基于神经网络的钞票真假识别研究

利用神经网络与光电检测的技术研制了钞票真假识别系统.介绍了系统的结构组成、工作原理、软件系统、神经网络的优化设计、实验及测试结果.经实践验证,其识别结果稳定可靠,可应用于金融智能防伪点钞机与ATM机中.     

基于自组织聚类和改进粒子群算法的语音转换方法

提出一种基于自组织聚类,并且利用改进粒子群算法确定转换模型参数的语音转换方法.该方法首先基于自组织特征映射网络对特征参数进行聚类,再对每个聚类分别建立转换规则,并且利用柯西变异的粒子群算法确定每个转换规则中的模型参数.与传统的单一转换规则相比,聚类后建立的多转换规则以及利用改进粒子群算法确定参数能够提高映射关系的准确度,避免参数陷入局部最优点。以女声转男声为例,主观测试表明该方法得到的转换语音与目标的相似度提高了27.6%,平均主观意见分(Mean Opinion Score,MOS)提高了0.6,客观测试也表明该方法谱失真最小,与目标的包络更接近.     

基于主成分分析的自组织竞争神经网络在多光谱遥感影像分类中的应用

多光谱遥感影像具有波段多、信息量大的特点,传统的分类方法难以达到提高精度的要求.利用主成分分析对多波段遥感图像进行降维,再采用竞争型自组织神经网络对图像进行非监督分类.这种方法的分类精度为87.5%,Kappa系数为0.86,明显高于最大似然法,最小距离法和基于像元的自组织竞争神经网络法.实验结果表明该方法在多光谱遥感影像分类中具有较好的适用性.     

基于近红外光谱技术成品汽油分类方法的研究

在研究成品汽油的分类方法过程中,首先采用判别式聚类分析方法比较了700~1 100和1 100~1 700 nm两个波段范围判别模型的准确性,然后在识别模型准确性较高的波段(1 100~1 700 nm)采用主成分分析法(PCA)结合自组织竞争神经网络方法,对90#,93#和97#成品汽油建立定性识别模型。在建立定性模型前先用PCA法对原始数据进行主成分压缩。主成分分析结果表明,前3个主成分的累积可信度已达97%,取前3个主成分的32个波长点的吸光度作为神经网络的输入,建立三层自组织竞争神经网络模型。神经网络模型的学习参数为0.01,网络训练迭代次数为500。结果表明,基于主成分分析结合自组织竞争神经网络方法建立的近红外光谱鉴别成品汽油的模型鉴别准确率高、方法可行。     

基于非周期多层膜的X射线成像研究

设计了惯性约束聚变（ICF）诊断实验用X射线Kirkpatrick-Baez（KB）显微镜,给出了系统的结构参量.使用ZEMAX光学软件对KB型显微镜进行了性能模拟,结果表明：在8 keV能点,放大率为8倍时,轴上点的最佳空间分辨率小于2 μm,200微米视场的空间分辨率优于10μm.采用磁控溅射方法制备了W/B4C非周期多层膜,经X射线衍射仪（XRD,工作能量8 keV）测量,其反射率为20％,带宽为0.3°,达到了KB型显微镜成像系统的要求.使用Cu靶X射线管进行了成像实验,得到了放大倍数分别为1倍和2倍的一维X射线像.     

基于逆向空间偏移拉曼光谱技术的多层混浊样品深层分析研究

空间偏移拉曼光谱（SORS）能够准确、快速、无损检测多层混浊介质样品深层生化构成信息。该研究通过搭建集成化逆向SORS光谱分析装置,在实现逆向SORS和背散射式拉曼光谱两种不同的光谱检测模式的基础上,检测与分析了不同空间偏移量（Δs）条件下双/三层组织模型内的深层拉曼光谱信息,并根据几何光学理论和投影测量原理,量化标定了Δs与锥透镜空间位置之间的关系,这为精确控制光谱检测条件提供了保障。为了验证该装置的检测能力,采用由羊肩胛骨/对乙酰氨基酚组成的双层模型和猪皮/硅橡胶/对乙酰氨基酚组成的三层模型,获得不同Δs条件下包含样品表层和深层信息的混合光谱。并进一步对该混合光谱进行面积归一化处理,观察到随着Δs的增大样品表层的拉曼贡献逐渐减小,而第二层以及第三层的拉曼贡献逐渐增大的现象。在此基础上,通过选择模型中每层物质的拉曼特征峰计算其相对拉曼强度,分析研究了相对拉曼强度、空间偏移量与样品厚度三者之间关系,即当Δs增大时相对拉曼强度比值随之增加,这清晰地表明深层物质的拉曼强度增加。然而,在同一Δs条件下,相对拉曼强度随着表层物质厚度的增大而减小。以上实验结果表明,我们搭建的集成化逆向SORS光谱分析装置可从深度达8 mm的生物模型下获取光谱信息,并证明了该装置在经皮无损探测方面的应用价值。     

基于非线性光谱混合模型的遥感影像提取城市不透水层

针对传统方法在提取城市不透水层中的许多局限性,采用两种非线性光谱混合分解模型,包括混合调谐匹配滤波和多层感知器神经网络,通过混合像元分解获取城市不透水层.混合调谐匹配滤波利用用户选择的端元,通过最大化端元响应并减少未知背景信息的影响,进行局部分解端元.多层感知器由多个感知器组成,能够很好的进行非线性学习.对Landsa...     

