模糊神经网络在齿轮故障诊断中的应用

介绍了模糊二维自组织神经网络在齿轮故障诊断中的应用方法，并通过齿轮论证了该方法在齿轮故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景，可以广泛应用于齿轮的故障诊断。结果表明：模糊二维自组织神经网络是实时地解决齿轮故障中复杂的状态识别问题的一种有效工具。     

深度学习在交通运输中应用综述

介绍了自编码器、卷积神经网络、循环神经网络三个主流深度学习网络架构在交通运输中的应用研究,简述了三个主流深度学习网络的应用背景.对于三个深度学习网络在交通运输中的应用,分别分析了自编码器在交通流预测,特别是在短时交通流预测方面的技术研究;卷积神经网络在交通热点图像、车牌识别、驾驶员注意力等方面的技术应用;循环神经网络在...     

基于BP神经网络地图符号的识别

点状地图符号的识别是地图自动识别的重要研究内容之一。研究了基于BP神经网络点状地图符号的识别,对BP神经网络在数字地图符号识别中的应用进行了详细的介绍,其中包括地图符号预处理的过程,以及改进的BP网络进行地图符号的识别过程。最后,对实验结果进行了展示,表明了改进BP网络算法的实用性和高效性。     

小波变换和神经网络在车牌识别中的应用

介绍了车牌识别的背景、意义和一般实现过程，阐述了小波变换和神经网络的基本理论，详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段（即图像预处理、车牌定位、字符分割和字符识别）中的应用，最后总结并对两者在车牌识别技术中的应用前景进行了展望。     

基于气体传感器阵列的电子鼻对混合气体定量识别的研究

阐述了电子鼻的结构,并根据传感器阵列响应信号特性,推导出气体传感器阵列的响应矩阵及其对混合气体的响应;论述了前馈神经网络在电子鼻中的应用原理。最后,利用自制的实验装置对所建立的电子鼻进行性能测试。实验结果证明气体传感器阵列和神经网络模式识别技术所组成的电子鼻完全可以完成对混合气体浓度的识别。     

基于ASOM神经网络的高分辨雷达目标识别

在介绍自组织特征映射神经网络及其学习算法的基础上,提出了一种结构自适应自组织特征映射神经网络。该网络能自适应地选择合适的网络规模,并对分类决策边界进行更为精细的调整,因此该网络区分微小差别的不同模式样本的能力进一步增强。最后给出了两类网络对实测高分辩雷达目标的识别结果。     

人工神经网络在近红外光谱建模中的应用及研究现状

对国内外近十年来人工神经网络在近红外光谱建模中的应用和研究进行了详细的综述,包括误差反向传播网络、径向基网络、支持向量机、自组织特征映射网、广义回归神经网络、概率神经网络、小波神经网络、模糊神经网络以及集成神经网络等的应用和研究。概括了这些网络的基本工作原理及优缺点。最后根据神经网络的发展方向和工农业的发展需求,提出了今后人工神经网络在近红外建模方面的发展方向。     

基于51单片机的电子鼻的设计与实现

研制了一套由51单片机和金属氧化物半导体气敏传感器阵列组成的便携式电子鼻系统,介绍了系统的工作原理和试验过程.对不同气体通过传感器阵列产生的响应信号进行了数据采集,并对各条响应曲线进行了特征分析,得出了适合单片机处理的特征向量.在低成本的51单片机中编制了神经网络识别程序,神经网络训练过程则在PC机上完成.在51单片机中用排序法和BP神经网络对样本进行分析识别,模拟人和动物的气味学习、记忆过程来学习气味特征、识别不同气味.文中阐述了详细的实验过程和部分气体特征向量,实际识别正确率为90%以上.     

卷积神经网络在雷达自动目标识别中的研究进展

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。     

层叠式SOM神经网络星图识别算法及FPGA验证

为了对空间天文望远镜精细导星仪获得的星图完成识别,提出一种层叠式自组织映射(SOM)神经网络算法模型,将该模型在硬件中实现星特征矢量匹配算法。首先,针对精细导星仪的特点详细介绍了导航星库的建立、星特征矢量的构建和筛选方法;其次,建立层叠式SOM神经网络模型,对其权值进行在线训练;最后,设计算法离线运行硬件电路并将其在FPGA中实现。仿真与测试结果表明,基于层叠式自组织神经网络的星图识别算法识别率高、抗噪声能力强、识别速度快。星点位置噪声为0.648?,星等噪声为0.18视星等条件下星图识别成功率在80%以上,新算法在FPGA中运行速度是PC机上传统三角形法的100倍。对精细导星仪星图识别算法的优化设计提供了合理可行的参考依据。     

神经网络的基本特征及其在军事通信领域中的应用前景

本文介绍了当前世界信息高科技竞争热点—神经网络的基本原理、主要特性和发展动态,阐明它在现代化军事通信及其相关领域中的广阔应用前景。由于神经网络的巨量并行分布处理结构和自组织、自学飞、自适应能力,它十分适合未来的军事通信中处理模糊的随机的以及随环境变化而笑对自适应的智能型信息(?)输和信息处理问题。     

