粉末涂料电脑配色的人工神经网络模型

提出一种基于多层BP人工神经网络的粉末涂料配方预测模型;用BP算法人工神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系。把人工神经网络的配方预测模型应用到典型的粉末涂料样品的测配色实验过程中。实验结果表明,基于多隐层BP网的模型可以实现粉末涂料样品的配方浓度空间与标准三刺激值颜色空间的相互映射,对64个节点的平均训练精度达到了1个CIELAB色差单位。     

色度学 色度学理论

O432．3／／TN312．8 2005042436 粉末涂料电脑配色的人工神经网络模型=Computer color matching of powder paints using neural networks[刊,中]／廖宁放(北京理工大学信息科学技术学院．北京 (100081)),窦柳明…／／光学技术．-2005,31(1)．-133- 135 提出一种基于多层BP人工神经网络的粉末涂料配方预测模型,用BP算法人工神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系,把人     

互连导线串扰问题的人工神经网络预测

提出应用人工神经网络对互连导线间串扰问题进行预测的方法.选择对互连导线串扰响应有影响的相关参数作为输入预测因子,用基于误差反向传播的BP网络构造输入预测因子与串扰响应输出之间的映射关系,并用MTL和FDTD法计算获得的训练样本集对构造好的BP网络进行训练,建立基于BP网络的导线串扰的预测模型.最后,将串扰的BP预测结果和和测试样本进行比较,表明该方法有效.     

PLS-BP法近外光谱同时检测饲料组分的研究

建立了用偏最小二乘(partial least squares,PLS)与人工神经网络(artificial neural networks,ANN)联用对饲料样品同时测定水分、灰分、蛋白质、磷含量的预测校正模型.光谱数据用二阶微分及标准归一化处理(SNV),用PLS法将原始数据压缩提取前10个主成分与2个特征峰值作为12个输入向量,采用单隐层的反向传播人工神经网络(Back-Propagation Network,BP),确定中间层的神经元个数为23,初始训练迭代次数为1 000.PLS-BP模型对样品四个组分含量的预测决定系数(r2)分别为:0.995 0,0.998 0,0.999 0和0.967 0;样品平行扫描光谱预测值的标准偏差分别为:0.027 74,0.048 53,0.032 92和0.022 04.     

色貌模型的人工神经网络方法的研究

色貌模型(CAM)主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。采用人工神经网络(ANN)的方法来实现目前最新的色貌模型CIECAM02的预测,包括正向预测(从色度参数到色貌属性参数)和逆向预测(从色貌属性参数到色度参数),应用自然色系统(NCS)中的部分色样作为神经网络的训练和测试样本。由于正向输出色貌属性参数空间不是均匀的,对于网络预测精度用特殊方法评估,而对于逆向模型则可直接利用LAB色差公式评价。测试的结果表明:用神经网络对CIECAM02模型的预测达到了较高的精度。     

人工神经网络-近红外光谱法用于粉末药品扑热息痛的非破坏定量分析

研究了应用人工神经网络进行粉末药品的非破坏定量分析,使用扑热息痛粉末药品的近红外漫反射光谱数据建立人工神经网络模型,预测未知样品,讨论了影响网络的各参数,采用逼近度作为网络新的评价标准,由于人工神经网络好的非线性的多变量校正特点,预测结果是准确的。     

GA-BP神经网络结合PCA的多基色颜色预测模型

颜色分区法是简化多基色颜色复制的主要方法,本研究以3基色为组将7基色色空间分成6个子空间,结合主成分分析(PCA)对分区内颜色样本的光谱反射率降维,通过3层BP神经网络,建立样本网点面积率与多基色复制色光谱反射率的转换模型,并通过遗传算法(GA)对神经网络权值阈值进行优化,提高多基色复制的颜色预测精度.实验结果表明,在各分区训练样本数为64、检测样本数为216时,GA-BP神经网络模型颜色预测的平均色差(△Eab*)为1.669,光谱均方根误差(RMSE)为0.7％,预测精度和稳定性均高于BP神经网络模型和胞元Neugebauer模型.最后,将训练样本数为64的GA-BP模型与训练样本数量为125,216,343的BP神经网络模型(平均△Eab*分别为3.267,2.776,2.175,光谱RMSE为0.97％,0.79％,0.76％)进行了比较,结果表明训练样本数为64的GA-BP模型的预测精度与训练样本数量为343的BP神经网络模型相当.GA-BP模型仅需少量样本即可实现高精度的颜色预测,在应用中具有良好的可移植性.     

人工神经网络法对多组分大气污染物的同时监测

用 18 7 8的反向传播人工神经网络 (BP ANN)模型 ,对FTIR光谱图存在着严重混叠干扰的八种有毒易挥发有机化合物 (VOCs)组成的大气污染物进行了同时定量测定 ,得到了各污染物的浓度。所测定的八种VOCs为苯乙酮 ,苯酚 ,三氯甲苯 ,1,3丁二烯 ,氯苯 ,甲醇 ,三氯代乙烷和二氯甲烷。用标准预测误差 (%SEP) ,平均预测误差 (MPE)和平均相对误差 (MRE)来评价其预测能力。结果表明 ,本方法对多组分大气污染物定量分析 ,能够得到较为满意的结果。     

基于神经网络的翼型气动力计算和反设计方法

开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.      

