基于BP人工神经网络的数字字符识别

提出一种基于BP人工神经网络来识别含有噪声的数字字符的方法.通过对BP网络模型进行训练,并选择纯净和带有噪声的数字字符组成样本,借助Matlab7.0实现数字字符识别,识别率为96%,达到了设计要求.     

基于LSSM算法的联想记忆网络在字符识别中的应用

本文提出了一种适用于ASCII码库中数字与字母的识别方法,将识别对象中每个像素值对应送入LSSM系统,相较于其他神经网络的识别方法,该系统在保证正确率的同时,具有更小的规模、更强的抗干扰能力、更快的收敛速度。     

扩展的拟牛顿法

拟牛顿算法被认为是当今解无约束最优化问题的最有效方法之一,它产生了一系列对目标函数二阶导数的近似矩阵Bk＋1．校正产生的Bk＋1,其实质是在Bk的基础上加一修正矩阵Ak,即Bk＋1=Bk＋Ak．研究了Ak应满足什么样的条件,给出了满足该条件的Ak的3种公式及6种合适的选取．     

基于Matlab图像数字水印算法的研究

图像数字水印算法是一种水印处理技术,其算法合理性直接影响水印不可见性、鲁捧性、信噪比,研究算法的最终目的在于尽可能的保障不可见性、增强鲁捧性,提高信噪比,以降低水印对原图像感官像素的影响,提高其抵御攻击能力。本次研究基于Matlab这款数字处理软件,可实现的主要算法包括小波变换算法、Corpulent变换算法、邻域均值算法,等。本文以软件构造一种基于人类视觉模型理论的自适应水印算法,并进行性能测试,结果显示其不可见性优越,相较于Corpulent变换算法鲁棒性更高,抗剪切、缩放、滤波等常规攻击能力较强,与邻域均值算法性能基本相当。     

基于BP算法的函数逼近算法设计

重点研究常用的BP（BackProPagation）人工神经网络的工作原理和学习算法,同时利用Matlab进行仿真。仿真结果表明,基于BP网络的控制算法具有良好的应用性。     

基于BP神经网络算法的汇率价格短期预测研究

随机信号预测在金融行业有着重要应用。文章基于Back Propagation Network的随机信号预测方法,利用三种国际货币汇率价格的历史数据作为参考,对未来汇率价格进行短期预测,与实际价格进行比较分析,并得出结论。有助于对外汇市场的发展方向和趋势分析,无论是对监管层进行决策还是对投资者提供投资选择,都将会具有非常重要的现实意义。     

基于HALCON平台快速开发光学字符识别系统的研究

HALCON平台提供了成熟的算法包、开放式结构的功能模块及光学字符识别助手,有利于快速开发光学字符识别系统,具有功能强大、开发成本低及操作简单的优点。文章应用了平台自带的多个分类器模板对字母和数字进行识别测试,结果证明HALCON平台自带分类器模板对部分大写字母和数字的识别具有较高的准确率。在平台上创建了开放式的分类器模板,建立样本训练集文件,对分类器进行训练,使用训练后的分类器模板对汉字进行识别测试,识别准确率也较高。     

基于神经网络的白酒勾兑目标规划算法优化

针对白酒勾兑过程中,现有的白酒勾兑目标规划算法难以确定权系数(优先因子)的缺点,本文提出了利用人工神经网络对目标规划算法进行改进和优化,选择三层前向BP神经网络结构,并通过选取理化指标向量与“优先因子”权系数向量之间合适的样本,对该神经网络结构进行训练,训练完成后得到了一组最优的“优先因子”,代入配方模型,求得白酒勾兑最优的配方解.仿真结果表明,基于神经网络的优化算法快速、收敛、可行,能够得到满足多目标的最优配方,得到的理化指标曲线更加接近目标曲线,提高勾兑成功率至98％,降低了勾兑成本6％.因此,该优化算法能够更有效地应用于白酒勾兑工艺中,得到满足多目标的最优配方.     

基于BP神经网络的规范手写体数字离线识别

手写体数字离线识别一直是模式识别研究的热点问题。手写体数字具有多变性和随意性较强的特点,在实际应用中对识别率要求较高,针对这一问题,设计了基于BP神经网络的手写体数字离线识别分类器,并按照规范手写体标准设计了训练样本和测试样本,通过仿真验证了此方法的有效性,识别率达到了81％。     

基于量子卷积神经网络算法的微小零件识别

设计了量子卷积神经网络表示层、隐藏层神经元和输出层神经元模型;采用修正线性激活函数ReLu作为激活函数,并通过训练误差函数优化量子旋转角度和神经连接权值。8种微小零件的仿真试验表明,量子卷积神经网络算法的识别准确率较高,耗时少且识别效果较好。     

基于神经网络的白酒勾兑目标规划算法优化

针对白酒勾兑过程中,现有的白酒勾兑目标规划算法难以确定权系数(优先因子)的缺点,本文提出了利用人工神经网络对目标规划算法进行改进和优化,选择三层前向BP神经网络结构,并通过选取理化指标向量与\     

基于差分进化的BP网络学习算法

提出了一种基于差分进化的BP网络学习算法,该算法是一种全局随机优化算法.利用差分进化算法的全局寻优能力,可以很好的训练BP网络的权值和阈值.将所提出的算法与BP算法作对比实验,结果表明,所提出的算法相对于BP算法在分类准确度上有较大的提高,而且具有良好的收敛性和泛化能力.     

