足球机器人视觉系统及其关键问题

在足球机器人比赛中，视觉子系统是整个系统获取外部信息的唯一通道，能否由视觉系统快速、准确的得到场上的信息，是整个比赛的关键，它的性能直接关系到比赛的胜败。针对集控式视觉系统讨论了视觉系统的特点、功能、实现以及系统设计的几个关键问题。     

一种基于ART-2改进后的网格入侵检测模型

应用神经网络中的ART-2理论（adaptive resonance theory自适应共振理论）,在传统ART-2模型的基础上增加了伴随神经元和重置系统B,解决入侵检测系统中可能出现的对渐变过程不敏感从而导致的预分类不完全的问题,通过与基于传统ART-2的入侵检测模型及基于朴素贝叶斯的入侵检测模型的对比,发现改进后的ART-2神经网络打破了传统ART-2对渐变过程不敏感的局限性,使得新模型能够分辨渐变过程,提高了预分类的能力。     

一种改进BP神经网络在模式识别中的应用

为了提高神经网络识别的速度及实用性,在传统BP神经网络的基础上,提出了一种动态调整网络结构的改进网络模型,给出了该模型在应用中的算法,并做了特征提取．仿真结果表明,与传统的BP神经网络比较,改进网络的初始权值的选取相对容易,有效降低了陷入局部极小的可能,提高了网络收敛和识别的速度．     

足球机器人视觉子系统及其关键问题

在足球机器人比赛中 ,视觉子系统是整个系统获取外部信息的唯一通道 ,能否由视觉系统快速、准确的得到场上的信息 ,是整个比赛的关键 ,它的性能直接关系到比赛的胜败 .针对集控式视觉系统讨论了视觉系统的特点、功能、实现以及系统设计的几个关键问题 .     

自组织特征映射神经网络在岩性识别中的应用

传统的岩性识别技术主要基于统计学理论,如贝叶斯方法、回归方法等,近年来人工神经网络方法如反向传播算法（ Ｂａｃｋ － Ｐｒｏｐａｇａｔｉｏｎ , Ｂ－ Ｐ） 也应用于岩性识别,取得了一定的效果。用 Ｋｏｈｏｎｅｎ 提出的自组织特征映射神经网络对测井数据进行岩性识别,该方法具有较强的自组织性、自适应性,有较高的容错能力。与 Ｂ－ Ｐ 算法相比较,计算量小,收效速度快,且不需要已知的先验信息而自动确定分类类别。结果表明与统计方法、岩性录井分析结果一致。     

模糊神经网络在机器人控制中的应用

为克服机器人控制过程中存在的许多不确定因素的影响,构造了一种新型模型神经网络结构,提出了一新算法,并将其应用于机器人控制,取得了满意的仿真效果,表明有极强的鲁棒性。     

神经网络对手写字符识别特征的提取

神经网络对手写字符有较强的识别能力,关键在于特征的提取。本文提出按字符字段和 均匀网络结构浓度提取手写文字特征的改进方法。     

神经网络在机器人控制中的研究进展

通过对近10年来,国内外学者和工程技术人员在机器人神经网络控制领域中所发表的文献进行分析比较,概述了神经网络在该领域内的研究现状与进展;按照神经网络与机器人不同研究方向的结合,分别介绍了国内外学者在本领域所取得的成功的理论和方法;在当前最新研究成果的基础上,若能将神经网络与柔性机器人、冗余机器人和协调机器人结合起来,将是机器人研究的又一重要方向。此外,神经网络在机器人系统中的实际应用也是今后努力的方向之一。     

基于神经网络的视觉机器人模糊控制

设计人工神经网络(ANN)替代机器人的图像雅克比矩阵,基于ANN和视觉机器人构成的增广被控对象设计了模糊控制器,组成了基于神经网络和模糊逻辑的机器人视觉伺服控制系统,给出了实验结果.实验表明,该方法简捷、易行、有效.     

