RBF神经网络在高校奖学金评定中的应用

对目前高校奖学金评定的现状及存在问题进行分析,对高校学生奖学金的评定,建立RBF神经网络模型,利用测试样本进行仿真测试,结果表明,该方法比传统方法更加全面、公平、公正,具有较高的参考价值及实用性.     

基于神经网络的光标上下移动EEG信号分类方法

脑电信号（EEG）是研究脑活动的一种重要的信息来源,基于脑电信号的人与计算机的通信已成为一种新的人机接口方式。在此主要通过时域回归方法对BCIⅡ竞赛数据进行EEG信号去噪预处理,运用6阶AR参数提取脑电特征作为神经网络的输入,最后用Matlab 7.0进行仿真,得到分类正确率为90%。实验表明,该方法可以达到很好的分类效果。     

基于SOM网络的奖学金评定方法研究

现存的奖学金评判方法从单一的成绩出发以偏概全,忽视了学生思想品德的修养,学生学习成绩占主导地位,这不利于学生的全面发展。使用自组织特征映射网络,将学生的德育、智育及体育成绩进行综合比较和判断,通过比较将智育和体育在一个水平的学生经行聚类,通过德育成绩的高低,最终达到较为合理公平的奖学金评定方法。     

基于拓扑理论的行星轮系机构图计算机自动生成

行星轮系机构简图的自动绘制直接涉及到机械设计的效率和可靠性．通过对众多行星轮系机构简图的分析,给出了轮系机构图计算机自动绘制的可行性．采用基于图形离散化的方法,建立了机构图图表和图值矩阵的关联,最终实现了机构简图的计算机自动绘制工作．     

混沌免疫遗传算法的网络入侵检测模型

为了有效地提高入侵检测系统的检测率并降低误报率,提出采用属性约简方法对高维入侵检测数据进行特征选择,剔除无关的属性输入来提高检测效果,将混沌免疫遗传算法引入神经网络学习过程用以进行入侵检测,与传统BP神经网络检测结果进行比较,实验结果表明,将该方法用于入侵检测是切实可行的。     

基于神经网络的特征选择与提取方法研究

特征选择的基本任务是如何从许多特征中找出那些最有效的特征,即研究如何把高维特征空间压缩到低维特征空间。特征选择在数据挖掘、图象处理、数据压缩、模式识别等诸多方面有广泛的应用,本文简介了神经网络的特征选择与提取方法。     

一种基于颜色特征的视频镜头边界检测方法

视频镜头的边界检测是视频分析与检索的最基本环节之一。通常进行镜头边界检测时,需要设定阚值来判断特征差异是否足够引起镜头边界出现,但阅值的选取往往因视频内容不同而需重新设定。针对这一问题,本文提出了基于颜色特征进行的镜头边界检测方法。实验结果验证了该方法的有效性。     

脑计算机接口技术与应用前景

脑计算机接口(Brain-Computer Interface,BCI)技术是在人脑和计算机或其他电子设备之间建立通信系统,该系统通过记录人的脑电信号来了解人的思维,用思维来控制计算机,操纵设备、智能家居、无人驾驶交通工具等。该技术涉及神经科学、心理认知科学、康复工程、生物医学工程和计算机科学等多种学科。目前,脑计算机接口系统正在成为研究热点,本文介绍了脑计算机接口系统的结构、工作原理、存在问题及发展前景。     

灰色Elman神经网络的矿井瓦斯涌出量预测

为了准确预测矿井瓦斯涌出量,将灰色理论与Elman神经网络模型结合,建立矿井瓦斯涌出量预测模型。灰色系统能较好地预测变化的趋势,而Elman神经网络具有动态特性好、逼近速度快、精度高等特点。对于煤矿生产中瓦斯涌出量的预测,两者结合能够发挥各自的优势,以某煤矿矿井为例,影响瓦斯涌出量的因素为预测因子建立灰色理论与Elman神经网络融合的预测模型。结果表明,灰色Elman神经网络模型优于传统灰色预测模型,提高了预测精度,达到了很好的预测效果。     

基于MATLAB的自组织特征映射网络的实际应用

为了改善高校奖学金的评定方法,提出了自组织特征映射网络的解决方案,通过设计出基于MATLAB的SOM神经网络,并对所设计的SOM神经网络进行训练及测试,验证了自组织特征映射网络在奖学金评定改进措施中的有效性,改善了奖学金评定中的公平性、公正性。实际应用表明,该方法具有准确、可靠的特点,有很好的实用性。