基于模块电路结构的BP神经网络及共应用研究

本文采用一种简化的ＢＰ（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ）神经网络硬件模块实现方法。该方法利用全电流模式电路组成神经元模块，再用若干模块构成简化的ＢＰ神经网络。所提出的模块结构网络系统具有在线学习和在线权值存储能力，且可应用于实现偏、解码和二维图像识别，文中提供了ＰＳＰＩＣＥ和高级语言计算机仿真结果。     

基于BP神经网络的大规模电路模块级故障快速诊断方法

根据大规模电路故障诊断网络撕裂法和交叉撕裂搜索方法,采用基于误差反向传播算法的多层前向神经网络(BP神经网络)记载多次撕裂信息,提出了一种新型基于BP神经网络的大规模电路模块级快速诊断方法。该方法能快速有效地并行处理定位故障模块,具有测前工作量小,实时诊断性强等优点。     

Chebyshev神经网络模块SN9701及其应用

ＳＮ９７０１是具有自学习功能的神经网络模块，本文主要介绍其功能、原理及其在控制领域中的应用。     

基于高效可扩展改进残差结构神经网络的舰船目标识别技术

神经网络的深度在一定范围内与识别效果成正相关,为解决超出范围后网络层数增加识别准确率却下降的模型饱和问题,该文提出一种具有高效的微块内部结构和残差网络结构的神经网络模型,用于对舰船目标基于高分辨距离像的分类识别。该方法利用具有小尺度卷积核的卷积模块提取目标的稳定可分特征,同时利用联合损失函数约束目标特征的类内距离提高识别能力。仿真结果表明,该模型相比于其他常见网络结构,在模型参数更少的情况下,识别效果更好,同时具有较强的噪声鲁棒性。     

基于BP神经网络的数字识别研究

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络的数字识别系统。利用MATLAB进行仿真实验,实验结果表明该系统能够实现对数字的有效识别。     

基于BP神经网络的汉语语音识别的研究

本文论述了基于神经网络模型的非特定人汉语语音识别。我们采用24人(12人用于训练,12人用于测试)的语音数据对汉语十个数字和十个孤立字进行了实验,取得了96.3％(10个数字)和97.2％(十个汉字)的识别率。     

基于BP神经网络的车牌识别技术研究

车牌识别（LPR）是智能交通中关键技术之一。针对目前车牌识别技术存在的一些问题,详细分析基于BP神经网络的车牌字符识别方法,对BP神经网络收敛速度慢且容易陷入局部极小点的缺陷进行改进。经仿真实验结果表明效果良好。     

一种基于BP神经网络群的自适应分类方法及其应用

本文针对基于BP神经网络的分类系统,提出了神经网络群的概念,在此基础上给出了一种系统自适应增长算法,使得在新的目标类型加入时系统结构能够自适应调整.验证结果表明,该算法可以在增加新的目标类型时简化系统结构的调整过程,缩短重新训练网络所需要的时间,从而有效地提高网络的训练效率.     

基于BP神经网络的模拟电路诊断系统研究

以现代测试技术、信号处理、信息融合等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,详细讨论BP神经网络在模拟电路故障诊断中的应用和故障特征提取方法.采用多频组合法建立了故障样本集.对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性.     

基于BP神经网络的产品商标鉴别系统研究

随着深度学习的快速发展,信息处理愈发迅速精确.在电子商务蓬勃发展的当代,打击盗版品牌的需求也更加强烈.采用BP神经网络对品牌商标的图像信息进行学习和训练,实现了对商标正盗版的识别分类,能显著增加智能筛选盗版商标的效率.     

