BP神经网络的硬件实现

本文提出了一种采用ＭＯＳ晶体管的电流模式连续时间模拟ＢＰ神经网络的硬件实现新方法，硬件系统适合利用ＶＬＳＩ技术，具有片人误差反向传播学习功能，能简经ＢＰ新算法修正权值，对所设计的电路提供了ＰＳＰＩＣＥ仿真结果，结果表明硬件实现方法的可行性。     

基于BP神经网络的草图编辑手势识别

针对概念设计以及工程草图设计过程中,用户的草绘编辑修改行为进行了初步研究,目的在于能够设计出一套符合用户设计习惯的编辑手势.然后尝试采用基于BP神经网络的方法对其进行识别,以实现计算机对草绘设计行为的准确理解以及草图的快速编辑修改.实验结果表明,提出的方法具有较高的识别效果,加快了概念草图的设计过程.     

基于改进BP神经网络车型识别的研究

在分析了BP网络学习算法的缺陷基础上,引入动量项和遗传算法对BP网络学习算法进行改进。利用小波多尺度边缘检测对汽车车型图像进行分割和特征提取,利用矩不变量特征和改进BP神经网络对汽车车型进行自动识别和分类。提高了汽车车型自动识别和分类的速度和正确率。     

LVQ神经网络在三维物体识别中的应用

三维物体识别已经广泛应用于工业、医疗及军事等领域,是近年来的研究热点之一.传统的识别方法是根据二维图像来识别三维物体.但摄像机从不同角度拍摄三维物体,引起三维物体的图像变化,使图像特征发生改变,这会严重影响三维物体识别的准确性.针对这个问题,本文采用矩不变量作为图像的特征向量,并且应用LVQ神经网络进行训练,实现识别三...     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

BP和RBF神经网络在字母识别中的比较

将BP和RBF2种神经网络应用于英文字母识别,为2种网络建立识别模型．利用标准字符库进行测试,并在测试中加入干扰,进行仿真实验,观察这2种网络的泛化能力以及识别准确性,比较这2种网络及其改进方案,提出这2种改进方案中分别需要注意的地方．指出当用于字母识别时,RBF网络的性能优于BP网络及其改进型算法．     

BP神经网络在射孔信号识别中的应用

将BP神经网络应用于油管传输射孔信号的识别,射孔信号经过小波变换,取小波变换后的一阶分量作为神经网络的特征量,将多个信号的一阶分量送入神经网络进行训练,得到稳定的系统,可以利用这个系统识别射孔信号。如果射孔信号为一级起爆信号,结果显示为1;如果为其他类型结果显示为0。经过实验证明,所设计的BP网络可以识别油田射孔作业中一级起爆的油管传输射孔信号。     

BP网络学习算法改进及用于手写体数字识别

从误差函数入手对传统ＢＰ学习算法进行改进，实验表明此改进算法不仅提出了网络训练效率，而且改善了网络推广性能。     

神经网络BP算法的研究,实现及改进

给出了目前较流行的一种神经网络学习算法－－神经网络ＢＰ算法的数学证明及计算机实现，并在此基础上提出了几种改进算法。计算机模拟结果表明，改进算法提高了学习速度与精度，应用于工程图形元素识别效果良好。     

BP神经网络及其改进

介绍了标准BP算法及其优缺点，并针对其存在的缺陷，从各个不同的方面对BP算法提出了改进，并对各种改进方法的原理及优缺点作了详尽的分析，从而使BP神经网络更广泛地应用于各个领域．     

一种改进的BP算法及其在模式识别中的应用

针对前馈神经网络中传统BP算法的局限性，给出了一种改进的BP算法，选取了一种新的误差函数，并对其参数进行了动态自适应调整．通过比较，改进的BP算法收敛特性明显优于传统的BP算法．实践证明，将上述算法应用于对工业零件的识别当中，可有效提高识别速度和识别正确率约17％．     

一种改进BP神经网络在模式识别中的应用

为了提高神经网络识别的速度及实用性,在传统BP神经网络的基础上,提出了一种动态调整网络结构的改进网络模型,给出了该模型在应用中的算法,并做了特征提取．仿真结果表明,与传统的BP神经网络比较,改进网络的初始权值的选取相对容易,有效降低了陷入局部极小的可能,提高了网络收敛和识别的速度．     

基于BP神经网络的车牌字符识别

自动车牌识别作为高精度的车辆识别中的核心技术,在智能交通中发挥着日益关键的作用．构建一种改进的BP神经网络识别车牌字符,并在VC＋＋6．0环境下测试,实验结果表明系统具有良好的有效性,并能满足实时车牌识别的要求．     

一种用于模式识别的新型神经网络模型

双向联想记忆（BAM）网络和BP网络是两种重要的神经网络模型，研究结果表明将BAM网络的输入用40％的噪声污染，这种网络仍然可以实现正确联想，另一方面BAM网络有一个严重的缺点就是它无法实现数据压缩，而BP网络却恰恰能够很好地实现数据压缩，但它的容错性不好。本文同时从识别率和节省存储空间两方面出发，提出了一种BAM-BP神经网络模型。该模型具有容错性好、识别率高、简单等优点。     

基于模式识别和神经网络的电力系统短期负荷预测

当制定发电机组的启停计划和负荷管理计划时，对未来24h内的短期负荷预测是很必要的，精确的负荷预报能大大提高电力系统管理水平．本文介绍一种基于模式识别理论构造的人工神经网络，应用于电力系统短期负荷预测的方法．     

基于遗传BP神经网络的油气识别

为了建立一种有效的油气储层识别模型,使得能够处理大信息量、复杂样本空间油气信息,本文提出遗传BP神经网络模型,利用遗传算法全局搜索问题解的特性对BP神经网络的权值和阈值进行快速优化,约束BP神经网络训练学习过程。研究表明,相对于传统BP模型,遗传BP模型具有效率高、收敛速度快、适应复杂样本空间和大样本空间训练学习等优点。     

改进的BP神经网络算法在车牌识别中的应用

在车辆牌照自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率和速度是车牌识别系统最根本的问题.本文用动量因子和自适应学习速率对传统BP网络进行改进.该算法简便,识别率高,可适用于多种高噪声环境中的字符识别.     

基于BP神经网络分类器的多目标识别方法研究

文章对多目标进行特征提取,数据作为神经网络分类器的输入,采用不同的算法对多输出型BP神经网络分类器和单输出型BP神经网络联合分类器进行训练,实现多目标的识别。仿真试验结果表明,基于BP神经网络分类器的识别方法具有较高的识别率。     

用神经元网络识别手写数字的研究

利用人工神经元法,研究了手写阿拉伯数字0~9的识别方法,分析和讨论了进一步的优化策略,计算机模拟实验的结果表明了研究的有效性。