基于GA-WPA优化的BP神经网络目标威胁估计

在防空作战中,目标威胁估计是指挥控制过程的重要一环,是决策和指挥的重要依据。BP神经网络能够解决目标威胁估计问题,但存在收敛速度慢、易陷入局部最优等缺点。提出将遗传算法(Genetic Algorithm,GA)的选择、交叉和变异操作融入到狼群算法(Wolf Pack Algorithm,WPA)中,提出了GA-WPA算法,以提高狼群算法的收敛速度。在此基础上,利用所提出的GA-WPA算法对BP神经网络进行优化,确定最优初始权值和阈值。最后,将优化后的BP神经网络解决地面防空系统目标威胁估计问题。仿真实验表明,所提算法能够有效克服BP神经网络收敛速度慢、易陷入局部最优等缺点,能够提高目标威胁估计的准确性和适应性。     

BP神经网络在光学相关器相关峰识别中的应用

光学相关识别是图像识别的重要方法，有效识别相关器输出平面的相关峰信号是保证光学相关器图像识别准确性的关键。由于激光器输出功率的波动、光学系统本身的误差以及SLM器件本身带来的噪声，采用一般的阈值方法很难达到理想的效果。该文提出对相关器的输出平面进行预处理，充分考虑相关信号的形状信息，提取感兴趣区域(ROI)，采用BP神经网络对输入矢量进行计算，可达到对相关峰信号和噪声的有效分类识别，从而提高了光学相关器识别的可靠性，降低了误判的概率。     

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。     

基于BP神经网络的焊点自动光学检测

提出了一种新的表面组装焊点的自动光学检测分类方法。采用单层环形光源获取焊点图像,并根据归一化分割曲线方程将焊点图像分成四部分,分别提取其特征。使用BP神经网络将焊点按照锡量多少分成三类:少锡,容许和多锡。实验结果证明该方法分类正确率达到了99.2%,具有较高的实用价值。     

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。     

用神经网络校正微型颜色传感器颜色特性的方法研究

采用光学积分原理设计的光电色度仪器,由于其结构简单、测量速度快、成本低等优点已被广泛地应用在产品的色度检验控制过程中。基于微型颜色传感器的颜色测量仪器也属于光电色度类仪器,由于它不能完全模拟标准色度观察者和标准光源,即不能完全满足卢瑟(Luther)条件,所以其测量值RGB与三刺激值XYZ并不相等,且存在非线性关系。讨论了采用BP神经网络进行微型颜色传感器颜色特性校正的方法,其优点是对仪器的匹配滤色片要求较低,只要在测量软件中增加训练好的校正网络程序,就可以获得准确的颜色三刺激值。     

A multi-target approach for isolated word recognition using artificial neural network

I.TntroductionStatisticalandneuralnetworkmcthodsforpatternclassiflcationusesignificantlydifTerentapproachesintrainingaclassificr.Inthestatistica1approach,thcformationofaclassifier1arge1ydependsonthestatisticsofthetrainingpatternsand,insomecases,theassumptionsaboutthedistributionofthepopulation.Theneuralnetworkmethodisnon-parametricandcanbeadaptivcinthetrainingprocessl'l.Becauseofitssimplicityandflexibility,theneuralnetworkhasbecnincreasing1yusedforpatternclassiflcation.Itisnowwe11knownthatan…     

基于BP神经网络的日落黄溶液荧光光谱的研究

对食用合成色素日落黄的荧光光谱进行了研究,发现在310~400nm紫外光的激励下,日落黄溶液发出强荧光,峰值荧光强度随浓度的增加先增强后减弱,且荧光谱峰位置出现明显红移。经分析认为,日落黄溶液能产生荧光是因为分子中偶氮键将一个苯环和一个萘环连接在一起,形成大共轭结构,并且取代基-SO3Na与-OH处于萘环的对位,大大增强了日落黄分子的共轭程度,使其具有强的吸光功能,发出强荧光。另外,结合BP神经网络,通过训练好的网络对4种不同浓度的样本进行浓度预测,结果表明相对误差分别为4.269%,6.078%,4.977%和5.308%,相对标准偏差分别为0.448%,0.375%,0.419%和0.414%。实验表明,该方法具有训练速度快、预测结果准确度高等特点,有望成为一种对食用合成色素进行高效、痕量检测的有效方法。     

神经网络在棱镜摄谱仪定量分析光谱中的应用

给出了采用BP神经网络拟合标准光源在棱镜摄谱仪的谱平面位置和相应波长的非线性函数,省去了和标准铁谱比对测量未知谱线波长,简化了光谱的定量分析,提高了仪器的自动化和智能化水平.     

基于BP神经网络的小样本星图识别方法

为解决星敏感器的星图识别算法高实时性和鲁棒性,采用了BP神经网络;根据飞行轨迹精简了导航星及对应的模式,即一个视场中的一幅星图对应一个惟一的导航模式。采用二维Voronoi图计算向平面上最大空圆,构造了完备的圆视场集合;经过反复比较,选择以恒星为顶点能构造包含视场中所有星的凸多边形的导航模式,以其角距和顶角作为识别向量,具有平移和旋转不变性,并以该模式为BP神经网络的训练样本。仿真试验表明：该方法的识别成功率达100%,识别时间小于20ms。     

水声通信近似L0范数约束的BP网络均衡器*

针对稀疏水声信道的长时延扩展及梯度下降的权值迭代方案导致的神经网络均衡器收敛速度慢的问题,提出了近似L₀范数约束的BP神经网络均衡器。首先在传统BP网络均衡器基础上增加判决反馈项,然后在代价函数中对均衡器输入层到隐含层的权值增加L₀范数约束,构造新的代价函数,利用高斯族函数近似L₀范数约束,并根据不同隐层神经元节点输出权值的L₂范数设定近似参数。仿真结果表明,稀疏信道条件下,本方法相比传统的BP网络均衡器收敛速度更快,误码率更低,可以有效提升神经网络均衡器的性能。     

空气放电模式下静电放电模拟器瞬态电流峰值与上升时间的关系

使用2种静电放电模拟器,在空气放电模式下以任意速度向靶运动并进行放电,同时测量瞬时放电电流波形,考察放电电流上升时间与峰值电流的关系.结果发现,峰值电流和充电电压的比值与放电电流的上升时间存在着指数关系：Iptr^ξ/Vc=const..     

