基于卷积神经网络的云雾遮挡舰船目标识别

海上舰船目标识别对于海运交通、海上目标跟踪、军事侦察等都有着重要作用,然而海面气象复杂、光照不均、云雾遮挡等自然现象易导致遥感图像中舰船目标识别率低、鲁棒性差等问题.针对云雾遮挡问题,提出一种改进InceptionV3网络模型InceptionV3-FC的舰船目标识别算法.首先,InceptionV3-FC通过引入一层...     

实时雷达目标回波波形发生器在雷达目标识别中的应用

在自动目标识别系统（ＡＴＲ）中往往需要对系统样机进行测试和评估。文中论述了为完成测试而提供信号的目标回波波形发生器,它可以复现实际采集的真实目标的回波,也可以产生由算法提供的目标任意仿真波形,还可以作为普通的波形发生器使用。该波形合成器能够以６４ＭＨｚ的速率从Ｄ／Ａ 输出缓存数据,同时提供了１ Ｈｚ～４ ｋＨｚ可编程雷达同步信号,输出合成回波信号,在示波器上可得到完全等同于Ａ 显示器的波形信号,为ＡＴＲ系统的性能测试提供了可靠的保证。     

基于灰色关联度神经网络的雷达型号识别模型

针对现代电子战对雷达目标信号的复杂性和残缺性以及实用雷达目标识别系统的健壮性和扩展性等要求,提出一种基于灰色关联度和BP神经网络的灰色神经网络识别模型.首先采用比较成熟的BP神经网络对侦察雷达目标信号进行粗分,识别出雷达的体制;然后把模板数据库中该体制的雷达标准数据作为比较序列,建立差异信息空间,再把观测的数据和比较序列进行灰关联度分析,得出其对应的关联度,从而识别出雷达的具体型号.仿真结果表明在对参数残缺或畸变以及新体制的雷达辐射源进行识别时,取得良好的效果.表明综合灰色神经网络对辐射源进行识别是完全可行的,并且可以提高识别率、可靠性.     

基于卷积神经网络的目标识别算法研究

随着时代的快速发展,对于监控视频处理,传统人工处理方式已不能满足社会实际发展需求。智能监控依靠目标检测实现监控,目标识别成为计算机视觉领域的重要研究方向,主要从图像或者视频中检测某一类别的目标。基于此,分析卷积神经网络目标识别算法,研究目标检测算法存在的问题,并提出相应对策,有效提高检测算法的有效性和精确度,从而推动智能视频监控的快速发展和广泛应用。     

基于卷积神经网络的雷达目标检测方法

雷达目标检测近年来一直是雷达信号处理中的重要任务,在探测监控等安全领域中有非常重要的作用;针对传统恒虚警目标检测方法存在的环境适应能力较弱、复杂地形环境下雷达虚警数量急剧上升等问题,提出一种基于卷积神经网络的雷达目标检测方法;以雷达回波信号数据处理后得到的距离-多普勒图像作为模型的训练集和测试集,设计基于FasterR-CNN结构的雷达目标检测模型,训练模型并将测试结果与传统恒虚警目标检测算法结果相比较,所设计的模型提升了雷达目标检测正确率并较大地减少了虚警数量,这表明将卷积神经网络应用于雷达回波信号的处理任务中是可行的。     

汽车防撞雷达的目标识别

提出了一种降低雷达虚警率的解决方法。从波束的限制到波形的选择,对如何快速准确地采集目标信息进行了分析,为减少路面、防护栏或旁车道车辆所造成的干扰,采用FSK LFM方式的雷达波形处理多目标问题,算法快速方便,提高汽车防撞雷达的性能。     

BP网络进化及其在雷达目标识别中的应用

针对常规ＢＰ神经网络的ＢＰ算法只能训练固定结构的神经网络,存在诸如易落入局部极值、没有引入提高泛化能力的训练机制等固有不足之处,以及一些神经网络进化算法的进化机制中存在的缺陷,本文提出一种ＢＰ神经网络进化算法,并用于高分辨雷达目标一维距离像的识别问题。实验结果表明,经所述方法优化后的神经网络结构简单、泛化能力优于ＢＰ算法和一些进化算法训练的网络。     

基于神经网络的目标识别模型验证方法研究

针对多传感器目标识别仿真模型的验证问题,提出了一种基于多神经网络的“分层有序”的模型验证方法。该方法利用神经网络的自组织和自学习能力,通过对各种目标识别模型关键行为特性的学习,将实际系统行为归类为其中的一种模型,从而对模型的可信性做出评估。仿真结果进一步说明了该方法的可行性和有效性。     

