改进的RBF文本分类算法

分析了文本分类系统的一般模型及现有技术,在应用了核主成分分析的特征降维方法进行处理后,提出了一种基于样本中心的径向基( RBF)神经网络文本分类算法,并且引入了聚类算法的核心思想,来改进误差反向传播(BP)神经网络分类算法收敛速度较慢的缺点.实验结果表明, RBF网络与BP网络相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果.     

融合图像轮廓矩和傅立叶描叙子的手势识别

针对手势识别中人手是复杂变形体,手部特征描叙容易受到环境因素影响的特点,提出了一种基于混合轮廓特征的手势识别的新方法.首先根据手的颜色信息将手从复杂的背景中分离出来,然后提取出手轮廓的矩不变量和Fourier描叙子特征,然后将2种特征融合构成混合特征,最后将新特征输入BP神经网络进行识别.实验表明:此方法具有较好的鲁棒性和较高的识别率.     

一种新型的基于深度学习的时变信道预测方法

针对高速移动正交频分复用系统,提出了一种新型的基于深度学习的时变信道预测方法。为了避免网络参数随机初始化造成的影响,本文方法首先基于数据与导频信息获取较理想的信道估计,利用其对BP神经网络进行预训练处理,以获取理想的网络初始参数;然后,基于预训练获取网络初始值,利用基于导频获取的信道估计对BP神经网络进行再次训练,以获取最终的信道预测网络模型;最后,本文方法基于该预测网络模型通过线上预测实现了时变信道的单时刻与多时刻预测。仿真结果表明,本文方法可以显著地提高时变信道预测精度,且具有较低的计算复杂度。     

基于激光诱导击穿光谱积分信号的水稻种子鉴别研究

基于LIBS技术结合BP神经网络技术,对6类水稻种子进行类型鉴别研究.对水稻种子的LIBS全谱和分段光谱进行积分,再输入BP神经网络,得到:全谱积分前的识别率为81.02％,积分后识别率为93.40％,识别率提高12.38％;分段光谱积分后识别效果较好的是中心波长为405 nm、570 nm、810 nm的光谱,将这三...     

三维激光扫描技术下杂散光大数据预处理系统设计

杂散光的产生会降低图像对比度与信噪比,影响扫描测量结果准确性,基于此,提出三维激光扫描技术下杂散光大数据预处理系统.通过三维激光扫描系统原理与工作流程,分析杂散光点源透射比、双向散射分布函数与基本传输方程,建立6种杂散光传输路径模式;利用小数定标规范方法对三维激光数据做规范化处理,确定神经网络模型,将最速下降BP算法作...     

基于BP神经网络的UWB系统窄脉冲捕获技术研究

根据UWB信号的特性提出一种在低信噪比条件下实现快速捕获的新方法,即利用BP前向神经网络对极窄脉冲信号进行捕获,有效减少了在低信噪比条件下的平均捕获时间。其中着重分析了利用BP神经网络在低信噪比条件下检测窄脉冲信号的可行性以及接收信号的信噪比对检测的影响。并且对仿真出现的问题进行了分析,得出了一些有价值的结论。     

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.     

基于置信传播的优化译码算法研究

该文在对LDPC码的译码算法分析的基础上,针对校验矩阵中含有的环对译码算法的影响,提出了一种在置信传播算法基础之上的译码算法。该算法通过及时切断消息在环上的重传回路,可消除因校验矩阵中的环回传原始信息对译码造成的影响,保证优质的原始信息能尽可能地传播到其能传播的节点,从而提升了LDPC码的译码性能。仿真实验表明,在低信噪比的信道中,该算法具有相当于传统算法的性能和更低的计算复杂度;在良好的信道条件下可以取得比传统算法更优异的性能。     

非线性系统的神经网络自适应控制

给出了神经网络自适应控制方法,利用神经网络解决无参数,无模型等未知特性的系统控制问题,设计出神经网络自适应控制器,并对倒立摆系统进行仿真,验证理论的有效性和优越性。     

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。