用人工神经网络方法测量生物组织光学参数γ

提出了一种利用亚扩散空间分辨漫反射预测生物组织约化散射系数μ_s'和相函数参量γ的人工神经网络方法 .采用蒙特卡罗方法得到光子经生物组织漫反射的数据样本,利用这些数据样本训练反向传播神经网络,用于从亚扩散散射光中预测γ的信息.为了解决同时预测μ_s'和γ两个参数时会产生较大误差的问题,分段数据训练两个BP网络,依次识别μ_s'和γ.研究发现3.64l_(th)(l_(th)表示平均输运自由程)是对γ的不敏感点,可用该点附近的数据样本训练网络用于预测μ_s',用2l_(th)范围内的数据样本训练网络用于预测γ.蒙特卡罗仿真结果表明,在1.3≤γ≤1.9范围内,预测结果与真实值的相对均方根误差在1%以内.与现有的测量方法相比,所提的人工神经网络方法更加简单,且提高了预测精度.     

基于孟塞尔系统的阴极射线管特性化新方法

提出了一种新的阴极射线管特性化的方法。该方法的特点是采用“视觉匹配”方法,在反射体表面色和白发光体之间映射一些色貌因素,但没有使用任何复杂的色貌模型。是一种考虑了一些色貌因素的阴极射线管特性化方法。由于该问题的个性因素较多,采用BP神经网络实现色空间的非线性映射。实验结果表明,只要阴极射线管被标定,在办公室环境下,该方法可以改进在不同的阴极射线管上重现的颜色。采用3-7-7-3简单的网络结构;分色相样本训练。训练样本平均色差可以达到3．07L^*u^*v^*色差单位,测试样本平均色差可以达到4．55L^*u^*v^*色差单位,小于阴极射线管的最大可接受色差,结果是令人满意的。这在电子商务和办公自动化方面有广泛的用途。     

计算机自动配色预测算法研究

基于配色基础理论Ｋｕｂｅｌｋａ－Ｍｕｎｋ定律的常数形式，建立了计算机自动配色的三刺激值匹配算法，通过纺织印染自动配色预测实验表明该算法可获得色差ΔＥ小于０．１０ＣＩＥＬＡＢ的满意配方。     

人工神经网络作为打印机色空间转换工具的问题

通过分析大量实测的打印机输入(R,G,B)与输出(L ,a ,b )数据之间的对应关系,发现在一些颜色区域存在着RGB与L a b 之间的二对一甚至多对一的关系。另一方面,一个已知的事实是,当一个神经网络已经建立后,任一个(或一组)输入只能产生一个(或一组)输出。结合以上两个事实得出的结论是,在要求打印机的输出颜色能准确地复现指定颜色的情况下,神经网络不适合作为由指定颜色的L a b 值来寻求打印机的相应输入RGB的工具。     

基于分段色域颜色模型的高动态范围图像获取与合成

针对普通彩色相机采用多次曝光获取高动态范围图像的技术,提出了一种基于相机分段色域颜色模型的高动态范围图像获取及颜色合成的理论模型和实现方法.介绍了相机分段色域颜色模型的基本结构和建立方法.用NikonD70s彩色相机和修正的sRGB标准颜色转换模型对所提出的理论和方法进行了实验验证.结果表明,所提出的方法可以在普通彩色...     

基于BP网络的打印机色彩控制技术

报道了一种基于ＢＰ网络的打印机色彩控制技术。作为控制器模型的ＢＰ网络通过学习打印机的输入／输出特性,实现颜色数据从ＣＩＥＬＡＢ到打印机色空间的转换。实验结果表明,利用ＢＰ网络可以控制打印机实际输出与希望输出颜色之间的平均色差为４－２３ΔＥ＊ａｂ 。     

基于彩色扫描仪的图像光谱重构

针对彩色扫描仪的特点,采用主元分析法(PCA)和反向传播(BP)人工神经网络(ANN)相结合的方法对图像光谱重构进行研究。选择IT8.7/2标准色卡作为训练样本,将该色卡中的另一组色靶作为检验样本以讨论不同网络结构以及不同主元数和训练样本数对光谱重构的影响,再以自然色系统(NCS)色卡为检验样本来分析不同种类的训练和检验样本与光谱重构性能的关系。实验结果表明,采用3-14-6网络结构和6个主元数是最佳选择,训练样本和扫描目标之间的一致性是基于彩色扫描仪图像光谱重构的关键所在。     

基于均匀颜色知觉空间的多光谱图像彩色合成

本文在分析现有多光谱图像彩色合成方法的基础上，提出了基于均匀颜色知觉空间的ＨＬＣ合成法，讨论了单谱段图像映射、分量图像合成、色域变换以及合成图像的色差预测和评估、彩色变换和逆变换，分析了影响合成图像视觉效果的因素。应用于伪装目标的识别获得了比ＲＧＢ、ＹＭＣ、ＩＨＳ等合成法更好的效果     

Spectral information coding by infrared photoreceptors

Spontaneous pulsing has been observed in circuits containing cryogenically cooled silicon p-i-n (p⁺-n-n⁺) diodes under dc forward bias. The intensity of infrared radiation incident on the diodes controls the pulse rate with no appreciable effect on the shape or size of the pulses. A strong similarity is noted between these properties and the nearly universal means of coding of visual information by animal photoreceptors and neural networks. It is proposed that exploitation of this remarkable analogy could lead to radically new approaches to acquisition and processing of infrared optical information. Infrared analogs of neural color coding and color vision are proposed based on analysis of p-i-n spectral response measurements.