雷达HRRP自动目标识别算法

针对雷达高分辨距离像(HRRP)的方位敏感性和平移敏感性,对一定角域内的HRRP非相干平均,提取具有平移不变性的中心矩作为特征向量,采用Karhunen2Loeve变换进一步进行特征压缩,建立相应的支撑矢量机(SVM)分类算法。与基于原始距离像特征的最大似然(ML)方法和基于中心矩特征的ML方法识别结果比较,该方法在减少计算量的同时具有较高的识别率,具有良好的推广能力。     

基于BP神经网络的红外目标识别技术

论文主要研究的是基于BP神经网络的红外目标识别技术,红外目标的检测识别是红外搜索与跟踪系统、精确制导系统、红外预警系统等的一项核心技术.论文重点是介绍对空中飞机目标的识别,空中目标识别是防空作战辅助决策的关键环节之一.根据红外目标的各种属性,提取构建样本特征库,从而建立基于BP神经网络原理的空中目标识别模型.利用BP神经网络的训练函数采集样本特征数据,得到稳定的权值和阈值,为后续的目标识别分类提供依据.该模型主要利用神经网络的记忆、联想、容错功能,进一步提高目标识别的稳定性和可信度,降低了个别误判而造成目标识别错误的概率.     

基于小波神经网络的系统辨识方法

神经网络由于具有良好的自学习和自适应能力，在非线性黑箱建模或系统辨识中有着广泛的应用，这些辨识模型有：多层感知器、径向基函数网和反馈网络等等。文中提出了基于小波神经网络模型的系统辨识方法。由于小波变换或分解所表面的良好的时频局部化特性，以及多尺度的功能，我们用规范正交的小波函数作为基函数网络中的基函数，得到所谓的小波神经网络。通过计算机仿真证实了该方法的良好的辨识效果。     

具有时滞的双向联想功能的神经网络模型的稳定性

本文利用Razumikhin条件和具体的Lyapunov函数,讨论了时滞BAM模型平衡点的稳定情况,得到了在时滞适当小时,时滞BAM模型与无时滞BAM模型具有相同的渐近稳定性.     

基于动态神经网的非线性鲁棒辨识

研究了一类基于动态神经网络的未知非线性多变量系统的鲁棒辨识问题，用Ｌｙａｐｕｎｏｖ稳定性理论获得了具有保护策略的鲁棒调权律，从理论上证明了被辨识的系统是鲁榛 ，辨识误差按建模误差和未建模动态收敛到一个稳定区域，该策略的特点是不需要离线学习又不需要对象的状态完全可测，仿真结果验证了提出的动态网鲁棒辨识策略的有效性。     

TWO-LAYER STABILIZATION OF CONTINUOUS NEURAL NETWORKS WITH FEEDBACKS

Methods of stabilization as applied to Hopfield-type continuous neural networks with a unique equilibrium point are considered. These methods permit the design of stable networks where the elements of the interconnection matrix and nonlinear activation functions of separate neurons vary with time. For stabilization with a variable interconnection matrix it is suggested that a new second layer of neurons be introduced to the initial single-layer network and some additional connections be added between the new and old layers. This approach gives us a system with a unique equilibrium point that is globally asymptotically stable, i.e. the entire space serves as the domain of attraction of this point, and the stability does not depend on the interconnection matrix of the system. In the case of the variable activation functions, some results from a recent investigation of the absolute stability problem for neural networks are presented, along with some recommendations.     

基于模糊神经网络味觉信号识别的研究

文中提出了一种基于模糊神经网络方法的味觉信号识别模型,利用小波变换实现了对传感器所采集的味觉信号进行数据压缩及特征抽取,以模糊神经网络作为味觉信号的识别工具。     

利用遗传算法改善前馈神经网络容错性

针对前馈神经网络的断路故障,将网络容错性的改善转化为一个最小优化问题,并通过遗传算法进化求解来获取容错性好、泛化能力强的网络,该方法不需给网络增加额外冗余,也不需修改网络训练算法,较好地保持了网络结构、训练算法与容错处理的独立性,实验表明,该方法在两个基准测试问题上均取了很好的效果。     

关联优化存储下Hopfield网络的临界存储

本文通过对Ｈｏｐｆｉｅｌｄ神经网络存储相关信息的联想稳定性分析，给出了选取存储样本的优化规则，并得出Ｈｏｐｆｉｅｌｄ神经网络在优化存储规则下各存储样本均能纠一错的临床存储容量约为０．５Ｎ，比随机选取存储本的容量要强得多。     

基于模糊神经网络的手势识别

本文通过对人手结构和手关节运动的分析,建立了手模型及其相应的数据结构。     

人工神经网络在机械手动力学辨识和位置控制中的应用

本文提出了用人工神经网络近似机械手的逆动力学模型,实现基于模型的非线性控制方案,并以实际的两臂液压机械手为对象给出了仿真结果,整个方案的实现不需要任何关于系统模型的知识.仿真结果表明所研究的位置控制系统具有良好的跟踪性能,并且展示了人工神经网络解决非线性系统辨识和控制问题的潜力.