基于自组织稀疏RAM的N-tuple神经网络的人脸识别

本文提出了一种首先采用自组织映射(SOM)神经网络对稀疏RAM的N-tuple神经网络(SN-tuple)的稀疏分布存储器(SDM)的地址矢量根据训练样本进行优化,然后再对SN-tuple进行学习训练的人脸识别方法,在此称为自组织稀疏RAM的N-tuple神经网络。通过大量人脸识别的实验证明,该方法有效的解决了SN-tuple受随机SDM地址矢量影响较大的问题,具有识别率高且稳定的特点。     

基于现场总线的风粉智能测量前端的开发与实现

根据火电厂在线监测一次风速与煤粉浓度的要求，研究开发了一种基于现场总线的风粉智能测量前智，介绍了该前端所采用的一些软，硬件技术，现场使用表明，该前端测量精确，易于操作，通讯可靠，工作稳定。     

基于稀疏RAM的逼近型神经网络与统计模式识别的人脸识别

本文提出了一种基于稀疏RAM的逼近型神经网络(SN-tuple)与统计模式识别相结合的人脸识别方法,采用首先直接将原始图像数据输入稀疏RAM的逼近型神经网络中进行粗分类,再由统计模式识别方法中的PCA、LDA来进行最终细分类的方法,通过大量的实验证明了该方法的有效性。     

基于Gabor变换与自组织稀疏RAM的N-tuple神经网络的人脸识别方法

本文提出了一种采用首先对人脸图像进行Gabor变换，然后由自组织稀疏RAM的N-tuple神经网络进行训练识别的方法，通过大量实验证明，该方法在较少训练样本下条件下，能够取得较高的识别率。