复合模糊神经网络在故障诊断中的应用研究

对于复杂的诊断对象,本文提出了一种复合模糊神经网络结构,该神经网络结构集成了一系列模糊神经子网络,来完成故障分类任务.文中以某高温硝酸冷却系统为诊断对象,以系统故障树为设置子网的基础,建立了含有多个子网的复合模糊神经网络.仿真结果表明了这种方法的可行性和有效性.     

基于神经网络的概念联想和概念聚类

本文针对信息检索中自动标引和用户的检索提问问题 ,介绍了一种概念空间技术以及采用Hopfield神经网络进行概念联想与概念聚类的算法 ,并对其中部分算法进行了模拟和实验 ,针对存在的问题提出了改进方法 ,并通过数据说明其可行性     

基于文本的信息过滤模型

信息过滤技术用于帮助用户在动态信息流中过滤出用户感兴趣的信息。通过对信息过滤概念的阐述,抽象出这类系统的一般模型。介绍了布尔模型、向量空间模型、潜在语义索引模型和神经网络模型等四种信息过滤模型,并就其特点进行了分析。     

基于概率神经网络的文本自动分类研究

本文提出了将一种径向基网络的重要变形———概率神经网络应用于文本自动分类的研究 ,与常用的K 最邻近法相比 ,具有一定的优势 ,特别是在训练集中各类的训练样本数很不平衡时 ;与BP等其他神经网络相比 ,其特点是需调节的参数少 ,不需确定隐层数、隐层中的神经元数量等网络结构 ,比较容易使用。此外 ,从研究中的不同特征选择的评价函数来看 ,它们对分类有一定的影响 ,应用X2 统计进行特征选择的分类正确率最高 ,其次是文本证据权 ,而期望交叉熵的效果最差 ,说明特征选择在文本自动分类中也是非常重要的。     

基于神经网络的信息检索课程多媒体教学质量评价体系

本文阐述基于BP算法的人工神经网络模型对信息检索课程多媒体教学质量评价的设计思想、评价模型和实现方法，较好地避免了传统方法人为计取权值和相关系数过程中的主观影响和不确定性，为信息检索课程多媒体教学质量评价开辟新的方法。     

基于级联深度卷积神经网络的档案图像真伪鉴别算法

针对档案数字图像内容的真实性鉴别问题,提出了基于级联深度卷积神经网络的图像真伪鉴别算法。该算法首先利用深度学习中的卷积神经网络模型自动提取特征点,然后构建协方差描述子作为特征点描述符并进行匹配,最后通过匹配的特征点判定篡改区域。实验证明,该算法能够准确地鉴别出图像的真伪。     

基于卷积神经网络的农作物图像识别方法研究

为了使计算机视觉技术更好地应用于农业自动化领域,本文采用两种识别方法:一种是使用卷积神经网络算法对图像直接进行识别分类;另一种是先对图像进行预处理及分割,然后提取图像的颜色、纹理、形状和内在低维流形特征等特征参数,使用BP神经网络和Elman神经网络算法对提取的特征参数进行识别。通过对两种图像识别方法识别结果的比较,发...     

基于Att-CN-BiLSTM模型的中文新闻文本分类

将卷积神经网络（CNN）和双向长短期记忆神经网络（BiLSTM）相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96%,精确率、召回率和F1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.     

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。