基于简化脉冲耦合神经网络的蝗虫图像二值分割

采用参数简化的脉冲耦合神经网络（PCNN）分割图像，进行了蝗虫图像分割实验，区域正确识别率达94％，为蝗虫自动侦测系统中的数据处理提供了技术支持。计算机仿真表明，采用PCNN图像分割算法，图像中的目标（蝗虫）易于发现，分割效果明显好于采用开操作处理的图像。     

基于神经网络的发动机实时检测与故障诊断系统

提出了一种基于神经网络的发动机性能实时检测与故障诊断系统，其诊断的特点是利用各种传感器实时采集数据，结合人工神经网络，从不同的角度，不同层次进行诊断推理，并以神经网络来完成自学习功能，大大提高了诊断的效率，研究提出了实时诊断系统的各种抗干扰措施，通过实验验证，该系统具有较高的准确性，并且易于操作和使用。     

基于BP神经网络的农机总动力预测

分析了BP神经网络用于预测时存在的不足,进而对基于BP神经网络的时间序列的预测问题进行了探讨.根据BP神经网络结构的特点,依据Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分析指出了在BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应为两层网络.在此基础上,推导...     

BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

基于量子神经网络的马铃薯早疫病诊断模型

针对马铃薯早疫病智能诊断,将量子计算的态叠加方法和神经网络计算的自适应性结合,提出了将量子神经网络作为马铃薯早疫病诊断模型.该模型隐含层采用多个量子能级的激励函数叠加的量子神经元,有效地解决了病害诊断中模糊决策,在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性.此算法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端,提高了网络学习速度.仿真结果表明:量子神经网络在马铃薯早疫病诊断中,诊断正确率达到96.5％.     

基于神经网络的树叶识别系统研究

在林业系统注册树木种类时,通常采用大量树叶上的可见外形特点来辨别数目繁多的树木种类。针对此问题,本文提出了基于神经网络的树叶识别方法,该方法建立并管理一个分等级的树叶图像体系,通过对不同种类树叶的边缘提取来识别每种树叶的特征点,从而得到树叶的外部轮廓来区分树木种类:给出了相应的改进型神经网络算法,并给出详细的论述过程:最后,通过Java语言给出了系统实现并做了大量的数值仿真。结果证明本文方法是可行有效的。图4表1参8。     

基于时延神经网络的木材干燥温湿度建模研究

利用神经网络建立了木材干燥的温湿度模型,给出了其时延神经网络辨识结构。分别提出温、湿度控制模型(控制信号与温、湿度之间的关系模型)和木材干燥基准模型(温、湿度与木材含水率之间的关系模型),并利用实验干燥窑得到的实际数据进行了仿真研究。仿真结果表明,利用此方法建模是可行的,所建模型是有效的。图10参16。     

基于时延神经网络的木材干燥模型辨识的研究

木材干燥是一个复杂、多变的过程，传统的系统辨识方法很难建立一个理想的木材干燥模型。利用时延神经网络的特点，本文提出了基于时延神经网络的木材干燥模型辨识方法，并给出了辨识网络和结构。对辨识得到模型的仿真结果表明，利用时延神经网络所建立的模型是可靠且有效的。     

基于神经网络和颜色特征对木材进行分级的分析

为了解决木材的分级问题，提出了利用神经网络和木材表面颜色特征对木材进行分级的方法。利用竞争神经网络对114种不同树种进行粗分，然后再用BP神经网络算法对此进行验证，又对四种木材进行分类验证。从计算机分类分级仿真效果上看，达到了预期的目的。     

可变密度蓄积量的BP网络模型

在森林经营过程中,及时掌握森林资源的现状,预测其发展趋势对森林资源的宏观经营决策和管理十分重要。本文根据金沟岭林场的实际情况,采用人工神经网络方法建立了基于人工神经网络的混交林可变密度蓄积量BP网络模型,采用回归方程适应性检验法分别对模型的拟合效果进行适应性检验,检验结果表明所有模型是实用的,不存在系统偏差,表明用人工神经网络的方法对森林资源进行预测是可行的,可以满足林业生产经营的精度要求。