模糊神经网络推理决策

将模糊技术和神经网络技术有机地结合起来,研究了模糊神经网络推理决策方法.研究了神经网络组合输出方法,大大简化了推理神经网络的结构.采用组合输出结构的模糊神经网络充分发挥了模糊技术和神经网络技术各自的优点,使决策推理更加简捷有效.     

多层神经网络学习算法的研究

本文对多层神经网络的反向传播算法作了简要的分析和讨论,据此提出了一种新的学习算法用以消除多层网络的“迟钝状态”。实验结果表明,这种新算法能够加速学习收敛速度并避免陷入局部极小。     

构造性神经网络在测井岩性识别中的应用

测井岩性识别是石油勘探中十分重要的基础工作,准确的岩性识别结果可以为勘探和开发提供可靠的依据。人工神经网络方法可对复杂的高维数据进行非线性映射,在模式识别领域得到越来越广泛的应用。针对传统的BP神经网络算法存在收敛速度慢、隐层数以及隐层节点数难以确定等缺点,研究了一种构造性神经网络学习算法---级联算法（Cascade Correlation Algorithm,简称CC算法）及其在石油工程中的应用。采用该算法对甘肃镇原-泾川地区进行岩性识别研究,通过与BP神经网络的识别结果进行比较,体现出构造性神经网络的优越性。     

改进的BP神经网络在电子器件可靠性参数预测中的应用

提出一种基于BP神经网络的电子器件可靠性参数预测的新方法。以具体实验数据为例,以MATLAB中的神经网络工具箱为工具,采用了改进的BP神经网络,并对其设计方案进行了详细的分析说明,发现动量参数和学习率对训练次数的影响都很小;采用双隐含层比单隐含层训练更稳定,收敛的也更快速,同时给出了理想的学习方案。最后通过实验验证了该方法的有效性。     

两类小波模板及其在医学错畸形X射线头影图处理中的应用

基于医学错验X射线头影图像自动处理重要性及其复杂性,研究了两类小波模板并将其应用在X射线头影图像处理中.实际使用也证实了算法的鲁棒性.     

基于纠错编码和小波变换的数字图像水印算法

文章提出了一种基于小波变换和纠错编码的数字图像水印算法,该算法不需要利用原始图像。实验结果表明,该算法较好地保持了图像的质量,并大大提高了检测的可靠性,对常见的图像处理方法显示了较强的鲁棒性。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题，分析了输出扭矩的影响因素，在实验室试车台记录数据的基础上，利用小波分析方法对带噪声的原始信号进行预处理，运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型。     

线性分组码的神经网络译码

介绍了神经网络与线性分组码之间的关系，并在文献[1]的基础上证明了软判决译码与求解能量函数最大值之间的等价性，然后以(7，4，3)汉明码为例介绍了神经网络在循环码硬判决、软判决译码中的应用。     

基于小波变换的几种图像压缩方法研究

利用小波变换进行图像编码已成为近年来的研究热点.采用不同的小波变换和量化,就形成了不同的压缩方案.本文选用了Daubechies9/7小波和基于提升框架的线性插值小波变换,并基于现在最流行的JPEG2000标准,采用标量量化及嵌入式编码等不同方法,对几种压缩方法的实验效果进行了比较.