一种基于自组织神经网络的语音识别系统

建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理,提取了语音信号的线性预测系数、线性预测倒谱系数和Mel倒谱特征系数,建立了基于自组织神经网络的识别判决模型。深入分析和改进了自组织神经网络的分类聚类能力,通过加强训练和设定阈值函数的方法,有效地确定了边界神经元的归属,划分出了合理的输出模式类。验证了自组织神经网络适合于处理孤立词语音识别,并具有快速性和结构简单等特征。MATLAB仿真实验表明,语音识别率达到96%。     

基于最佳小波变换和神经网络的气体非线性荧光光谱的识别

将小波变换和神经网络相结合用于非线性荧光光谱的识别,针对非线性荧光光谱的特点,提出了选择最佳小波函数和分解层数的方法,处理后的光谱在保留光谱特征的基础上,大大压缩了数据维数;采用概率神经网络(PNN),对3种污染气体的非线性荧光光谱进行识别,获得了满意的实验结果。由于神经网络的输入是小波压缩后的数据,不仅提取了原始数据中的特征,而且数据的维数也下降7倍多,大大提高了气体识别的速度。     

神经网络在高速电信网中的应用(Ⅱ)

介绍了神经网络的基本概念及两种基本类型的神经网络,重点论述了神经网络在电信网络中的主要应用。指出,神经网络可以像人类的神经中枢———大脑一样,在极其复杂、模糊、甚至对立矛盾的环境下,通过自组织和自学习,进行理解、联想和判断,进而得出最理想、最正确的处理结果。特别是在电信网中,神经网络可以通过它的自适应性,实现实时、快捷和智能化的管理,并解决电信网管理中诸多的难题。同时神经网络也会像电子计算机一样,应用到社会的各个领域。     

神经网络语音识别的研究及进展

论述了在语音识别中听觉神经网络模型，ＢＰ网络，时延神经网络，自组织影射，学习矢量量化和神经预测网络的优缺点及神经网络语音识别的发展动态。     

一种有效的大规模数据的分类方法

本文提出了一种基于自组织特征映射神经网络(SOM)和支撑矢量机(SVM)相结合的复杂模式的大规模数据的分类方法.该方法首先利用自组织特征映射神经网络对待识目标进行聚类,然后应用支撑矢量机方法对其进行分类识别.通过对复杂异或(XOR)分类问题,以及实际的Iris和Appendicitis数据分类问题等的分类实验,且与仅用支撑矢量机的分类方法比较,结果表明,本文提出的方法对复杂模式的大规模数据的分类识别问题具有较好的效果,且训练时间大幅度减小.     

雷达信号综合分选方法研究

本文介绍了一种基于自组织概率神经网络的信号分选方法，主要讨论了这种神经网络在雷达信号分选中的应用，提出了针对特殊雷达信号的综合分选方法，通过大量仿真实验验证了这种方法的可行性。     

自组织竞争网络在测井资料岩性识别中的应用

测井资料所携带的地质信息是确定地层含油储量和制订开采规划的重要依据,基于此利用自组织神经网络自组织自学习的学习能力的特点,在分析影响岩性识别因子的基础上,建立了基于MATLAB的自组织竞争网络模型。实验结果表明,利用自组织竞争网络模型对测井资料岩性识别是可行的,正确率高,为岩性识别的研究提供了新方法。     

基于传感器阵列结合GA-BP算法对VOC的识别研究

为提高空气中挥发性有机物(VOC)检测可靠性，提出了一种基于气敏传感器阵列结合遗传算法(GA)优化反向传播(BP)神经网络算法的VOC检测模型。选用多个气体传感器组建阵列对VOC混合气体样本进行响应测试，使用主成分分析(PCA)对响应数据进行数据降维及初步分类探索，使用构建的GA-BP神经网络算法模型在PCA探索性分析的基础上进行定性及定量识别，并与BP神经网络识别结果进行对比。结果表明：遗传算法优化后的BP神经网络多元分类和回归模型性能优良且稳定，气体分类识别准确率达96%,浓度回归预测均方根误差为1.8×10^-2,平均相对误差为5.2%,平均训练耗时分别降至1.5 s和1.12 s,效果显著优于BP神经网络算法模型。这些研究结果进一步拓展了GA-BP算法结合气敏传感器在挥发性有机物检测识别中的应用前景。     

基于卷积神经网络的大黄饮片的识别研究

该文从大黄纹理特征入手研究了卷积神经网络技术在药材识别中的应用.首先介绍了卷积神经网络、研究所需材料及实验设备,然后深入解读了本研究方法技术路线,最后采用卷积神经网络VGG-16构建大黄饮片识别模型.实验结果表明,训练的VGG-16对测试图片集的识别及分类具有较好的效果.从客观性和稳定性来看,采用计算机视觉技术可十分便...