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.     

基于神经网络的TWTA非线性校正方法

用于卫星转发器的高功率行波管放大器（TWTA）是非线性放大器,由于常工作在饱和状态导致非线性失真很严重．针对这种非线性变换特性,提出了一种基于神经网络的新的校正方法,主要步骤包括样本数据的预处理、网络结构的设计、采用LM算法进行网络训练,以及利用训练好的模型进行AM／PM或AM／AM校正等．通过仿真实验和对比分析表明,基于神经网络的校正方法优于传统校正方法,校正结果与真实值吻合程度高．     

基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多，其中包括敏感元件温度变化所带来的影响，但即使使用恒温瓦斯检测技术，非线性误差仍然存在，影响了瓦斯检测的准确性．在简述用神经网络进行非线性校正的原理的基础上，探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序，通过计算机仿真，其结果表明采用该方法能够得到令人满意的结果，且结构简单，准确度高．     

基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多,其中包括敏感元件温度变化所带来的影响,但即使使用恒温瓦斯检测技术,非线性误差仍然存在,影响了瓦斯检测的准确性。在简述用神经网络进行非线性校正的原理的基础上,探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序,通过计算机仿真,其结果表明采用该方法能够得到令人满意的结果,且结构简单,准确度高。     

基于LMBP神经网络的非线性畸变图像校正研究

利用LMBP神经网络具有任意的非线性映射能力及快速收敛的特点,提出了一种非线性畸变图像的校正新算法.该算法不仅可以实现有校正模板的畸变图像校正,还可实现无校正模板的畸变图像校正.实验结果表明,该算法具有校正精度高,实现方法简便等特点,是一种有效的非线性畸变图像校正算法.     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

基于神经网络的气压传感器非线性校正

为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使气压传感器均方根误差由最初的2.10降低到0.68,减少了67.6%的测量误差;而提出的小波BP神经网络则使其降低到0.28,进一步减少了19%的测量误差,更好地满足了高空探测的精度要求,具有良好的泛化能力,可以推广到类似传感器的非线性校正中.     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

基于BP网络微位移传感器误差修正研究

对微位移传感器非线性误差的修正存在诸多问题,该误差是提高微位移传感器测量精度的＂瓶颈＂。本文介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了基于BP神经网络传感器非线性误差校正对测量数据进行修正。修正结果表明该方法是准确有效的,而且网络结构简单,准确度高。     

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。     

基于BP神经网络技术的路段实际通行能力

交通工程领域对于道路通行能力的计算的研究主要是在常态条件下对理论通行能力修正系数的研究,但路段上的随机因素对于实际通行能力的影响也是不可忽视的.为此,对现行的路段实际通行能力计算方法进行了分析,并确定了影响实际通行能力的各种因素,对其随机性进行分析.在此基础上,结合BP神经网络模型能够很好地体现出随机性的影响,对通行能力的影响因素和实际通行能力之间的函数关系进行逼近,得到相应的拟合公式.依据已有的样本,建立了实际通行能力计算的神经网络模型,结果采用神经网络模型计算的实际路段的通行能力与实测数据误差最大为4.09％,因此神经网络模型适宜于路段实际通行能力的计算.     

基于BP神经网络的战场网络攻击效能评估

战场网络攻击效能评估是网络攻击研究的重要内容.为了评估战场网络攻击效能,构建了战场网络攻击能力评估指标体系,提出了基于BP神经网络的评估方法,给出了构造样本的方法,并用构造的样本对BP神经网络进行训练,最后利用Matlab软件对该网络进行了仿真.通过与模糊综合评判法得出的评估结果相比较,验证了该方法的有效性.该方法减少了评估中人为因素的影响,使评估结果更可信.     

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网络的企业风险预警实证研究

风险管理是企业管理的重要内容。通过建立企业风险预警指标体系，利用神经网络方法对企业风险状况进行综合评估，并引用实例说明该方法的实现过程。预测结果表明，神经网络方法建模简单，精度高，对于企业风险等复杂的非线性问题有着很强的逼近与预测能力。     

基于混合混沌优化法的BP神经网络算法

运用混合混沌优化法训练BP神经网络，构造了基于混合混沌优化法的BP神经网络训练算法，实例说明具有较高非线性逼近能力和应用价值。     

基于BP神经网络的艾滋病人病情分类研究

以美国艾滋病医疗试验机构ACTG公布的某一段时间内不同时刻艾滋病人CD4细胞数的5次检查值作为样本,将归一化处理后的样本数据作为BP神经网络的训练样本,病情类别特征编码作为网络输出。网络训练完成后,将艾滋病人某一段时间内不同时刻的5次CD4细胞数归一化后作为网络的输入,输出病情类别特征编码。此方法平均分类识别率高达88%左右,说明其对艾滋病人的病情分类比较成功,可以作为临床医疗的辅助手段。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。