基于高阶神经网络(HONN)的封闭平面形状识别

本文用形心到外轮廓的距离序列表示平面形状,将二维的平面形状识别问题转化为一维波形曲线的识别问题。对于这种波形曲线的识别,采用具有平移不变性的高阶神经网络方法,成功地解决了目标旋转变化后导致的边心距序列循环移位的问题,克服了传统匹配识别方法寻找匹配起始点的困难。实验表明,本文的方法简单易行,并且具有较高的识别率,可实现平移、旋转和比例不变性识别。     

改进的人工神经网络算法（Ⅱ）：在药物构效关系中的应用

构效关系是药物分子设计中的核心问题。人工神经网络算法是计算机辅助药物分子设计软件中的一种人工智能方法，近几年在构效关系研究中得到应用，且取得了令人鼓舞的结果。也说明了人工神经网络方法在药物分子设计中具有光明的前景。     

信息融合技术在煤矿安全预测中的应用

研究煤矿井下安全状况预测问题。针对现有预测模型因采用的信息融合算法单一导致的精度低的缺点,提出一种更适合矿井的基于模糊神经网络的信息融合预测模型;并重点针对现有的模型训练算法速度慢、难以适应井下要求的缺点,提出一种改进的LMBP算法,通过引入判别因子大幅提高模型的训练速度。仿真结果表明,预测模型在训练速度上比传统BP算法和LMBP算法分别提升了6倍和3.2倍,而且预测精度能够满足煤矿实际要求。     

基于Tau域奇异值分解的航空电磁数据解卷积计算

目前很多国际先进公司的AEM系统都具有不同的发射波形,给后续数据处理带来不便。为去除不同发射电流波形对电磁数据响应的影响,利用SVD分解法,以e指数为基函数,将时域航空电磁响应数据展开成Tau域参数T_i及其系数A_i形式,通过选取有效个数的Tau值,将基函数与发射电流进行卷积,形成新基底函数。通过对相应发射电流的响应以新基底展开,将新基底系数B_i与原基底结合,实现解卷积计算,得到阶跃波形发射电流情况下的电磁响应。仿真实例计算结果表明,经奇异值分解的Tau域分解方法保证了计算的精度和稳定性,基于奇异值分解的解卷积计算方法能够获得原阶跃电流响应,相对误差为1.61%。     

基于均值近邻的样本选择算法

提出了一个基于均值近邻的样本选择算法,并且对CMU-PIE人脸数据库数据进行了样本选择,提取关键数据,结合神经网络算法进行了分类实验。实验结果证明,与传统方法相比,该方法在保持了一定的准确率的前提下,能够有效地减少样本集中的冗余信息,同时在时间复杂度方面也有了一定的提升。     

用于地方高校学费分析BP神经网络数学模型方法研究

主要研究分析影响地方高校学费的因素。利用主成分分析法和BP神经网络建立数学模型,对31个省、直辖市的7项数据进行了分析。分析结果表明,前3个主成分的贡献率累计达到87.39%,这表明,前3个主成分已基本能表述所有信息。为进一步提高精确度,使用前5项数据作为BP网络的输入数据,将各省的学费作为BP网络的输出。经过6次训练,输出误差可降至10-15,基本达到了完全拟合的效果,为进一步预测学费提供了一种数学途径。     

BP神经网络训练算法的分析与比较

BP神经网络被广泛应用于模式识别、信号处理和自动控制等领域,其广泛性是由于它能实现任何连续映射,但由于BP网络训练所固有的复杂性,目前尚没有任何一种完全的算法能适用于任何BP网络的训练。本文介绍了MATLAB神经网络工具箱中各种训练算法的特点及其函数的参数形式,并对它们的收敛速度和内存消耗情况进行了比较,说明了其各自适用的网络。