一种应用神经网络的车型识别仪

介绍一种新研制的公路收费车型识别仪、该设备利用环型线圈磁尖检测车辆特征信号,经一 工神经网络识别车型,并从标准２３２串口输出相应在的费额代码。     

一种应用神经网络技术的车型识别仪

介绍一种新研制的公路收费车型识别仪, 该设备利用环型线圈磁感应技术检测车辆特征信号, 经预处理后由人工神经网络识别车型, 并从标准２３２ 串口输出相应的费额代码。     

基于深度卷积神经网络的车型识别

传统的基于卷积神经网络的车型识别算法存在识别相似车型的准确率不高,以及在网络训练时只能使用图像的灰度图从而丢失了图像的颜色信息等缺陷。对此,提出一种基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的提取图像特征的方法,运用深度卷积神经网络对背景较复杂的车型进行网络训练,以达到识别车型的目的。文中采用先进的深度学习框架Caffe,基于AlexNet结构提出了深度卷积神经网络的模型,分别对车型的图像进行训练,并与传统CNN算法进行比较。实验结果显示,DCNN网络模型的准确率达到了96.9%,比其他算法的准确率更高。     

基于BP神经网络的车型识别研究

车型识别是智能交通系统中的一个重要组成部分,近年来已成为国内外研究热点之一.提出一种基于特征提取的车型识别方法,该方法对车辆图像进行预处理,通过图像边缘检测、图像纵横填充、图像修正方法进行车型特征值提取,得到车型分类特征字空间,利用BP神经网络进行车型分类识别.实验结果表明,该方法高效可行,并对低质量和背景复杂图像有着良好的处理效果.     

一种用于飞机型号识别的树分类器方法

本文提出了一种飞机图像目标识别的方法。首先，我们建立了由多种型号飞机在大小、旋转角度改变或进行简单仿射变换等情况下的飞机样本图像库；其次，将样本库分为训练样本库和测试样本库，提取了训练样本库中飞机图像的不变矩、仿射不变矩、机长翼展比和紧凑度等特征量，对这些特征量进行了分析，建立了飞机目标的表述模型；最后后，分别用最小距离、BP神经网络和树分类器进行了分类实验。实验表明，树分类器方法效果较好。     

应用神经网络分类器识别手写邮政编码

介绍了神经网络分类器的一般原理,提出了应用神经网络分类器识别手写邮政编码的基本方法。针对手写邮政编码模式内在的多样性和复杂性,又提出一种自适应树状网络模型以适应复杂数据的处理。     

基于深度卷积神经网络的车型识别研究

近年来,深度学习中的卷积神经网络已经广泛运用于图像识别领域,它不仅显著提升了识别准确率,同时在特征提取速度方面也优于许多传统方法。本文针对高速公路环境下的车型识别问题,引入卷积神经网络（CNNs）理论,设计相应特征提取算法,并结合SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示,本文方法在识别精度及速度上均取得较显著的提高。     

一种新型模糊-粗神经网络及其在元音识别中的应用

为度量模糊粗不确定性信息,引入了模糊粗隶属函数．基于模糊粗糙集理论构建了一种新型的模糊,粗神经网络（FRNN）,该网络融合了模糊信息和粗糙信息的处理能力．对5个元音字母的语音识别进行测试,结果显示FRNN网络不仅训练速度快,而且分类性能优于BP网络、RBF网络和贝叶斯分类器．     

一种手写体汉字识别的神经网络多分类器集成方案

提出了一种基于单字单网的手写体汉字识别纯神经网络的多分类器集成方案,并通过实验证明用该方案实现的神经网络集成系统性能均比任一个神经网络单分类器都好,对1 000种不同的手写体汉字的1 000×10个字进行测试,集成后的识别率最高达到95.22%,比单分类器的识别率高出5.0%-8.7%。     

基于神经网络的车牌识别技术的研究

汽车牌照识别技术研究与实现一直是现代化交通发展中倍受关注的问题,也是制约交通系统智能化、现代化的重要因素。本文深入研究了基于神经网络的识别技术,提出了一种基于多个神经网络的字符识别方法,实现了车牌字符识别。     

语音识别及自组织映射神经网络的应用

该文阐述了语音信号的特点，语音识别过程及技术，重点讨论了例谱技术及其在语音信号特征提取中的应用，并将自组织映射神经网络应用到语音识别中，提出了网络模型。     

基于神经网络的汽车车图象自动识别

提出了一种利用前向三层神经网络及计算机视觉技术对汽车车型进行自动识别的方法,包括汽车车型图象的分割,特征提取以及基于前向三层神经网络的自动识别和分类,文中的所有算法均在５８６／１３３微机上实现,识别和分类效果良好。     

基于神经网络和证据理论的图像目标识别研究

提出了一种基于BP神经网络和D-S证据推理的多传感器数据融合图像目标识别算法,利用数据融合的思想对来自目标的多幅图像进行空间域融合处理.首先提取图像的Hu不变矩作为待识别目标图像的特征,尔后针对DS证据理论基本概率指派函数构造困难的问题,用BP神经网络对目标的初步识别结果构造基本概率指派函数,最后用Dempster组合规则对BP网络的初步识别结果进行决策级数据融合,完成了三维飞机图像目标的识别仿真.仿真结果表明了融合识别方法的有效性和鲁棒性,识别率达到100%.     

基于神经和模糊方法的邮件地址识别

提出了一种基于神经和模糊方法的手写体邮件地址的识别方案。     

逻辑神经网络汉字识别部件的硬件设计

介绍由１６位ＣＰＵ，动态ＲＡＭ阵列，训练分类等逻辑组成的印刷体汉字识别部件的设计原理和管理软件。     

神经网络在人脸识别中的应用

将BP神经网络用于人脸识别,并建立了人脸识别模型,该识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程,具有简单,识别率较高的特点.     

量子Hopfield神经网络及图像识别

传统的Hopfield网络的存储容量是神经元个数的0·14倍(P=0·14N)。由于它在识别大量的图像或模式时遇到了巨大的困难,所以研究人员一直在寻找新的方法。由量子计算和神经网络结合而产生的量子神经网络是新兴和前沿的学科之一。为了提高图像识别的速度和增加图像识别量,在分析了量子线性叠加特性的基础上,提出了一种用于存储矩阵元素的基于概率分布的量子Hopfield神经网络,它在存储容量或记忆容量上提高到了神经元个数的2N倍,比传统的Hopfield神经网络有了指数级的提高。通过图像识别的实例分析和仿真试验的结果表明,该量子Hopfield神经网络能有效地识别图像或模式,并且工作过程符合量子演化过程。     

神经网络在人脸识别中的应用

将BP神经网络用于人脸识别,并建立了人脸识别模型,该识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程,具有简单,识别率较高的特点。     

改进径向基函数神经网及其在手写体字符识别中的应用

提出一种基于半模型矢量量化（ＳＦＶＱ）技术的改进径向基函数神经网（ＩＲＢＦＮＮ）分类器,并且用于无约束手写体数字的识别。作者在模糊聚类和矢量量化的基础上利用半模糊的思想提出了半模糊矢量量化算法,并在其中加入了有监督的控制,从而使系统在聚类过程中可以确定比较合适的类别数并使聚类结果能更好地反映训练集的概率分布。以半模糊矢量量化作为预处理的改进ＲＢＦ网,应用了多尺度补偿等办法,能够充分利用训练样本集的