脉冲神经网络的时间计算--世界中心识别原理

本文表明传统的基于脉冲平均点火车（averagefiringrate）的人工神经网的全并行计算是不妥的，因为它不能进行时间操作我们提出一个脉冲神经网（Spikingnetwork），对神经计算引入空间搜索机制搜索能够将空间坐标转化为时间坐标这使得空间相对坐标也转化为时间相对坐标利用延迟的连接，神经网能够非常容易地完成时间相对坐标的计算设计了一个以世界为中心的模型（World-centeredMedel，WCM），它由空间搜索器和特征转移向量存储器组成WCM是单纯的神经网络，它代表了不变识别的神经原理     

神经网络的二值图像模式识别技术

文中论述的是以攻击空中目标为背景的近场图像探测装置对目标的一次性探测机理和识别原则,并根据系统的性能指标要求,在图像生过程中对目标的局部图像进行识别和处理。首先介绍了运动目标的一次性非完整图像的基本特征,图像的像点连接键描述和矩阵表示及不变性处理原则。再根据其识别准则,论述了一次性非完整目标图像基于人工神经网络的二值图像模式识别方法,这样提高了近场图像探测装置对目标的自动识别和抗干扰能力。文中还给出了人工神经网络二值图像模式识别处理系统的原理框图和仿真结果。     

神经网络用于模式识别的几种主要方法及比较

神经网络的一个主要应用就是模式识别，本文主要讨论了用于模式识别的几种有代表性的神经网络类型及其学习或设计规则，对其优缺点进行了简要分析。     

基于神经网络的人脸识别系统

针对人脸在整个图像中识别的问题,提出了基于神经网络的前端人脸检测系统.该系统首先将训练集中每个图像划分成独立的小窗口,并标示出每个窗口中包含的人脸图像,并据此对神经网络进行训练.在利用神经网络对人脸进行识别的过程中,对待检测图像划分为分辨率为金字塔形的小图像,然后对每个分辨率的小图像进行人脸识别.同时为了提升系统对人脸检测的准确率和误报率,需要对多个神经网络输出的阈值进行权衡.本系统使用自适应算法,增加了错误检测集以提升系统的检测精度.     

基于神经网络和圆谐展开对战斗机俯视图位移、旋转和缩放的识别

神经网络进行畸变不变性模式识别具有普适性、适应性、最优并行性及其在硬件上实现的优点，它可以有效地弥补光学相关模式识别在存在性上的局限性．两者的有效结合对模式识别的发展将起到很大的作用。神经网络和圆谐展开相结合的方式构造复合滤波器可以有效地实现对同一位移、平面旋转和缩放了的图像的畸变不变识别，并给出了该方法用于战斗机俯视图识别的计算机模拟结果。     

基于神经网络和圆谐展开对战斗机俯视图位移、旋转和缩放的识别

神经网络进行畸变不变性模式识别具有普适性、适应性、最优并行性及其在硬件上实现的优点,它可以有效地弥补光学相关模式识别在存在性上的局限性。两者的有效结合对模式识别的发展将起到很大的作用。神经网络和圆谐展开相结合的方式构造复合滤波器可以有效地实现对同一位移、平面旋转和缩放了的图像的畸变不变识别,并给出了该方法用于战斗机俯视图识别的计算机模拟结果。     

基于ASOM神经网络的高分辨雷达目标识别

在介绍自组织特征映射神经网络及其学习算法的基础上,提出了一种结构自适应自组织特征映射神经网络。该网络能自适应地选择合适的网络规模,并对分类决策边界进行更为精细的调整,因此该网络区分微小差别的不同模式样本的能力进一步增强。最后给出了两类网络对实测高分辩雷达目标的识别结果。     

一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法,指数联想记忆模型（EAM）是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能。随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI（超大规模集成电路）硬件实现,通过在EAM中引入社会领域中广泛存在的“六度分离”现象,借鉴Watts和Strogatz提出的“小世界网络”理论对EAM进行了稀疏化改造。改造后的稀疏指数联想记忆模型（SEAM）不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性。     

脉冲神经网络和行为识别

随着神经网络的发展日益完善,神经网络在医学商业工业等领域都取得了很大的成就,其巨大的意义成为了近代研究的热点。由于现在的神经网络具有一定的不稳定性,新型的神经网络,也就是脉冲神经网络在学术界喷涌而出,其解决了普通神经网络的线性问题,使神经网络具有动力学特性,更加稳定,使随机性和人脑匹配,实现反向参数修改,本文在脉冲神经网络对细胞体进行膜电位分析,并且做了等效电路模型,可以用于描述细胞膜动力学模型。     