基于正交化算法的三值互连神经网络模型

提出了以信息损失最少为原则的三值(±1)互连权重编码方法，这种编码方法比以前的三值权重编码方法显著地提高了神经网络的性能。由于互连权重只有三值，恰恰弥补了光互连精度不高的缺点，易于光学实现。     

An Indoor Localization System Using Residual Learning with Channel State Information

With the increasing demand of location-based services, neural network (NN)-based intelligent indoor localization has attracted great interest due to its high localization accuracy. However, deep NNs are usually affected by degradation and gradient vanishing. To fill this gap, we propose a novel indoor localization system, including denoising NN and residual network (ResNet), to predict the location of moving object by the channel state information (CSI). In the ResNet, to prevent overfitting, we replace all the residual blocks by the stochastic residual blocks. Specially, we explore the long-range stochastic shortcut connection (LRSSC) to solve the degradation problem and gradient vanishing. To obtain a large receptive field without losing information, we leverage the dilated convolution at the rear of the ResNet. Experimental results are presented to confirm that our system outperforms state-of-the-art methods in a representative indoor environment.     

基于sEMG的特征包络线提取与动作识别研究

针对表面肌电信号模式识别在康复器械以及智能假肢中的应用问题,通过平方调解法来提取多通道sEMG特征包络线,以提高手指动作识别速率与正确率;首先将手指动作采集实验获取的表面肌电信号进行平方处理,再经低通滤波形成包络线;利用幅值乘方法对不同的动作类型的包络线进行处理并形成学习用的教师样本标签,最后通过BP神经网络完成动作的识别分类;实验结果显示,屈拇指、屈食指、屈中指、屈无名指、屈小指和屈五指这6种动作的平均识别正确率为94.93%,每次动作识别的平均延时为50.7 ms。     

基于PLS-GRNN的豆粕品质近红外光谱检测研究

豆粕是大豆浸提取豆油后经适当干燥和热处理所得副产品,是制作禽畜类饲料的主要原料,其品质决定营养价值.针对现有豆粕品质检测方法存在着有毒化学试剂使用多、操作复杂、分析时间长、无法满足实际生产线快速检测及调控需求等问题,提出一种基于近红外光谱分析的豆粕品质多组分检测方法,以期用于产品质量在线检测及调控.从大豆油脂加工生产线...     

基于径向基神经网络的太阳能电池缺陷检测

为了检测太阳能电池的缺陷,建立了太阳能电池板的电致发光(EL)图像与其缺陷类型间的神经网络预测模型,可以对太阳能电池板不同类型缺陷进行自适应检测。首先,采用主成分分量分析(PCA)算法对电致发光(EL)图像训练样本集降维;然后,将降维后得到的数据输入神经网络预测模型进行学习,对模型的参数进行优化选取;最后,将训练好的网络对测试样本集进行仿真。仿真结果表明:在采用相同的训练样本集和测试样本集条件下,与反向传播神经网络(BPNN)相比,径向基神经网络(RBFNN)具有全局最优特性,结构简单,最高识别率达96.25%,计算时间较短,能满足在线检测的要求。     

基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。     

基于光谱技术的桔子汁品种鉴别方法的研究

为了实现桔子汁不同品种的快速光谱鉴别,首先采用主成分分析法对光谱数据进行聚类分析,从定性分析的角度得到四种不同品种桔子汁的特征差异。同时将小波变换用于对大量光谱数据的压缩, 并结合RBF神经网络建立桔子汁品种鉴别的定量分析模型。该模型将小波压缩后的数据作为神经网络的输入向量,建立径向基函数RBF神经网络。4个品种共240个样本用来建立RBF神经网络的训练模型,剩余的60个样本用于预测。预测结果表明,小波变换结合RBF神经网络的桔子汁品种鉴别的准确率达到100%。说明文章提出的基于光谱技术的鉴别方法具有很好的分类能力,它为桔子汁品种的快速鉴别提供了一种新方法。     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络（Convolutional Neural Network,CNN）和磁共振图像的前列腺癌（Prostate Cancer,PCa）自动分类诊断方法,该网络以Faster-RCNN作为前网络,对前列腺区域进行提取分割,用于排除前列腺附近组织器官的干扰;以基于ResNet改进的网络结构CNN40_bottleneck作为后网络,用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成,其中使用批量标准化（Batch Normalization,BN）、全局平均池化（Global Average Pooling,GAP）进行优化.实验结果证明,本文方法对前列腺癌诊断结果较好,而且缩减了训练时间和参数量,有效降低了训练成本.     

基于自适应径向基神经网络的类星体光谱自动识别方法

通过对光谱的研究来识别和认证类星体是天文学研究中的重要方法。文章提出了一种对类星体光谱进行自动识别的自适应径向基神经网络(RBFN)方法。该方法包括以下几个步骤: (1)先将训练样本归一化,再利用PCA变换进行降维,获得样本特征向量; (2)设计出K均值聚类算法与梯度下降法相结合的径向基神经网络结构的基本模型,再用SSE(sum of squares error)误差函数进行判断,对RBFN隐含层的神经元进行自动调节,直至满足给定误差阈值; (3)用训练得到的参数对用于测试的样本中的类星体光谱进行识别。该方法不但克服了经典RBFN算法选择隐层神经元数目的困难,而且还提高了对类星体识别的稳定性和正确率。研究结果对于大型光谱巡天所产生的海量数据的自动处理具有重要意义。