用特征编码模板实现多模式分类识别的方法

以编码理论和神经网络优化算法为基础,提出了一种构造编码模板用于识别某一类模式集的方法,并以26个大写英文字母的识别作为实验进行了研究。     

神经网络的自适应删剪学习算法及其应用

在局域卡尔曼滤波算法的基础上,提出了一种自适应删剪学习算法,这一算法的核心是用网络训练结束后得到的局域的误差协方差矩阵测量权重的重要性,通过删除不重要的权重,得到一个紧凑的网络结构.广义异或逻辑函数和手写体数字识别的计算机模拟结果显示该方法是一种有效的网络规模优化算法 关键词： 神经网络 模式识别 广义卡尔曼滤波 删剪     

基于级联神经网络的实用型三维复合不变性多目标识别

以三 飞机模型作为待识别目标,模型真实场景,对用于多目标分类识别的级联神经网络重新进行了研究。实验发现畜产品上降的主要原因是实际采集的目标发生的复杂畸变与计算机模拟产生的效果并不一样。用采集得到的目标图像作为训练样本,对网络重新构造和训练,取得了好的实验结果。分析了其中涉及到目标定位、图像分割等图像预处理问题,提出了一种基于二值图像开矿学腐蚀运算的快速目标检测位法,可快速有效地对目标进行检测定 。     

Ni(110)-p2mg(2×1)-CO表面的几何结构和电子态

利用密度泛函理论(DFT)总能计算研究了Ni(110)-p2mg(2×1)-CO表面的原子结构和电子态. 计算结果表明: CO分子吸附于该表面的短桥位附近, 分子吸附能为1.753 eV, CO分子的键长dC—O为0.117 nm, 分子与表面竖直方向的夹角为20.0°, 碳原子和短桥位中点的连线与竖直方向的夹角为20.9°; 吸附的CO分子内原子间的伸缩振动频率为1876和1803 cm-1. 态密度研究结果表明吸附作用主要来自CO分子π、σ轨道与衬底d轨道间的杂化作用. CO分子σ轨道和衬底表面镍原子dxz轨道杂化形成的表面电子态主要位于费米能以下-10.4 至-8.8 eV和-7.4至-5.1 eV 范围内. σ和dxz轨道间的杂化作用可能是形成p2mg表面对称性的重要因素之一.     

三种光电混合神经网络系统衍射误差的仿真研究

介绍了三种类型的光电混合神经网络系统,重点研究了衍射引起的误差对系统输出的影响。根据衍射、光学信息处理和神经网络理论,采用实验中的参量和输入数据,对衍射造成的输出误差做了仿真分析。分析表明,近场衍射造成较大的输出误差。近场与远场衍射综合作用时,误差因输入图像模式不同而差异较大;其中,当输入较小的简单图像时相对误差较大;而对实验中实际采用的复杂图像,相对误差较小。利用线性回归方法对输出数据做了校正,并分析了其可行性,校正后的数据误差降低一个量级。衍射误差对实验中识别率的影响可以控制在较小的范围内,识别率可以保持在97.7%以上。     

利用汉明距离优选神经网络学习样本

鉴于学习样本对神经网络模型的模式识别性能有很大的影响 ,提出学习样本的选择应与识别模型所利用的特性相结合 ,并利用汉明 (Hamming)距离对用于旋转不变识别的级联模型的学习样本进行优选 ,计算机对三个很相似的飞机模型进行识别 ,识别结果表明对学习样本进行有效的选择不仅可以减少系统的学习训练时间而且可以提高模型的识别能力。     

串联式多级火箭成本问题初论

本文以火箭最大速度值的一般变化规律为基础, 改进了以前考虑火箭发射的成本问题的常用数学模型：最省的最省推进剂方案, 详细研究了各种情况下串联式多级火箭的成本问题,并以算例验证了所得的新成本计算模型的有效性.     

一个具有自适应取阈功能的光电网络系统及其性能分析

提出了用光电混合网络来完成自适应取阈功能的硬件实现方法。该网络系统能根据输入状态的不同,通过网络单元间的相互竞争而达到对系统的阈值的自适应调整,使阈值总是等于最大输入值而完成“胜者全取”（WTA）。该网络系统主要由非晶硅半导体PIN光电探测阵列和“胜者全取”电子网络组成。又由于系统完全采用并行处理方式,因而具有响应速度快、灵敏度高、寻址能力强、结构简单和性能稳定等优点,能方便有效地应用于自适应取阈、相关峰检测、联想存储等光电混合系统,对一个36个单元的网络进行了实验测试并对其性能进行了分析。     

用于实时识别三维物体的级联神经网络模型的优化方法

利用级联神经网络模型对多个三维目标进行识别 ,为提高其正确识别率 ,提出多种优化方法 ,它们可单独使用 ,也可以联合使用。对不变性编码、算法、互连权重的二值化方法、样本优选等进行了研究和探讨。利用优化后的模型对三个飞机模型在视场内的任意位置、任意取向 (面内旋转 36 0° ,面外旋转大于 45°)的投影进行识别。计算机模拟表明正确识别率达到 96 %以上。