一个新的IEC61000-4-2标准ESD电流解析表达式

分析了两个ESD标准电流波形表达式,并提出一个新的基于脉冲函数来描述ESD标准电流的解析表达式,该表达式符合最新的标准IEC61000-4-2,在零时刻的电流及其微分部为0,且波形与实际测量波形基本吻合。     

一个新的IEC61000-4-2标准ESD电流解析表达式

 分析了两个ESD标准电流波形表达式，并提出一个新的基于脉冲函数来描述ESD标准电流的解析表达式，该表达式符合最新的标准IEC61000-4-2，在零时刻的电流及其微分部为0，且波形与实际测量波形基本吻合。     

A semi-analytical approach using artificial neural network for dielectrophoresis generated by parallel electrodes

In this paper, we present a semi-analytical approach to obtain the DEP force generated by parallel electrodes. By solving the electric potential equation using the separation of variables method, a solution was found in the form of a Fourier series with unknown coefficients. The unknown coefficients were determined by training a linear artificial neural network with the appropriate data satisfied on the boundary. This results of calculated electric field and DEP force for both planar electrode system and 3D electrode system are validated by comparison with the numerical results obtained using the commercial software CFD-ACE+.     

A hybrid neural network for image classification

Principles of the photorefractive perceptron learning algorithm are described. The influences of the finite response time and hologram erasure of the photorefractive gratings on the convergence property of the photorefractive perceptron learning are discussed. A novel neural network which could resolve these constraints is presented. It is a hybrid system which utilizes the photorefractive holographic gratings to implement the inner product between the input image and the interconnection matrix. A personal computer is used for storing the interconnection matrix and the updating procedure, and it also functions as a feedback means during the learning phase. After training the weight vectors are recorded in the volume hologram of an optical processor. This novel method combines the advantages of the massive parallelism of optical systems and the programmability of electronic computers. Experimental results of image classification are presented. It shows that the system could correctly classify the input patterns into one of the two groups after training on four examples in each group during successive iterations. The system has been extended to perform multi-category image classification.     

BP neural network recognition algorithm for scour monitoring of subsea pipelines based on active thermometry

Scour monitoring is an important concern for subsea pipeline systems. The active-thermometry-based scour monitoring is based on the difference of heat transfer properties between sediment and sand, recognizes the surrounding media though temperature changing patterns during heating and cooling processes, and hence detects the free spans. Based on the scour monitoring system, a two-layer BP neural network was employed to process the monitoring data and achieved media recognition. The network's inputs were normalized temperature time histories. The network's outputs denoted different media: sediment and water. To validate the method, three experiments were conducted; one was used for training the network and the other two for testing. Also, the effect of noise on the network's performance was studied through simulation. The results demonstrated the feasibility and robustness of the neural network.     

基于BP神经网络的荧光光谱法农药残留检测

针对目前农药残留难以实现快速准确检测的问题,利用人工神经网络方法对啶虫脒农药残留测量中的荧光混合光谱进行分离,设计了能够快速检测固体表面啶虫脒农药残留量的荧光光谱测量系统。根据反向传播算法,应用三层人工神经网络原理,对荧光光谱严重重叠的啶虫脒和滤纸混合体系进行啶虫脒残留量检测。在340nm～400nm范围内,以20个特征波长处荧光强度值作为网络特征参数,经网络训练和测试,啶虫脒浓度为40mg/kg和90mg/kg的回收率分别为102%和97%,测定结果相对标准偏差分别为1.4%和1.9%。实验结果表明,BP神经网络辅助荧光光谱法测定滤纸上啶虫脒农药残留,具有网络训练速度快、检测周期短、测量精度高等特点。     

基于BP算法神经网络的物理实验曲线拟合

介绍了人工神经元网络的基本原理和BP算法神经网络。将BP算法神经网络应用于物理实验中的幅频特性曲线拟合，在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合实验曲线的优越性。     

基于BP神经网络的圆形孔缝耦合截面预测

在对电磁波经孔缝传输/泄露的分析中,孔缝耦合截面的获取十分重要。针对现有公式无法准确获取谐振频段圆形孔缝耦合截面的问题,将BP神经网络应用于圆孔耦合截面的快速获取,该模型适用于电尺寸(半径波长比)在[0.08, 3]之间的圆形孔缝。在不同入射角度和极化角度的入射波辐照下,用全波分析软件计算无限大理想导体平板上不同电尺寸圆孔的耦合截面,用圆孔的耦合截面除以其几何面积得到圆孔的归一化耦合截面。利用这些数据训练神经网络,建立了一个以圆形孔缝的电尺寸、入射波的入射角度和极化角度为输入参数,孔缝的归一化耦合截面为输出参数的BP神经网络模型。通过与全波分析的对比可知,该模型能够快速准确地预测任意入射角与极化角平面波辐照下电尺寸在[0.08, 3]之间的圆形孔缝的归一化耦合截面。