平台漂移测试系统中PSD非线性修正算法研究

针对平台动态漂移测试人工操作误差大、自动化程度低的问题,设计了基于位置敏感探测器PSD的平台动态漂移自动化测试系统。针对PSD非线性对平台漂移测试系统测量范围和测量精度的影响,提出一种新算法。该算法首先利用双线性插值对PSD的非线性误差进行修正,然后用BP神经网络非线性逼近特性进一步修正,最终得到修正值。将其应用于平台漂移测试,试验结果表明,该方法能有效消除非线性的影响,使PSD的B区(边缘区域)获得了A区(中央区域)近似的线性度,扩大了测量范围,同时测量精度达到了平台漂移测试的精度要求。     

自升式海洋平台多桩腿同步控制的研究

该文针对多电机同步控制系统的参数时变、非线性以及容易受负载扰动等因素,提出了基于相邻交叉耦合结构的BP神经网络PID控制算法,在Mathb/Simulink环境下搭建了多电机同步控制系统仿真模型.为实现自升式海洋平台升降过程的同步控制,在自升式海洋平台升降控制系统中引入了基于相邻交叉耦合结构的BP神经网络PID控制算法,经试运行表明,海洋平台升降过程中,同步性能好、系统可靠性高、结构简单、完全能够满足海洋平台的平稳升降要求.     

基于BP神经网络壁纸自动识别的研究

本文应用BP神经网络对8类壁纸样本进行了自动识别研究。首先,应用不变矩提取了壁纸样本纹理特征参数;然后,在此特征参数体系下,应用BP神经网络对壁纸样本进行了自动识别研究,获得了满意的效果。     

基于神经网络的机电耦合系统的解耦控制研究

本文以典型的机电耦合系统--数控伺服进给系统为分析研究对象,针对数控伺服进给系统的多输入多输出不确定非线性和强机电耦合性,探索机电耦合模型的解耦控制方法,提出了基于神经网络的解耦控制,经仿真验证能得到较好的解耦控制效果,且算法原理简单,易于实现。     

一种基于改进BP神经网络的PCA人脸识别算法

人脸识别作为模式识别领域的热点研究问题受到了广泛的关注。传统BP算法虽然具有自学习、自适应以及强大的非线性映射能力并且在人脸图像识别准确率上占有很大的优势,但算法具有收敛缓慢、训练过程振荡、易陷入局部极小点等缺点。针对传统BP算法的不足提出一种基于改进BP神经网络的PCA人脸识别算法,该算法采用PCA算法提取图像的主要特征,并结合一种新的权值调整方法改进BP算法进行图像分类识别。仿真实验表明,通过使用该算法对ORL人脸数据库的图像进行识别,其结果比传统算法具有更快的收敛速度和更高的识别率。     

数据挖掘预测模型在脑损伤患者认知功能康复中的应用

为了更好地预测后天性脑损伤ABI(Acquired Brain Injury)患者认知功能康复的影响因素,提出基于决策树(DT)、多层感知器(MLP)和广义回归神经网络(GRNN)的三种预测模型。借助于10折交叉验证测试算法,通过专一性、灵敏度和精度分析以及混淆矩阵分析对模型的性能进行测试,从而获得新的知识以评估和改善认知功能康复过程中的有效性。实验结果表明,基于DT的模型的模拟结果明显比其他模型更为优越,预测平均精度可高达90.38%。     

基于神经网络的模糊控制在四轮转向系统中的应用

简要分析四轮转向系统的工作原理,并且根据四轮转向系统是一个复杂的多变量、非线性系统,利用神经网络与模糊控制相结合的方法,使车辆在行驶过程中具有很好的稳定性能。     

一种改进型离散Hopfield学习算法

针对离散Hopfield 神经网络(DHNN) 的权值设计问题, 提出一种改进型学习算法, 并在DHNN动力学分析的基础上设计该学习算法. 利用矩阵分解的方法(MD) 得到正交矩阵, 并采用得到的正交矩阵直接计算DHNN的权值矩阵. 通过该学习算法得到的权值矩阵, 可以很好地存储训练样本的信息, 使测试样本收敛到稳定点. 该学习算法不需要进行分块计算, 减少了计算步骤和计算量, 降低了网络的迭代次数, 从而提高了网络运行速度. 最后, 将该学习算法应用于水质评价, 验证了其有效性和可行性.     

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。     

一种新的基于自适应神经网络模糊推理系统的图像滤波器

提出了一种新的基于自适应神经网络模糊推理系统的去除噪声算法。该算法是一个结合了中值滤波、维纳滤波和自适应神经网络模糊推理系统的综合滤波器。噪声点通过算法被准确地估计出来,自适应神经网络模糊推理系统的参数通过训练得到,训练可以通过简单的计算机合成图像来进行。将含噪声的图像、中值滤波后的图像和维纳滤波后的图像作为系统的三个输入,通过一个固定阈值来判断像素点是否为噪声点作为系统的输出,如果判断是噪声点,则通过中值滤波来进行去噪处理,如果判断是非噪声点,则灰度值保持不变。算法的特点就是在能够保持好线条、边缘、细节和纹理的同时,很好地去除噪声点。仿真实验表明,算法可以对噪声污染的图像进行有效的重建,同时不会扭曲图像中的有用信息。