The learning convergence of CMAC in cyclic learning

In this paper we discuss the learning convergence of the cerebellar model articulation controller (CMAC) in cyclic learning.We prove the following results.First,if the training samples are noiseless,the training algorithm converges if and only if the learning rate is chosen from (0,2).Second,when the training samples have noises,the learning algorithm will converge with a probability of one if the learning rate is dynamically decreased.Third,in the case with noises,with a small but fixed learning rate ε the mean square error of the weight sequences generated by the CMAC learning algorithm will be bounded by O(ε).Some simulation experiments are carried out to test these results.     

基于ROS的安防巡检机器人设计与开发

针对工厂仓库、大型商超等室内需要人工巡逻的场所,设计一款基于ROS(Robot Operating System)和人工智能的安防巡检机器人。采用OpenCV进行火灾监测,使用人工神经网络进行人脸识别,机器人可进行场地的安全巡检,及时发现安全风险并进行报警,以替代人工巡检。     

自组织映射法在机械故障诊断中的应用

自组织映射法是由Ｔ．Ｋｏｈｏｎｅｎ提出的一种人工神经网络模式,它能把高维的信息数据以有序方式映射到低维的网络上,形成一种拓扑意义上的有序图。由于其有序性,使得信号空间图成为许多输入信息及其关系的群落图。每个图可用灰度深浅不等的方块阴影图表示出来,这种可视的图形表示了机械运行的状态。人们可以非常直观地从图上判断机械运行状态,从而使得机械运行状态的监测和故障诊断更为简便。     

基于人工神经网络预测柴油机油台架试验结果

根据ＣＤ级柴油机的模拟实验与台架试验的基础数据,用人工神经网络的反向传播（ＢＰ）方法,对两者的关系进行了研究,给出了人工神经网络的学习速率为０．２,动量因子为０．９,对人工神经网络的拓扑结构也进行了研究,得到了合适的５－７－２拓扑结构及各节点间的权重系数。探讨了用模拟实验数据预测台架试验结果的可能性,通过检验,证明了用人工神经网络方法建立的模型能准确预报柴油机油的台架试验结果。     

基于BP神经网络的福州港集装箱吞吐量预测与分析

基于集装箱吞吐量是在制定港口集装箱运输发展策略的重要定量决策依据,本文利用神经网络,对福州港未来三年的集装箱吞吐量进行预测,并就预测的结果进行简要分析。     

基于BP的食品中污染物残留量预测

利用神经网络,根据食品卫生监测部门日常对市场上食物的检测数据,建立污染物分布模型,并对所建立的模型进行适应性检验。     

基于人工神经网络的CCD数码相机颜色特征化

阐述了基于BP神经网络的数码相机特征化方法。采用不同的神经网络结构,建立了数码相机记录的RGB信息和原影像C IEXYZ色度信息之间的非线性对应关系。对NIKON D200数码相机进行了研究,通过实验得到了合理的神经网络结构为3—10—10—3。测试不同的训练样本和测试样本,达到的C IELAB平均色差和最大色差分别为1.9~2.2和6.7~7.4个色差单位。讨论了实验设备的重复性,同时,分析了样本数量对实验结果的影响。实验结果表明:对数码相机的特征化,可采用BP神经网络技术实现较高的精度。     

基于人工神经网络的红外小目标检测

提出一种使用人工神经网络技术来估计红外图像背景的快速算法,并利用红外图像中弱小目标的特性来构建目标模型,采用中心重合的大、小两个窗口,用大窗口的外层来估计目标周围的背景,即隐含层第一个结点的输出值,大窗口内的小窗口则是用采估计中心像素的特性,即隐含层第二个结点的输出值,用隐含层第二个结点减去第一个结点的差的大小来判断中心像素是属于目标还是背景,差值越大输出值越大.采用该思想训练网络权值,可以更好地检测真目标,剔除虚假目标.     

一种基于人工神经网络的快速超分辨率方法

图像的超分辨率是指利用一幅或者多幅的低分辨率图像,通过相应的算法来获得一幅对应的清晰的高分辨率图像.针对现有的基于学习的超分辨率方法低效率的问题,提出一种基于人工神经网络的快速超分辨率方法,该方法试图利用人工神经网络学习到高分辨率图像和低分辨率图像之间的函数关系,其理论基础来自于人工神经网络能够很好地求解流形学习中高维流形和低维流形之间的映射关系.     

基于Lab色彩空间和ANN神经网络的车牌识别系统

针对目前车牌识别中车牌区域定位处理过程复杂、车牌字符准确率低等问题,本文采用Lab色彩空间识别结合传统sobel算子边缘检测的方法对车牌区域进行粗定位,再利用SVM模型进行精确定位。而在字符识别方面,本文利用ANN人工神经网络进行车牌字符识别,提高字符识别精度,经测试,该车牌系统对车牌区域识别定位准确,速度较快,字符识别准确度较高,具有较强的鲁棒性和实用性。