神经网络与智能信息处理

本文简要概括了神经网络理论的发展.在此基础上,对其主要发展趋向和所涉及的前沿问题进行了阐述.文中还对神经网络与智能信息处理给出了一定的评论,并提出了相应的观点.     

神经计算与智能信息处理的发展

神经计算与智能信息处理的发展何振亚，汪军１．信息高速公路与智能信号处理信息是人类认识世界、改造世界的知识的源泉，“信息高速公路”和智能信息处理的研究与发展是当今信息产业革命的重要组成部分，在世界范围的实力竞争中，信息技术的发展水平已是举足轻重的因素。...     

智能信息处理在烧结质量推断中的应用

研究了智能信息处理在烧结质量推断中的应用，在对图象序列的范型描述和ＢＰ算法改进的基础上，成功地应用了图象序列分析与动态模式识别相结合的方法，解决了烧结质量的动态推断问题，实例表明，该方法有很好的实用效果。     

改进BP神经网络在流型智能识别中的应用

为了克服ＢＰ神经网络的易陷入局部极小、收敛速度慢等缺点,利用非线性最小二乘法对其进行了改进,改进后的ＢＰ神经网络的收敛速度提高了１￣２个数量级,同时利用压阻式压关器测得了水平管内油气水多相流压差信号,根据分形理论中的重要构相空间法提取出压差信号的特征向量,再将特征向量送入改进的ＢＰ神经网络中,从而完成对油气水多相流流型的智能识别,结果证明,改进的ＢＰ神经网络能有铲地自动识别出油气水多相流的流型。     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来说明基于粗集的神经网络系统的优越性     

神经网络的动力学行为与信息处理

从一个神圣神经元模型出发，研究了由１０００个神经元组成的网络中神经元动作电位发放的动力学特性。由神经元动作电位发放的动态时间一空间图形和时间间隔序列，我们发现在周期性外刺激下网络动力学行为表现出复杂的时空结构。     

基于智能信息处理的计算机发展研究

随着计算机技术的迅速发展,计算机能否在将来控制人类是人们一直所关注的问题．人工智能和人工神经网络是智能科学发展的两个方向,机器人技术是目前取得的阶段性的重大成果．通过分析认为计算机的智能化程度也会越来越高．在可以预见的未来,计算机将在人类的控制之下进行一些更加高级的智能活动．     

智能信息处理在烧结质量推断中的应用

研究了智能信息处理在烧结质量推断中的应用 ,在对图象序列的范围描述和BP算法改进的基础上 ,成功地应用了图象序列分析与动态模式识别相结合的方法 ,解决了烧结质量的动态推断问题 ,从而为复杂动态系统的智能控制开辟了信息科学应用的一条新途径     

神经网络、演化计算与信息处理研究新进展

2008年6月7-11日，2008年IEEE国际神经网络与信号处理会议，由挂靠在东南大学的IEEE南京分部下属的电路与系统分会（挂靠东南大学）承办、由IEEE电路与系统学会、IEEE上海分部电路与系统分会（挂靠上海交通大学）、IEEE南京分部计算智能分会（挂靠江苏科技大学）、IEEE南京分部信号处理分会（挂靠东南大学）协办。     

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别，作为例子，考虑了正弦波、矩形波和三角波３种信号。在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式。     

用于介形类化石识别及岩芯分析的人工神经网络方法

介绍了在石油勘探中用于识别介形类化石及分析岩芯图象的人工神经元网络方法。讨论了以Hopfield网络为基本模型的加深联想记忆神经网络及加速的反向传播模型(Back-Propagation Model),将其应用于介形类化石的识别获得了很好的效果,并成功地实现了岩芯中的空隙分析。     

神经网络专家系统在试井解释中的应用

论述了应用专家系统和人工神经网络自动识别试井解释模型的新方法．首先应用人工智能对试井解释模型的压力导数图进行识别，建立了用专家系统构成模块式识别系统；然后应用人工神经网络实现试井解释模型识别；该系统能根据新的试井资料识别试井解释模型；最后，神经网络和专家系统相结合用于试井解释．油田实际试井数据的识别结果说明该方法是一种非常有效的识别方法，对不完全的，有噪声的试井数据也能有效地识别，识别准确率较其它方法都有较大提高     

BP网络研究及其在肺癌诊断系统中的应用

以三层BP网络为例,讨论了网络的学习算法,并在VC 6.0语言环境下编制了BP算法程序,在这个基础上建立了基于BP网络的肺癌智能诊断系统,深入研究BP网络在实际应用中的结构设计、参数选择和样本数据的来源,应用含有动量参数的BP算法训练网络,并给出了BP算法动态演化过程的训练调试界面和临床测试界面.目的是用训练好的BP网络来识别肺癌细胞的病变情况,实验表明神经网络能够对细胞图像进行正确的分类,证明了该系统对肺癌诊断具有可行性.     

多媒体信息处理与信息融合

介绍了作者所完成的多媒体信息处理系统的组成及原理，详细说明了该系统所采用的一种信息处理技术──字与图分离技术，实验结果证明了该技术的有效性。     

神经网络集成在肺癌细胞识别中的应用

通过一种特殊的一级集成结构将神经网络集成应用于肺癌细胞识别,集成中的个体网络由Bagging方法产生,第一级集成的归纳结论由本文提出的完全投票法合成,第二级集成的归纳结论由相对多数投票法合成,实验和原型系统试用表明,该方法的总体误识率较低,更重要的是,其将癌细胞判为非癌细胞的误识率非常工,大大降低了肺癌患者漏诊的可能性。     

人工神经网络在手感评定中的应用

针对现有的手感评定方法在识别准确性,容错性和适应性方面存在的问题,提出了用4个检测模型产生手感信号,并用BP神经网络处理信号的具体方法和步骤.实验证明,BP神经网络具有较好的自适应模式识别能力和容错性.