谐振区雷达目标识别的模块化神经网络方法

本文研究了基于模块化神经网络的谐振区雷达目标识别方法,该方法先用BP网络进行波形预测,再用最大后验概率准则或修正最小平方误差准则进行分类。通过计算机模拟,证实了该方法有较好的识别性能,且对信号留数变化,即目标的姿态变化不敏感。另外,该方法还具有实现简单,结构扩展方便等优点。     

基于模糊神经网络的声母识别

模板匹配法技术是汉语声母识别中较为成功的算法,但它的缺陷影响了其恢复错误、改善识别性能。神经网络(NN)和模糊系统的结合,保留了双方的优点,充分利用了模糊神经网良好的容错性能、计算性能、分类性能和决策性能。本文重点研究了两种基于模糊神经网的声母识别方案,通过对其结构、识别率和特点的分析,可看出模糊神经网的声母识别性能明显优于模板匹配法,是更适于语音识别的网络。     

基于遗传算法和BP算法的多层感知机杂交训练算法

基于梯度下降的神经网络训练算法易于陷入局部最小,从而使网络不能对输入模式进行准确分类。本文提出综合遗传算法和BP算法的杂交算法GA-QP,它结合遗传算法的全局搜索特性和BP的局部收敛特性,实现对神经网络的有效训练。实验表明该算法优于BP算法,实验结果令人满意。     

一种序贯学习神经网络及其应用

本文提出了一种序贯学习神经网络,它主要由有界权值调整规则和网络结构自适应调整规则所组成。该网络具有在保持旧知识的前提下有效地序贯学习新输入样本知识的优点。文中给出了这种网络的一种序贯学习算法,详细分析了其学习特性和识别性能。大量的理论分析和实验都证明了网络的有效性。     

一个基于神经网络的航空照片自动目标识别算法

针对航空照片中自动目标识别的复杂性,该文提出了一种基于神经网络的自动目标识别算法,算法包括检测和虚警排除两个阶段。检测阶段是在整幅区域中进行快速搜寻,找出所有可能的目标;虚警排除阶段是对检测阶段得到的结果进行进一步的验证,在尽可能保留全部真目标的前提下,将伪目标排除。实验结果证明了算法的可行性。     

基于邻域统计特性的概率神经网络及其在自动目标识别中的应用

在概率神经的一种改进模型－ＦＤＯ网络的基础上，提出在设计网络收敛域时进一步考虑每一像素点周围８邻域的影响，对网络的作用函数加以修，使改进后的网络具有稳定性好且收敛速度快的优点。通过实验对改进前后网络的识别性能加以比较，证明改进后的网络特别适用于噪声图像的识别。     

一种新的特征结构提取方法及其神经网络实现

本文首先建立了特征结构问题的代价函数表示,通过对代价函数求极小可以求得原始数据协方差矩阵的最大特征向量。为了求得其他特征向量,特构造了一个协方差矩阵序列。为实现对代价函数求极小,可把高阶神经网络引入特征结构提取中。这种方法比较直观,它将网络稳定时的输出与所求协方差矩阵的主特征向量的各个分量相对应。理论分析和计算机仿真均验证了这种方法的正确性。     

基于神经网络的雷达目标识别

本文讨论了基于径向基函数网络(RBFN)的雷达目标识別问题。在分析了一维距离象特点的基础上,提出了采用非相关幅度平均一维距离象以获取稳定模式这一有效方法。在指出传统经验公式局限性后,给出了一种基于训练样本空间分布来估计高斯核函数形状参数的方法。用微波暗室试验数据进行转台成象并对一维距离象三种模式进行识别分类的结果表明,本文所提出的方法用于研究雷达目标识别是有效的。     

一种基于周期平稳的鲁棒盲神经网络波束形成器

本文提出了一种鲁棒的盲神经网络波束形成算法。该算法利用信号的周期平稳特性估计阵列的导引矢量,利用LCMV方法抑制噪声干扰,利用对角加载技术增强算法的鲁棒性,利用神经网络的网状计算结构特点便于其实现。理论分析和计算机仿真表明,该算法实现简单,鲁棒性强,易于实时应用。     

基于脊波和神经网络的大压缩比遥感图像压缩

为了实现大压缩比的遥感图像压缩,利用神经网络的自组织、并行计算和分布式存储的能力,提出一种基于神经网络的压缩方法.在传统单隐层前向神经网络的基础上,该网络使用一种新的能有效处理直线型和曲线型奇异性的多尺度几何分析工具-脊波,作为隐层神经元的激活函数.它不仅具有神经网络压缩的优点;并且由于脊波良好的时、频和方向局域化特性,能够对遥感图像的边缘和轮廓实现更加有效的表示.仿真结果表明:该方法不仅能实现较高的压缩比,而且具有重建图像质量好、学习快速和鲁棒性强等优点.