基于气体传感器阵列的电子鼻对混合气体定量识别的研究

阐述了电子鼻的结构,并根据传感器阵列响应信号特性,推导出气体传感器阵列的响应矩阵及其对混合气体的响应;论述了前馈神经网络在电子鼻中的应用原理。最后,利用自制的实验装置对所建立的电子鼻进行性能测试。实验结果证明气体传感器阵列和神经网络模式识别技术所组成的电子鼻完全可以完成对混合气体浓度的识别。     

基于模糊Hopfield神经网络的特定目标的识别

基于模糊Hopfield网络研究提出了一种基于核的模糊Hopfield网络识别系统（BC－FHNRS）。BC－FHNRS先训练要识别的特定目标的核，使核能够代表特定目标，然后根据核对未知模式进行识别，判断该未知模式是否是特定的目标。给出了一种核的构造和训练方法，并以此为基础提出识别算法。该系统具有运算时间短、识别率和拒识率较高的优点。试验结果显示，BC－FHNRS具有较好的特性。     

人工神经网络识别抽油机井示功图的研究

本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法,在此基础上将神经网络和模式识别相结合研究了通过识别抽油机井示功图诊断抽油机井故障的方法。     

可靠性路径寻优的神经网络模型及电路计算

本文提出一种求解最可靠路径的神经网络新模型“ＳＭＲＲ”，证明考虑相关失效影响的电力系统可靠性路径寻优问题，可以表述为一个具有等式约束和不等式约束的二次规划问题，然后用文献（３）提出的二次规划电路模型来实现，该模型的特点是假设节点的失效具有相关性，且其计算可由硬件完成，仿真结果证明了该模型的稳定性和方法的可行性。     

基于神经网络的通信网信号识别单元

提出并实现了一种基于Madalines人工神经元网络的通信网信号识别系统的研制方案．该系统可以在复杂的线路及干扰情况下，实时完成传真、计算机Modem通信、BP机自动寻呼、拨号音、双音频、电子合成语、热线音乐、噪声和话音等信号的自动识别工作，系统最大监测容量可达16384线，检出率超过30％，虚警率低于万分之一．     

神经网络在缺陷识别中的应用

为了准确、快速地进行缺陷识别，介绍了一种新型的前馈神经网络模型，即径向基概率神经网络。与以往的算法相比，该方法具有分类识别精度高且速度快的优点。仿真获得了很好的结果。     

具有二维状态转移结构的随机逻辑及其在神经网络中的应用

随机计算是一种特殊的基于概率数据码流的数学计算方法,其优点在于可以采用非常简单的数字逻辑完成复杂数学运算,从而大幅降低硬件实现成本。该文首先讨论了随机计算的基本原理和主要运算逻辑,论述了传统线性状态机的不足,并分析了一种2维状态转移拓扑结构,推导了通过2维有限状态机实现高斯函数的方法。在此基础上,提出一种随机径向基函数神经网络模型,其硬件实现成本非常低,而性能与传统神经网络相当。两类模式识别实验结果显示,所提出的随机径向基函数神经网络的输出值均方误差与相应结构传统神经网络的差别小于1.3%。FPGA实验结果显示,数据宽度为12位时,随机中间神经元的电路面积仅为传统插值查表结构的1.2%、坐标旋转数字计算方法(CORDIC)的2%。通过改变输入码流长度,该神经网络可以在处理速度、功耗和准确性之间作出平衡,具有应用灵活性,适用于对成本、功耗要求较高的应用如嵌入式、便携式、穿戴式设备。     

大量目标识别的光学相关与神经网络融合方法

本文基于光学相关与神经网络学习算法和编码聚类原理的融合 ,提出一种大数量目标的高效率分类识别方法 ,并以 67个字符 ,其中包括2 6个英文字母、1 0个数字和 31个省和直辖市的简称汉字的分类识别作为实例 ,给出详细的原理说明和结果。     

神经网络在时间序列预测中的应用研究

介绍了时间序列预测的基本概念、各种模型,分析了基于神经网络的时间序列预测方法,阐述了BP神经网络基本原理,提出了一种基于BP神经网络的时间序列的预测和方法。通过应用实例的分析表明,以此方法得到BP网络应用于非线性时间序列预测是可行的,神经网络方法可以成功地用于分析预测时间序列变量。