Hopfield神经网络在机器人路径规划中的应用

将Hopfield反馈型神经网络方法,应用于对机器人工作路径的合理规划中,解决了对两两给定通路的若干工作站点,机器人能顺序访问并最终返回起点的最短巡游路径问题。可针对不同的具体问题来设计网络的连接权及能量函数。对8站点和16站点仿真结果表明,此方法可以在较短的时间内寻优获得最佳工作路径。     

神经网络模式识别对金融票据中数字特征的识别方法研究

本文采用神经网络模式识别的方法，研究了金融票据中数字等特征的识别问题。对票据的金额数字和身份证数码进行了分割、图像处理和特征提取，并在此基础上用改进的BP网络对其进行了识别。实验结果表明，用此方法能取得比较好的识别效果。     

一种用于模式识别的新型神经网络模型

双向联想记忆（BAM）网络和BP网络是两种重要的神经网络模型，研究结果表明将BAM网络的输入用40％的噪声污染，这种网络仍然可以实现正确联想，另一方面BAM网络有一个严重的缺点就是它无法实现数据压缩，而BP网络却恰恰能够很好地实现数据压缩，但它的容错性不好。本文同时从识别率和节省存储空间两方面出发，提出了一种BAM-BP神经网络模型。该模型具有容错性好、识别率高、简单等优点。     

Jamming Recognition Based on Feature Fusion and Convolutional Neural Network

The complicated electromagnetic environment of the BeiDou satellites introduces various types of external jamming to communication links, in which recognition of jamming signals with uncertainties is essential. In this work, the jamming recognition framework proposed consists of feature fusion and a convolutional neural network (CNN). Firstly, the recognition inputs are obtained by prepossessing procedure, in which the 1-D power spectrum and 2-D time-frequency image are accessed through the Welch algorithm and short-time Fourier transform (STFT), respectively. Then, the 1D-CNN and residual neural network (ResNet) are introduced to extract the deep features of the two prepossessing inputs, respectively. Finally, the two deep features are concatenated for the following three fully connected layers and output the jamming signal classification results through the softmax layer. Results show the proposed method could reduce the impacts of potential feature loss, therefore improving the generalization ability on dealing with uncertainties.     

基于神经网络的模式识别与信息处理

通过一个神经网络实例验证了人工神经网络的并行运算能力,并证明了模式识别与信号处理等方面,可以实现难以用数字技术处理的最优算法。给出了一个有容错能力的神经网络实例。     

改进的BP神经网络算法在车牌识别中的应用

在车辆牌照自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率和速度是车牌识别系统最根本的问题.本文用动量因子和自适应学习速率对传统BP网络进行改进.该算法简便,识别率高,可适用于多种高噪声环境中的字符识别.     

一种用于时空模式识别的综合神经网络

介绍了一种用于时空模式识别的综合神经网络模型，称为ＴＳ－ＬＭ－ＳＯＦＭ．该网络的顶层是一种称为ＴＳ（ｔｅｍｐｏｒａｌｓｅｑｕｅｎｃｅ）的单层时序识别网络，可以把时序模式转换成抽象的空间模式．该网络的底层是ＳＯＦＭ（自组织特征映射网络），用于空间模式特征检测．ＬＭ（学习矩阵）用于上述两层的联接．在实验中，用移动机器人超声阵列传感器作为输入训练，结果表明，该神经网络输出的模式能够较好地抽象表示输入信号的时空特征．     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化 ,依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用 ,智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点 ,选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本 ,对CP网络进行了训练 ,再将实际的一组频率域特征参数输入到模式识别器中 ,对故障类型进行识别。结果表明 ,以CP神经网络构筑的故障模式识别器有很强的非线性映射能力 ,可对机械设备故障模式进行正确分类。     

基于模糊ART神经网络的变压器局部放电模式识别

对变压器主要放电类型的3种局部放电典型电极模型进行试验,通过分析计算提取局部放电信号特征量,建立相应的局部放电信号特征库,以此作为模糊ART网络的输入,对局部放电的类型进行模式识别,并将识别结果与BP网络的识别结果进行对比。实验结果表明,模糊ART网络用于变压器局部放电模式识别是有效的。     

基于神经网络方法的手写体数字识别

利用神经网络技术对无限制手写体数字进行识别。在选取合适的特征基础上，对图像进行分域处理，每一小域对应输入层的一个神经元。测试结果表明，该识别方案具有很强的抗畸变、抗旋转能力。     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...