由相关卷积处理的神经网络模式识别系统

神经网络对图形、数字和文字的学习认识过程，通常采用直接法，即将原模式分解成黑白二值的画素，用[0，1]取值，根据位置顺序扫描把数据输格入神经网络，由于手写数字的大小、位置有差异，在输入神经网络前必须进行处理——对数字规模化，这个过程很复杂，识别时需要的神经网络也非常火，网络学习时收敛也很困难。实际上，生物眼对图形的认识。     

晶体振荡器老化预测的径向基函数神经网络法

建立了预测石英晶体振荡器老化的一种径向基函数神经网络模型,这种人工神经网络由输入层和输出层组成,输入层由计算径向距离范数的非线性神经元组成,输出层由一个计算径向基函数的神经元组成.提出了确定规格化径向距离尺度因子的一种方法,并在此基础上导出了一种径向基函数神经网络的学习算法,这种算法具有计算形式简单和易于实现的优点,适合于用加速老化法和外推法进行石英晶体振荡器老化预测的实验数据处理.     

层次分析的神经网络集成方法

提出了基于层次分析法的神经网络集成方法;介绍了四种不同类型的神经网络,并用这四种不同类型的神经网络构造了五个独立并行处理的模式识别子系统,对每个子系统进行独立训练并分别进行模式识别,统计每一输入模式被各子系统识别成的模式及次数,按识别次数进行两两成对比较;计算各输入模式的识别结果与典型故障模式识别结果间的期望与方差的大小,进行两两成对比较并进行一致性检验。选取层次分析法中准则层对目标层的权重,综合各神经网络子系统的识别情况与输入模式和目标模式的差异大小计算输入模式对各典型故障模式的整体权值并以此作出决策。使用matlab软件进行仿真计算,得到的故障正确识别率。层次分析法神经网络集成方法取得了比相对多数集成方法好的识别效果,还可集成其他模式的识别方法。     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型，来识别电力系统短路故障，用小波变换提取测量信号的特征量，作为多层的神经网络的输入，对不同的输出要求，采用不同的神经网络，判断出发生故障的相别、性质和位置。实验结果表明，该模型是有效、可行的。     

基于有限元法的转轴裂纹故障诊断研究

采用有限元方法建立转轴的模型,并求解不同裂纹位置和不同深度的裂纹转子前三阶固有频率值.将裂纹位置、深度、前三阶固有频率作为BP神经网络的学习样本,训练出定量诊断裂纹的神经网络.以不同工况固有频率作为输入,用训练好的神经网络即可预测裂纹的位置、深度.研究表明:该裂纹诊断方法精度较高,稳定性较强,易于在工程实践中进行转子裂纹定量诊断.     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

一种基于联想神经网络的矢量编码

利用神经网络稳定记忆的吸收域能把输入矢量聚类的特性，本文讨论了一种改进的Ｈｏｐｆｉｅｌｄ离散神经网络用作矢量编码，这各方法能获得较高的数据压缩比和较小的压缩失真。     

损伤定位中应变模态指标的改进研究

由于传统的应变模态差指标峰值大小随损伤程度而变化,在利用应变模态差指标作为神经网络输入来识别损伤位置时,就很可能产生误判,为消除损伤程度对应变模态差指标的影响,本文对应变模态差指标进行改进,并给予了理论证明,并通过悬臂梁数值仿真算例进行验证。验证结果表明,所建议的改进方法指标与理论研究一致。     

神经网络BP算法用于三类基本波形分类时训练样本输入方式的研究

为了进一步研究神经网络ＢＰ算法用于模式分类时网络的性能，本文采用了四种方式向多层神经网络提供训练样本，并相互进行比较，结果表明：随机输入法和部分输入法的输入方式为较佳，从而说明了训练样本的输入方式对神经网络的性能有着直接的影响．     

结构损伤的神经网络定位研究

利用神经网络技术对结构损伤定位进行了研究，用有限元模态分析技术对悬臂梁有、无损伤的情况分别进行了模拟，得到一系列频率变化数据，将这些数据与损伤位置关系作为δ规则下的ＥＢＰ网络学习样本，网络训练好后，取不同损伤益的频率变化数据输入网络计算，推断损伤位置，发现推断损伤与实际损伤位置非常接近，从而证明了损伤前后的频率变化与损伤位置存在比较确定的映射关系，也说明了ＥＢＰ网络具有很经的自组织，自适应和自学习     

加筋土的规格化应力特性研究

通过对加筋土的静三轴试验结果的规格化处理，得到了一系列加筋土的规格化应力同轴向应变的关系曲线,通过分析，发现在加筋土的受力过程中，存在一个加筋材料发挥作用的临界应变，其大小与围压、加筋层数、土性等因素有关，在工程实践中通过减小临界应变值来提高加筋效果．     

