多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

函数空间正交函数系及其应用

目的函数空间正交函数系在数据拟合、函数插值与逼近、数值积分中的应用尤为突出,正交函数系使得数值计算中的计算量大大减小,数值稳定,结果准确。方法根据函数空间中正交函数系的定义,证明文中所给出的三角函数系、余弦函数系、正弦函数系、勒让德多项式系函数系是正交函数系。同时根据函数空间中构造对偶基算法,得到正交函数系的对偶基及其升阶算法。结果得到正交函数系、对偶基及其升阶算法,并以正交正弦函数系为例来验证文章对偶基算法的正确性。结论根据对偶基理论,得到正交函数系对偶基及其升阶算法,可以将其应用在数据拟合、函数插值与逼近、数值积分中。对后续研究数值计算有着十分重要的意义。     

基于径向基函数神经网络的高校图书馆用户满意度评价模型

如何客观准确的评价高校图书馆用户满意度是一个比较困难的问题.近年来,BP神经网络技术完全以客观数据为基础,可充分挖掘出潜在的有用信息,有效避免人为主观因素的影响,成为高校图书馆用户满意度评价的热点之一.相比传统BP神经网络,将学习速度更快、易于收敛的径向基函数神经网络技术应用于高校图书馆满意度评价中,重点论述了径向基函数神经网络评价模型的设计和实现,并通过实例分析验证了该模型的有效性.     

基于模糊对向传播神经网络的水库径流预报

结合模糊对向传播神经网络分类灵活、算法简练的优点,提出水库径流预报的模糊对向传播神经网络模型,并用该模型对水库径流量进行预报,结合滦河下游水库进行了实例研究。     

基于径向基函数的神经网络对森林碳空间分布的模拟

利用径向基神经网络,结合森林资源清查的930个样地调查数据和对应的TM影像数据,选取与森林生物量相关性较大的3个植被指数TM4/57、ARVI和KT2作为神经网络的输入变量,对临安市森林碳储量的空间分布进行模拟。结果显示,利用径向基神经网络较好地重建了森林碳储量空间分布和变化,模拟结果与样地实测值间的一致性好,为区域森林碳储量的估测研究提供了方法支持。     

基于Zernike矩及神经网络的掌纹识别方法

采用了一种分层次利用多种特征的由粗到细的掌纹识别技术.在该方法中,主要定义了2种层次特征:基于距离的几何特征和基于Zernike矩的纹理特征.针对2种不同的特征,采用2种经典的神经网络,并把它们有效地合成到一个识别系统.最后用实验验证了该方法的有效性.     

基于径向基函数神经网络的植烟土地适宜性评价

在Matlab7.0环境下, 根据人工神经网络的理论和方法, 以重庆市彭水县植烟土地的实测数据及评价标准构建径向基函数神经网络模型, 并进行模型训练及样本评价;在ArcGIS技术支持下, 进行不同尺度土地适宜性评价及精度检验. 结果表明: 采用最近邻聚类学习算法选取聚类中心, 模型具有较强非线性处理能力和逼近能力, 并具有学习时间短, 网络运算速度快, 性能稳定等优点;通过模型评价结果和检验值的验证, 发现用径向基函数神经网络模型评价土地适宜性, 具有评价精度高, 使用方便, 适应性强等优点, 因此可望将其用于区域土地资源生态环境分类评价研究.     

基于径向基函数神经网络的植烟土地适宜性评价

在Matlab7．0环境下,根据人工神经网络的理论和方法,以重庆市彭水县植烟土地的实测数据及评价标准构建径向基函数神经网络模型,并进行模型训练及样本评价;在ArcGIS技术支持下,进行不同尺度土地适宜性评价及精度检验．结果表明：采用最近邻聚类学习算法选取聚类中心,模型具有较强非线性处理能力和逼近能力,并具有学习时间短,网络运算速度快,性能稳定等优点;通过模型评价结果和检验值的验证,发现用径向基函数神经网络模型评价土地适宜性,具有评价精度高,使用方便,适应性强等优点,因此可望将其用于区域土地资源生态环境分类评价研究．     

基于神经网络的电控发动机怠速不稳定的故障识别方法

以电控发动机怠速不稳定这种十分常见的故障为研究对象。系统地介绍了应用神经网络进行故障原因识别的方法。详细地分析了不同网络结构的训练效率和以不同样本形式训练的网络对相同故障症兆的故障原因的识别能力。     