基于Levenberg-Marquardt算法改进BP神经网络的卷烟销量预测模型研究

针对一般时间序列分析方法中预测方法的不足,采用改进的BP神经网络对卷烟销量进行预测。介绍说明改进的BP神经网络Levenberg-Marquardt算法原理,对卷烟销量数据进行归一化处理,建立卷烟销量神经网络预测模型,利用Matlab软件对数据进行训练、仿真。与实际销量进行对比分析,证明采用改进的BP神经网络预测结果准确。     

一种基于数值计算的改进BP神经网络加速算法

为增加神经网络收敛的稳定性与收敛速度,提出了一种改进的网络优化加速算法.在权值调整期间加入前N期权值结果,增强了训练的稳定性;使用Steffensen迭代算法进行加速,使网络训练较快地收敛;有效地解决了传统BP神经网络的缺点.进行数值实验,将10幅二值化后的车牌数字字符图片作为训练样本送入改进的网络与传统的BP神经网络中分别进行训练,可以看出传统BP算法在训练过程中出现了振荡且收敛速度较慢.而改进的算法误差稳步下降,没有出现传统算法中振荡的现象,且较传统算法早达到收敛稳定.     

重组牛肉图像识别模型的比较研究

以重组牛肉为研究对象,基于机器视觉技术构建3种深度残差网络(deep residual network,ResNet)模型(ResNet-50、ResNet-101、ResNet-152)用于识别重组牛肉,同时应用VGG-16视觉几何群网络模型、支持向量机模型以及LeNet-5卷积神经网络模型,比较分析ResNet模型的识别准确率和响应时间。采集并经过图像预处理后共得到6 168张样品图像作为实验样本,随机选取其中的4 936张作为训练集,剩余1 232张作为测试集。结果表明:3种ResNet模型(ResNet-50、ResNet-101、ResNet-152)识别速率较快,准确率高,均可以有效识别重组牛肉,且卷积层越多,准确率越高,其中ResNet-50模型识别准确率达到较高水平,且测试时间仅需0.45 s,能够准确、快速地识别重组牛肉。     

基于模拟退火算法改进遗传算法的织物智能配色

为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶...     

WNBA-RBF算法在企业经营状况评价中的应用

针对蝙蝠算法(BA)易陷入局部最优解的缺点,提出了在较优蝙蝠位置附近加入白噪声扰动以增强其活力的改进算法,并利用其搜索径向基(RBF)神经网络的最优初始参数.最后建立了基于白噪声扰动的蝙蝠-RBF(WNBA-RBF)算法的企业经营状况评价模型,并与传统的RBF模型进行对比,仿真结果表明,基于WNBA-RBF算法的经营状况评价模型的正确识别率高于传统的RBF模型,是一种有效的评价模型.     

基于改进边缘检测算法的服装款式识别

为快速识别服装款式类型,提高生产效率,针对现有传统边缘检测算法难以准确提取轮廓特征序列的不足,设计一种改进的边缘提取算法。通过定义一种新的优化卷积核,在使用传统边缘检测算法提取训练样本的服装轮廓基础上,将该卷积核与目标矩阵进行卷积得到新的外轮廓,将新轮廓序列的傅里叶描述子作为特征向量,进一步利用BP神经网络模型完成服装款式的自动分类与识别。为验证改进方法的有效性,建立一个包含4类服装500个不重复服装图像的样本库,选取281个作为训练样本,对剩余219个样本进行测试,测试识别准确率最低为93.48%,最高达到了100%。该改进算法提高了服装款式识别率,对服装智能化生产具有借鉴意义。     

基于改进型循环神经网络算法的食品包装智能实时识别系统研究

目的:为了满足物联网边缘计算的需求,引入循环神经网络算法,构建智能实时分类识别系统,并对食品包装图像进行研究。方法:构建仿真试验测试模型,先对图像数据集进行预处理,将二维图像进行去冗余化、灰度化及归一化等处理,最终将时序化后数据并行输入;以典型的忆阻器作为实现硬件RNN的研究对象,采用忆阻器非线性函数构建并行阵列式储备池神经网络映射层;并利用岭回归算法解决训练过程中出现的过拟合等问题。结果:试验方法对食品包装数据集的分类准确率高达98.59%。结论:该系统减少了传统神经网络层数,降低了训练成本,并实现了对时序信号的高精度实时在线识别。