维具时滞反馈非线性差分系统解的长时间状态

在一类m元离散时滞差分方程神经网络模型中引入了具有明显实际意义的非线性不连续信号传输函数,并利用离散系统的解半环分析这一强有力工具,通过引入一个辅助系统,证明了该模型的每个解或者是最终周期的或者是无界的这一有趣的动力学性质.     

金属线胀系数实验误差补偿的新方法——人工神经网络法

分析光杠杆法测量金属线胀系数实验的误差及误差产生原因,发现温度变化与刻度间隔并非线性变化.对比传统误差分析方法,利用神经网络非线性映射能力,对实验数据进行误差补偿分析,均方根误差达到0.000 01,消除非线性影响,误差降低.     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

硅基支撑系统的光刻工艺

为提高硅基支持系统制备中光刻过程的线宽精度,用正交试验分析了前烘、曝光、显影主要步骤中一些主要参数对制备结果的影响,得到了它们的影响程度的规律以及较优的参数组合。在此基础上设计和训练了合适的前向误差反向传播神经网络,对主要工艺参数进行了进一步的分析、预测和优选,并用实验加以验证。最终得到在胶厚约1.55 m时,前烘温度100 ℃,时间90 s; 曝光时间5 s; 显影温度15 ℃,时间90 s时,光刻后图形的线宽偏差最小,达到了0.3 m以下。     

BP神经网络在汉语数字语音识别中的应用

从语音信号产生的数字模型出发,对1～10这10个汉语数字的语音信号进行预处理,提取了Mel频率倒谱系数,并将特征参数序列进行非线性时间规整为固定的帧数,使用BP神经网络的训练和识别,研究该方法的可行性和有效性。结果表明,在噪声环境下1,7,9的识别率为80%,而2,3,4,5,6,8,10的识别率都是100%,识别率主要受噪声、不同人的发音不同等因素的影响。该方法具有可行性强、识别率高的特点,可应用于语音识别系统。     

Cubature Formula for Spherical Basis Function Networks

Some mathematical models in geophysics and graphic processing need to compute integrals with scattered data on the sphere. Thus cubature formula plays an important role in computing these spherical integrals. This paper is devoted to establishing an exact positive cubature formula for spherical basis function networks. The authors give an existence proof of the exact positive cubature formula for spherical basis function networks, and prove that the cubature points needed in the cubature formula are not larger than the number of the scattered data.     

基于CNN的红外图像边缘检测算法的FPGA实现

提出了一种以现场可编程门阵列为硬件处理器实现基于细胞神经网络的红外图像边缘检测方法.首先利用simulink的算法行为特性搭建红外图像输入模块,获得相关的红外图像头信息并对红外图像像素值范围进行相应变化,然后根据细胞神经网络模板所创建的查找表设计单个细胞元软核,再利用细胞神经网络阵列的规则性和互联的局域性,将单个细胞元软核扩展成细胞神经网络阵列.最后采用modelsim将细胞神经网络阵列与红外图像输入、输出模块相关联,从而达到实时处理的效果.实验结果表明:基于现场可编程门阵列为硬件处理器平台实现的细胞神经网络对红外图像进行边缘检测取得了较好的效果,且与MATLAB软件仿真的结果进行对比得出两者只有极其微小的差别.在Xilinx公司Virtex-6系列的现场可编程门阵列平台上,综合后占用极少资源的情况下得到142.693 MHz的最高频率,并且达到了2.378 Mpixels/sec处理速度.     

基于卷积神经网络的散斑图像位移场测量方法

提出了一种基于卷积神经网络(CNN)的数字散斑图像位移场测量方法.采用给定多种变形模式的精确位移场系列数字散斑图像构建数据集,提出了一种数字散斑图像位移场识别CNN模型.模拟散斑图像的验证实验表明,所提方法对随机变形、轴向均匀变形、剪切变形等模式具有良好的计算效率和测试精度.硅胶单轴拉伸验证实验表明,所提方法也可以精确测试真实实验散斑图像位移场并具有较高的计算效率.所提深度CNN能够高效、精确地测试数字散斑图像位移场,在材料变形测试中具有良好的应用前景.     

混沌时间序列的模糊神经网络预测

设计一种新型混合模糊神经推理系统，该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的.再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数，这样大大减少了规则匹配过程，加快了推理速度，从而极大程度地提高了系统的自适应能力.用它对Mackey-Glass混沌时间序列进行预测试验,结果表明利用该网络模型无论离线还是在线学习均能对Mackey-Glass混沌时间序列进行准确的预测，证明了该系统的有效性. 关键词： 神经网络模型 模糊逻辑 混合推理系统 混沌时间序列     

基于卷积自编码网络的织物瑕疵检测方法研究

针对织物瑕疵数据集搜集和织物瑕疵检测困难的问题,提出了一种使用深度学习与传统算法相结合的织物瑕疵检测算法.首先提出特征金字塔结构的自编码网络,对正常样本进行学习.其次检测过程中提出同一尺度下进行多模型融合,在降低漏检率的同时移除纹理噪声的干扰.实验结果表明,所提出的学习方法对织物中线状瑕疵检测率高达98％以上,对织物中...