一步研究的方向.     

基于BP神经网络的交通事故预测

本文利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了BP神经网络的道路交通事故预测模型。选取人口数量、公路里程数和客运量作为神经网络的输入神经元,道路交通死亡人数和交通事故经济损失作为网络的输出神经元,对道路交通事故进行预测。     

基于BP神经网络的枪弹外观缺陷识别与分类

为实现枪弹外观缺陷自动检测,提出一种基于BP神经网络的枪弹外观缺陷自动识别与分类方法.首先针对枪弹外观缺陷图像特点,从形状、颜色、纹理提取类别差异明显的缺陷特征向量,作为神经网络的输入,以提高分类效果;然后通过经验和实验验证确定神经网络结构及参数,并分析传统BP算法在枪弹外观缺陷分类应用中的不足,通过优化BP算法以提高网络分类性能.实验表明:优化BP算法能够有效分类枪弹外观缺陷测试样本,识别率达到92.1％,与传统BP算法相比,提高了收敛速度,并表现出较好的准确性和鲁棒性,能够更好满足枪弹外观缺陷自动检测要求.     

基于BP神经网络的ECT图像重建算法

针对电容层析成像图像重建问题的病态性,利用COMSOL软件建立系统模型,并结合MATLAB实现正问题的求解。依据BP神经网络所具有的理想的非线性映射和联想记忆功能实现了由检测电容值到重建图像灰度值之间的非线性映射,避免了传统算法中对灵敏度矩阵求解的繁琐,克服了因线性化处理所导致的成像精度低的缺点。在MATLAB平台下,采用2种滤波方法进行滤波,对图像增强修复,提高了图像质量。     

基于BP神经网络入侵检测系统

本文是采用改进BP神经网络的拟牛顿算法,并利用matlab提供的神经网络工具箱构建BP神经网络入侵检测系统。此算法的优越性在于收敛速度比较快,特别对于较高维数的问题。测试后证明所构建的系统是可行的,能够检测到新的入侵行为。     

基于BP神经网络的桥上移动荷载分阶段识别方法

移动荷载识别可作为桥梁损伤机理研究的基础,同时为交通规划提供可靠的车载信息。提出了一种基于BP神经网络的桥上移动荷载的分阶段识别新方法。建立了桥梁有限元模型和2自由度5参数车辆模型,模拟生成了神经网络训练样本。采用分阶段识别技术,分步识别了桥上车辆的位置、速度和荷载。在神经网络设计中,利用正交设计法选择训练样本集,采用正则化方法对误差性能函数进行修正,并采用遗传算法对初始权进行了优化。数值仿真了一简支梁桥的移动车辆荷载识别,并通过模型试验进行了验证。结果表明:所提出的方法能够在线、实时地识别桥上移动车辆荷载,识别精度高、收敛速度快,且具有较强的鲁棒性和抗噪能力。     

基于BP神经网络的复杂电子设备实时故障诊断专家系统

以某型通信设备为例，介绍了如何将BP神经网络和传统的专家系统结合在一起，构成实时的故障诊断系统，从而避免传统的专家系统存在的一些问题，更好地解决故障诊断的问题。     

基于BP神经网络的汽油辛烷值预测

辛烷值是汽油最重要的品质指标,传统的测试方法不适合在线测试。BP神经网络通过训练和学习可以实现预测的功能。本文介绍了BP神经网络的相关知识及其在汽油辛烷值预测中的应用。通过对网络输出结果的分析,证明了该网络的有效性。     

人工神经网络在数字识别中的应用

BP神经网络是最常用的一种人工神经网络。本文介绍了利用BP神经网络来实现离线手写体数字识别的基本方法,分析了传统BP算法的一些缺点,针对这些缺点指出了一些较新的改进算法。利用MATLAB验证了这些较新的算法。实验数据表明,改进的算法具有较高的识别率。     

基于结构照明和BP神经网络的三维物体识别

提出一种具有旋转不变性的三维物体识别的新方法,该方法通过结构光照明的方法,使物体的高度分布以变形条纹的形式编码于二维强度图中,由于条纹图包含有物体的高度分布信息,因此对条纹的相关识别具有本征三维识别的特点.旋转不变性是通过BP神经网络实现的.计算机模拟结果表明,用二维强度像的基频分量做训练样本设计BP神经网络,选择训练样本和隐藏层神经元的数目,基于结构光编码的BP神经网络对三维物体具有良好的旋转不变识别效果.