基于SVG的电力系统信息可视化技术

随着我国社会经济的发展,科学技术的进步,电网运行更趋向于信息化和智能化方向发展,基于这样的发展背景形势下,电力系统的可视化技术,显得尤为重要起来。基于SVG的电力系统信息可视化技术,对于提高电网运行智能水平以及提高电网经济运行来说,具有重要意义。本文就SVG技术的可拓展性以及应用于电力系统信息可视化的技术特点,就其在电力系统发展中扮演的重要角色,进行了相关研究,就电力系统信息可视化技术的发展,提出了笔者自己的观点和看法。     

基于改进BP网络的机械零件图纸信息识别

在通过对BP算法加以改进，使其性能有所提高，收敛速度加快的基础上，提出了一种新的CAPP系统零件信息的输入方法，即零件的图纸经过扫描仪扫描获得数字信息、加载神经网络模式识别，同时将数字信息还原成CAPP系统中计算机直接读懂的信息，并加载网络测试加以验证。     

通信网络关联信息可视化

针对日益复杂的通信网络,设计了一种对网络中关联信息进行可视化的方法。该方法以可视化分析学为依据,利用人类对于视觉信息理解与分析能力强的优势,通过对数据进行分析,完成对通信对象关联与属性分析的可视化表示,放大人类对数据的感知与认识。通过该方法,可以在不损失信息原有内容的同时,对大规模数据进行形象的、易接受的可视化表示,便于在短时间内发现感兴趣信息。     

基于BP网络的图像畸变校正技术研究

图像判读中由于摄像装置所处角度、摄像镜头差等原因常使获取的图像存在非线性几何畸变.为获取图像的准确信息,本文提出一种基于BP神经网络的图像几何畸变校正的方法,该方法克服了插值拟合不能真实描述图像非线性畸变等缺点.仿真结果表明,该方法使网格图像畸变校正精度＜1μm.     

基于BP网络的噪声字符识别系统

介绍了BP网络的基本理论并讲述了怎样运用它来识别带噪声的数字系统.最后使用MATLAB对网络进行仿真,仿真结果,证实系统能够很好地对带噪声的数字进行识别.     

基于BP网络的指纹识别系统

针对指纹数据库规模不断增大的情况,为了提高指纹识别的速度和准确度,采用BP神经网络先对指纹进行分类,把指纹分成左环、右环、拱、涡、棚状拱和不辨型6种类型,然后在相应的子类库中根据特征提取进行识别。设计并实现了一个指纹识别系统,该系统能够自动地进行指纹分类,而且还能实时地将结果与指纹数据库进行比对。实验结果表明,该系统能迅速地获得被识别人员的身份信息。     

基于BP网络的汉语句法分析专家系统

提出了一种基于BP网络的汉语句法分析专家系统的设计方案．知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中．推理机采用神经网络进行推理．在论文的结尾给出了系统的运行实例，说明了该系统的有效性．     

基于改进BP网络的图像压缩

针对BP网络的图像压缩技术,提出了一种改进的BP网络局部学习自适应Silva-Almeida(SA)算法,该算法将训练过程分为加速、平稳收敛两个阶段的基础上,同时局部自适应调整学习速率和动量因数两个参数。经曲线拟合试验,其训练精度有较大提高,震荡现象得到进一步改善,训练速度加快。在图像压缩的仿真试验中,相对于目前常用的弹性BP算法(RPROP算法),该算法训练速度加快,重建图像质量有很大提高,利用该算法进行图象压缩可以获得更高的压缩比。     

基于Hebb理论的BP网络改进算法

应用 Hebb理论 ,用生物神经元的生理基础指导 BP网络的设计 ,并给出了训练方法与实验结论     

BP人工神经网络在加氢汽油干点软测量中的应用研究

汽油干点是石油加工过程中汽油质量的一个重要指标,但实际生产中还没有合适的可用于实时测量这一参数的仪器,本文运用软测量技术,通过BP人工神经网络建立了软测量模型,并嵌入到DCS控制系统中对汽油干点进行实时预测和推断,在实际应用中取得了良好的预测效果.     

