基于概率神经网络的控制图模式识别

近年来,人工神经网络被广泛应用于复杂过程质量异常的监控中.文献表明人工神经网络方法存在结构选择困难的问题,其解决主要通过研究人员的经验,耗时多且识别率低.本文提出使用概率神经网络来识别六类典型控制图模式,以改进神经网络识别器的设计效率.研究和仿真试验结果表明,概率神经网络不仅拓扑结构设计简单,而且识别率高.     

基于神经网络ZISC的模式识别系统

首先介绍人工神经网络ANN实现技术的历史，现状和发展，着重分析RBF网络的原理及其建立在超大规模集成电路基础上的硬件神经网络的设计方法，然后，介绍一种新的硬件神经网络技术ZISC的工作原理和应用，最后，以ZISC036芯片为例，实现一个模式识别系统。     

改进孪生神经网络的控制图模式识别方法

深度学习在控制图模式识别的运用上,易受控制图样本量和控制图质量特征数据点数的影响,针对这个问题,本文提出基于感知器-卷积神经网络的孪生神经网络(Perceptron-Convolutional Siamese Neural Network,PCSNN)模型,该模型先使用两层感知器将控制图原始数据映射到高维空间,再通过一...     

基于神经网络的油库输转作业模式识别方法

为准确识别数字化油库输转作业模式,在分析了油库典型输转作业模式基础上,提出了一种基于人工神经网络的输转作业模式识别方法。以阀门状态反馈信息作为网络输入,输转作业模式为输出构建立了神经网络结构,进而选取实际数据进行离线训练确定网络权值,最后通过仿真实验测试了该方法的识别效果,结果表明基于RBF神经网络的方法能快速、准确识别油库输转作业模式,对提高油库监控系统的智能化水平具有重要意义。     

传统Hopfield ANN应用于汉字识别的一种改进

本文在传统Ｈｏｐｆｉｅｌｄ ＡＮＮ基础上,对汉字识别某些方式提出一种新的方法,并在输出匹配的可行性上进行新的探索。在汉字字库的建立方法上提出新的观点,研究表明,本文所述方法是行之有效的,提高了汉字识别率。     

基于人工神经网络的板形模式识别方法

根据带钢板形控制的要求,运用人工神经网络理论,提出了一种新的板形识别方法,代替了传统的多项式最小二乘拟合法,该法具有很强的容错性和抗干扰能力,编制了板形模式识别软件,识别效果很好。     

BP型神经网络对阿胶的模式识别及容错分析

介绍对动物药阿胶进行了化学分析，利用BP型人工神经网络对各类阿胶进行模式识别，并进行神经网络的容错分析，结果表明，BP网络有相当强的预测能力和容错能力，当隐含层损坏超过20％时，预测能力才会明显下降。     

基于人工神经网络的DVB—S2数字信号调制模式识别

人工神经网络（ANN）是模仿生物神经网络的结构提出的模型．它所具有的并行分布处理等优点使其在模式识别领域有很大的应用潜力。本文针对新发布的DVB—S2标准，对应用人工神经网络进行数字信号调制模式自动识别进行了研究，设计并实现了对QPSK、8PSK、16APSK、32APSK四种调制模式的自动识别系统。     

一种模块化神经网络结构用于模式识别

在模式识别中,通常直接用神经网络来处理复杂的多类分类问题,其识别的误判率较大。该文基于任务分解与模块整合的思想,提出了一个模块化Kohonen神经网络(KTD)结构用于模式分类,给出了其学习方法并做了模拟仿真,模拟仿真表明KTD能够获得较高的识别率且误判率较小。     

基于人工神经网络的DVB-S2数字信号调制模式识别

人工神经网络(ANN)是模仿生物神经网络的结构提出的模型,它所具有的并行分布处理等优点使其在模式识别领域有很大的应用潜力。本文针对新发布的DVB-S2标准,对应用人工神经网络进行数字信号调制模式自动识别进行了研究,设计并实现了对QPSK、8PSK、16APSK、32APSK四种调制模式的自动识别系统。     

浅谈BP神经网络在模式识别中的应用

模式识别技术在各行各业都有广泛的应用。在工业检测、医疗仪器的样本检查分析、军事卫星侦察、人工智能方面有着举足轻重的作用。该文介绍基于BP神经网络的模式识别方法。运用一种基于BP神经网络的改进算法,将基于学习的思想引入到模式识别中,对样本数据进行学习和训练,形成良好的网络,最后对与已训练好的网络进行检验的整个过程,由于达到了一定的准确度,避开了传统方法计算属性权重的问题。     

基于奇异值分解和神经网络的个性化信息模式识别

随着信息资源的持续增长,信息获取系统为特定用户提供特定信息服务的需求越来越重要。该文提出了基于奇异值分解和神经网络的个性化信息模式识别的方法,可以方便地获取用户信息需求的特征,并且利用这些特征信息完成个性化的信息识别和匹配,即实现个性化信息的模式识别,进而实现信息的个性化获取和管理。该文中的算法实现简单,可以方便地应用到目前的一些信息管理、服务系统中。     

基于仿生模式识别理论的高阶神经网络说话人识别方法

根据一种全新的仿生模式识别理论,提出了采用神经网络实现并完成说话人识别的新方法。该方法利用高阶神经网络形成的复杂包络在特征空间中构造不同说话人的覆盖区域达到识别目的。相关实验证明,这种新的说话人识别方法只要通过少量样本的训练即可达到比传统方法更高的识别率。     

基于无监督神经网络的故障模式识别

无监督学习的竞争式神经网络是一种数据聚类方法,能保持输入空间的拓扑关系不变,借助于一维或二维输出平面的一组有序的向量,实现高维数据的聚类和可视化;探讨了一种无监督神经网络--SOFM网络原理、思想和算法步骤,研究了无监督网络在模式识别中的应用,提出了基于SOFM网络的故障模式识别和状态监测方法;通过实例研究了SOFM网络在机械设备故障模式识别和状态监测中的应用.     

用于模式识别的ART-2神经网络算法的改进

针对模式识别中模式有序输出的要求,对ＡＲＴ－２神经网络的算法进行了改进和调整,提出了ＡＲＴ－２神经网络的改进算法,通过对改进算法与原算法的识别试验结果进行比较,表明该改进算法对模式的有序输出是可行的和有效的。     

一种用于大规模模式识别问题的神经网络算法

许多实际的模式识别问题如对手写体汉字的识别,都属于大规模的模式识别问题.目前,传统的神经网络算法对这类问题尚无有效的解决办法.在球邻域模型的基础上提出一种可用于大规模模式识别问题的神经网络训练算法,试图加强神经网络解决大规模问题的能力,并用手写体汉字识别问题检验其效果.实验结果揭示了所提算法是解决大规模模式识别问题的一个有效且具有良好前景的方法.     

ART2神经网络在手写体汉字识别中的应用

该文提出了一种基于神经网络的手写体汉字识别方法,该算法充分利用神经网络的自适应学习能力。ART2网络通过竞争学习和自稳机制原理实现分类,可以在非平稳的、有干扰的环境中进行无教师无监督的自学习。其学习过程是自组织的实时学习,能够迅速识别已学习过的样本,并能迅速适应未学习过的新对象。考虑到Gabor滤波器具有优良的方向性,该算法采用Gabor特征作为字符特征。Gabor特征反映字符的空间分布特征,而且可以组合成高维矢量,特别适用于汉字识别这大型模式识别场合。实验结果显示,该算法对测试样本识别正确率达到94％,比其他方法更准确、更可靠。