基于BP神经网络的数字识别

介绍了字符识别的几种方法及神经网络的基本原理,并将BP神经网络应用于数字识别,选取最佳的隐含层节点数及训练样本个数,实现了基于BP神经网络的数字识别。仿真试验结果表明,BP神经网络可以对阿拉伯数字进行快速、准确的识别,具有广泛的应用前景。     

基于径向基过程神经网络的油田开发指标预测

目前为止,现有的油田开发指标预测方法难以反映实际存在的时间累积效应对该指标预测的影响。因此,为提高油田开发指标预测的准确度,本文提出基于径向基过程神经元网络的油田开发动态指标预测模型,并将其应用到实际油田开发动态指标的预测中。实例分析结果表明,本文提出的径向基过程神经元网络的油田开发动态指标的预测方法精度高、速度快,是预测油田开发指标的一种较实用的方法。     

The Machine Recognition for Population Feature of Wheat Images Based on BP Neural Network

Recognition and analysis of dynamic information about population images during wheat growth periods can be taken for the base of quantitative diagnosis for wheat growth. A recognition system based on self-learning BP neural network for feature data of wheat population images, such as total green areas and leaves areas was designed in this paper. In addition, some techniques to create favorable conditions for image recognition was discussed, which were as follows: (1) The method of collecting images by a digital camera and assistant equipment under natural conditions in fields. (2) An algorithm of pixei labeling was used to segment image and extract feature. (3)A high pass filter based on Laplacian was used to strengthen image information. The results showed that the ANN system was availability for image recognition of wheat population feature.     

基于不变矩和神经网络的常用电气符号自动识别方法研究

工程图纸中电气符号的自动识别是实现电气工程图纸矢量化的基础。提出了提取工程图纸中电气符号的不变特征。把不变特征值输入神经网络进行训练，得到神经网络模型识别旋转、平移、缩放电气元件图元的方法。实验结果表明：所建立的网络模型具有较好的性能。将此方法用于工程图纸的矢量化处理过程，只需识别出电力工程图纸中各个符号的类型，避免了图纸矢量化过程中的跟踪和拟合的过程，因此优化了矢量化流程。     

基于神经网络的心电分类器设计

设计了一种基于神经网络的心电分类器,该设计利用前向多层神经网络的反向传播算法,即BP算法,采用Matlab软件建立了用于心电信号分类的BP神经网络,并利用大量的心电图数据训练神经网络,使神经网络能分辨出正常和异常的心电信号。     

基于LM算法的BP神经网络的电力负荷短期预测

清代书院课艺总集多为连续出版物,或具有连续出版物的刊行初衷。刊期短则一季,多则一年或数年。经费充足与否,会影响刊期。发表周期多为一年至五年,也有十余年的。用稿率以10%~20%居多,偶见“关系稿”。时文的用稿标准是“清真雅正”。题目多为官师所拟。一般全文刊登,也偶有“论点摘编”。多经润色,并附录评点。有的以袖珍本刊行,有的宣称“翻刻必究”,标出定价,附载广告。稿费已在膏火费中预支,优秀作品可被转载。从本质属性和诸多要素来看,书院课艺总集实开今日“大学学报”、“学术集刊”之先河。     

基于BP神经网络对苹果呼吸强度的预测

应用BP神经网络,通过苹果贮藏期间多维数据与呼吸强度的相关分析确定网络的拓扑结构,建立苹果呼吸强度的人工神经网络模型.仿真结果表明,该神经网络能很好地拟合不同贮藏条件下的呼吸强度,模型预测精度达到90%以上.同时,通过遗传算法优化BP神经网络的初始权值和阈值矩阵,使神经网络的预测精度进一步提高.     

基于Max-T模糊Hopfield网络的车型识别

在许多模式识别采样的过程中,由于环境噪声和设备误差,往往导致采集的数据与真实值有一定偏差,这种偏差会影响识别的效果。本文采用Max-T FHNN模型,提出一种应用于智能化交通管理的车型识别方法。并用实验证实相对于其他车型识别方法,该方法在待测样本含有噪声的情况下能得到更好的识别率。     

基于多重分形和LVQ神经网络的小麦病害智能识别

针对不同小麦病害有不同的形状特征,利用多重分形分析提取小麦病害图像的8个多重分形谱值作为小麦病害的形状特征参数,并利用这8个特征参数来索引图像数据库作为学习向量量化(LVQ)神经网络的输入,进行样本训练、分类识别.试验结果表明,该算法对小麦病害的识别率可达90.0％以上.