基于BP神经网络的数字图像修复

考虑到BP神经网络非凡的学习能力和非线性映射能力,提出了利用BP神经网络修复数字图像.由于一般的BP神经网络收敛速度较慢,且易陷入局部极小,产生振荡现象.因此考虑在梯度下降算法的基础上引进动量因子,结果发现收敛速度加快、振荡现象减轻.该方法根据待修复区域的边界寻找相似块,利用相似块周围像素数据得到BP神经网络的权值和阈值.试验表明:文中的方法相对于利用偏微分方程(如BSCB方法)速度要快,而且具有更大的ISNR.     

基于BP神经网络的人脸图像识别方法的研究

提出了用BP神经网络对人脸图像进行特征提取和识别的方法,讨论了BP网络结构的设计,输入、输出层的设计,隐层结点数的选取等问题,对由10人,每人3幅图像组成的人脸图像数据库做识别实验,结果表明,BP具有很强的自适应性,对有噪声、残缺和戴眼镜的图像识别效果较好。     

基于相位同步指数的运动想象脑电平行坐标可视化分类

脑电相位同步可以反应大脑不同功能区域之间的连接性能,是当前脑科学研究中最活跃的课题之一。平行坐标作为信息可视化的主流技术,在可视化数据分析和模式识别领域有广泛应用。本文以脑机接口竞赛的运动想象脑电数据（Data Ⅲ）为对象,以平行坐标可视化技术为手段,基于相位同步指数和线性判别分类器对左右手想象意识任务进行识别。结果表明,信息可视化技术为脑机接口系统的实现提供新的思路。     

Sub-pixel mapping method based on BP neural network

A new sub-pixel mapping method based on BP neural network is proposed in order to determine the spatial distribution of class components in each mixed pixel.The network was used to train a model that describes the relationship between spatial distribution of target components in mixed pixel and its neighboring information.Then the sub-pixel scaled target could be predicted by the trained model.In order to improve the performance of BP network,BP learning algorithm with momentum was employed.The experiments were conducted both on synthetic images and on hyperspectral imagery(HSI).The results prove that this method is capable of estimating land covers fairly accurately and has a great superiority over some other sub-pixel mapping methods in terms of computational complexity.     

基于BP神经网络的锅炉控制系统

神经网络的自学习、白适应和并行处理等特性，使得它们在现代控制系统中得到了广泛的应用。在锅炉控制系统中，对温度的控制非常重要，文中结合温度的时变、滞后和非线性的特性，提出了一种基于人工神经网络的控制算法，并经计算机仿真表明，该算法具有响应速度快、精度高和鲁棒性的特点。     

Pulse frequency classification based on BP neural network

In Traditional Chinese Medicine (TCM), it is an important parameter of the clinic disease diagnosis to analysis the pulse frequency. This article accords to pulse eight major essentials to identify pulse type of the pulse frequency classification based on back-propagation neural networks (BPNN). The pulse frequency classification includes slow pulse, moderate pulse, rapid pulse etc. By feature parameter of the pulse frequency analysis research and establish to identify system of pulse frequency features. The pulse signal from detecting system extracts period, frequency etc feature parameter to compare with standard feature value of pulse type. The result shows that identify-rate attains 92.5% above.     

基于BP神经网络的供应链风险预警研究

通过对供应链风险影响因素的分析建立了供应链风险预警指标体系,利用BP神经网络的自学习特性,反复修正模型的权值,不断减小系统误差,使系统的误差达到该模型要求的精度;然后根据网络输出结果,对网络各层的连接权值进行分析,对比连接权值的大小,找出产生供应链风险的关键风险因素。以河北省28条供应链为例,运用其中25组样本数据对该风险预警系统进行训练,另外3组数据进行测试,结果表明本模型对供应链风险预测的精度达到90%以上,通过网络权值分析可以找到更加切合实际的关键风险因素。     

基于BP神经网络的钢铁分选仪裂纹检测

将BP神经网络技术用于钢铁件缺陷分析,以钢铁件裂纹为研究对象,选取了8种影响裂纹的因素,在实验设计的基础上,用BP人工神经网络对所得实验结果进行了分析,并且用图形化方式直观地表达了出来。根据实验结果,BP神经网络模型能较准确地预测出钢铁缺陷,从而为研究裂纹检测提供了一种新的有效手段。     

基于BP神经网络的两阶段疾病预测模型

为了理论解决BP神经网络在进行多目标预测中出现的识别率和可信度不高的问题,提出了一种基于DS证据理论优化的BP神经网络预测模型用于疾病预测,实验中,对心脏病数据进行处理,结果表明,在预测准确度和算法鲁棒性方面,都具有较好的效果。