神经网络PP算法用于三类基本波形分类时训练样本输入方式的研究

为了进一步研究神经网络ＢＰ算法用于模式分类时网络的性能，本文采用了四种方式向多层神经网络提供训练样本，并相互进行比较，结果表明：随机输入法和部分输入法的输入方式为较佳，从而说明了训练样本的输入方式对神经网络的性能有着直接的影响。     

神经网络反演方法在地震储层上的应用

基于神经网络对地球物理资料进行反演,其原理是把希望输出与实际输出之差偏差归结为连接权的"过错",通过把输入层单元的误差,逐层向输入层逆向回转,分摊给各层单元,从而获得各层单元的参考误差,以调整相应的连接权;并讨论了神经网络反演和基于模型反演在少井的情况下对反演效果的影响,以及神经网络反演中的各参数对分辨率的影响,对神经网络反演的应用及推广提供了相关参考.     

基于Gabor滤波器和改进BP神经网络的人脸检测方法

提出一种基于Gabor滤波器和改进BP神经网络的人脸检测方法.该方法首先利用Gabor滤波器空间位置与方向选择特性,采用8种方向Gabor滤波器提取人脸样本图像特征;然后把基于Gabor滤波器的特征向量作为人脸/非人脸分类器输入,并用PCA方法对特征向量降维;最后利用已降维的特征训练改进的BP神经网络.仿真实验表明,该方法比单一使用Gabor滤波器和单一使用BP神经网络检测率高.     

基于神经网络的表面粗糙度识别算法

提出了一种新的表面粗糙度识别算法,该算法利用从标准样块上通过采样得到的数学光强度分布数据,把表征光强分布的数据和样块的标乐值分别作为神经网络的输入和输出,采用改进的Ｂ 法对神经网络进行训练,训练后,把某一工件的散射光强度分布数据输入给神经网络,则网络的输出就是该样块的表面粗糙度数值,该算法充分利用神经网络的泛化能力和学习能力,可正确识别Ｒａ在０．８μｍ以下的被测表面,并可避免误识别。     

基于神经网络的表面粗糙度识别算法

提出一种新的表面粗糙度识别算法,该算法利用从标准样块上通过采样得到的散射光强度分布数据,把表征光强分布的数据和样块的标称值分别作为神经网络的输入和输出,采用改进的ＢＰ算法对神经网络进行训练。训练后,把某一工件的散射光强度分布数据输入给神经网络,则网络的输出就是该样块的表面粗糙度数值。该算法充分利用了神经网络的泛化能力和学习能力,可正确识别Ｒａ在０．８μｍ以下的被测表面,并可避免误识别     

BOPET薄膜中气泡的检测及识别方法研究

双向拉伸聚酯薄膜(BOPET)中的气泡直接影响产品质量,准确快速地检测与识别气泡有重要意义.提出了一种基于LVQ神经网络的BOPET薄膜气泡的检测与识别方法.该算法对采集到的薄膜图像进行处理得到薄膜疵点轮廓,提取长宽比、圆形度、形状复杂性及伸长度4个特征值,输入至已经训练好的基于LVQ神经网络的气泡识别系统中识别气泡并确定其位置与面积.LVQ神经网络的设计的是通过研究BOPET薄膜中气泡的特征,提取特征输入向量,通过训练用的特征值的输入使神经网络达到学习和预测的目的.通过实验测试表明,此方法能满足BOPET薄膜中气泡的检测要求.     

模糊特征下基于神经网络的工程图纸标注符号识别研究

提出了一种基于人工神经元网络对机械工程图纸标注符号识别的方法，并对基于特征输入和基于点阵输入两种神经网络分类器的特点进行了比较．研究结果表明，在模糊特征下，神经网络方法对工程图纸标注符号的智能识别完全能达到实用化要求．     

汉字字段词典库辅助输入功能的实现方法

为了能迅速输入重复使用的汉字，作者采用汉字字段词典输入窗口的方法，将需要输入汉字词组的位置弹出相应的汉字词典输入窗口，有选择地把汉字词组输入到数据库字段中。     

基于静力应变及遗传优化神经网络的城市立交桥梁损伤识别

应用遗传算法优化神经网络的权值和阈值,选取静力应变变化率为神经网络输入参数,以结构的易损截面为研究对象,提出了用于城市立交桥梁的损伤识别方法。以长春市前进大街立交桥左辅道桥为数值模型,对该方法的损伤位置及损伤程度识别能力进行了研究。模拟结果表明:该方法能够对结构单位置及多位置损伤进行成功的定位;对测试样本的损伤程度识别误差在3%以内,且其内插能力要优于外推能力。