一种基于后验概率差值的拒识算法

本文提出了一种孤立词语音识别系统中基于后验概率差值的拒识算法。研究了作为拒识特征时，输入词的后验概率和后验概率差值之间的区别，并将多层感知人工神经网络用于拒识特征的学习。相比现存的几种拒识算法，本算法几乎不需要额外的计算和存储量。当识别率为98．2％时，拒识率达到了95．4％。     

基于神经元网络和人工蜂群算法的拉曼光纤放大器设计方案

介绍了一种将反向传播(BP)神经网络算法与人工蜂群算法相结合的方法,并用该方法对多泵浦拉曼光纤放大器的设计进行了优化.通过研究多层BP神经网络中的隐藏层层数和神经节点数,确定了最佳的学习模型,该模型可以精准地反映泵浦波长和泵浦功率与拉曼净增益分布间的映射关系,能代替传统求解拉曼耦合波方程的方法.同时,为了提高增益谱的平...     

一种改进的快速Mini-Norm算法

Ｋｕｍａｒｅｓａｎ和Ｔｕｆｔｓ提出的Ｍｉｎｉ－Ｎｏｒｍ算法通过对空间协方差矩阵进行特征分解，随后构造噪声子空间向量来求解方位。     

一种SAR成像快速算法及优化实现

针对实时SAR成像处理中相关运算量大的特点,提出了新的频域分解快速算法和优化设计方法.根据参数优化准则,选择合适的填零个数和DFT点数分解方式,分析出利用频域分解和频域分段两种算法,可以大大减少相关运算中FFT变换的运算量.在不同情况下,详细分析了多种算法的速度性能和适用性.在并行多处理器上利用此算法,降低了SAR实时成像的运算量和成像延迟,显著提高了SAR实时成像的处理速度.     

一种基于蚁群算法的边缘提取算法

提出一种基于梯度定义和蚁群算法的边缘提取算法.根据梯度在边缘处的直观响应,提出自适应的边缘特征定义,并结合蚁群算法的特性,令蚂蚁遗留不同等级的信息素.根据搜索权值矩阵得到尽量平滑的边缘,最终的边缘通过自动阈值进行提取.实验表明:该算法的性能在同样的智能算法和经典的边缘检测算子中表现良好,并对噪音不敏感.     

一种基于蚁群算法的边缘提取算法

提出一种基于梯度定义和蚁群算法的边缘提取算法.根据梯度在边缘处的直观响应,提出自适应的边缘特征定义,并结合蚁群算法的特性,令蚂蚁遗留不同等级的信息素.根据搜索权值矩阵得到尽量平滑的边缘,最终的边缘通过自动阈值进行提取.实验表明：该算法的性能在同样的智能算法和经典的边缘检测算子中表现良好,并对噪音不敏感.     

一种快速收敛发散三角级数的有效算法

针对Ｂｅｎｓｉｍｏｎ方程中出现的无穷发散三角级数求和问题，提出一种快速收敛发散三角级数算法，并举例说明其应用。     

一种混合神经网络在图像压缩中的应用

讨论了一种混合神经网络，该网络使用遗传算法与BP算法相结合的混合智能算法进行权值训练，明显地提高了神经网络的收敛速度和精度。实验证明，利用混合神经网络进行图像压缩，不仅压缩比高、信道误码率低、解码速度快，而且图像恢复质量主观效果好。     

一种新的快速运动估计算法

 数字化战场的发展使得红外图像信息的传输量迅速增加,因此必须对图像信息进行压缩处理,运动估计是图像压缩的关键部分。针对运动矢量的分布特点,提出了一种新的运动估计搜索算法,该算法先按照菱形搜索模板进行粗搜索,产生当前步的搜索点,并计算出各点的SAD值,根据最小SAD值是否在菱形搜索模板中心点,确定下一步的搜索方式,直到最小SAD值对应的点为菱形中心点,然后以方形搜索模板搜索,则最小SAD值对应的点即为最佳匹配点,最后得出运动矢量。测试结果表明,本算法比FS算法每帧的搜索速度提高了近20倍,与DS算法相比,搜索速度亦可以提高近20%,有效地节省了搜索时间,且基本上保持了全搜索FSA的性能,适合实时应用的要求。     

一种视频编码的运动估计的快速算法

在活动图象名称编码中,广泛采用了块匹配运动补偿技术,其中全局搜索法（ＦＳ）性能最好,但速度最慢。传统的运动估计快速算法如三步法、四步法、较分搜索运动估计法而言减少了搜索次数。其于低分辨率图象的运动估计能大大降低计算能大大降低计算量。文章将二者结合起来,不仅减少计算量,而且信噪比ＳＮＲ介于全局搜索法和三步法之间。     

人工神经网络在配煤过程状态建模中的应用研究

本文详细介绍了人工神经网络应用于状态建模的方法．对神经网络应用中的一些难点提出了切实可行且有效的解决措施，并举例作了应用示范．同时还介绍了神经网络方法应用于优化动力配煤的情况，并就神经网络方法在优化动力配煤中的进一步应用作了展望．     

光折变神经网络

本文阐述了几种神经网络模型和模式两分法中感知算法的一种光学执行过程。利用光折变介质动态全息术来存入和修正光学神经网络的加权矩阵。该系统可用以完成模式分类。还介绍了光折变晶体LiNbO₃的一些实验结果。     

人工神经网络的光学实现

本文讨论了光学神经网络的优势及其所面临的主要问题,简述了它近十年来的发展．光互连是光学实现神经网络最具吸引力的技术,光电混合集成的灵巧象素器件又融合了电子器件灵活、可编程、易控制的特点．二者的结合是当前光学神经网络发展的主要趋势,它们为神经网络的进一步发展和应用,为超大规模神经网络的实现和应用提供了一种很有前途的方案．     

强噪声下已知信号的模糊神经网络识别

以计算机模拟为基础研究了用模糊神经网络方法对被噪声严重污染的已知信号进行识别的问题,研究表明,将模糊隶属函数和BP神经网络相结合对信噪比极低的信号有较强的识别能力,本文还从实用性角度讨论了这一识别方法的可行性,这为强噪声下的磁共振信号识别问题提供了新途径.     

一种求解虚波长路径光网络波长资源优化问题的启发式算法

本文提出了一种虚波长路径光网络的启发式路由选择算法,它可以用来解决以最小化网络所需波长数目为目标的资源优化问题.该算法应用了基于最大概率路径的选路优化策略.对一个样例网络的数值分析结果表明该算法是有效的.     

细胞神经网络平衡态的稳定性分析

通过对细胞神经网络平衡态的表示、存在区域和稳定性的细致的研究,总结出一些有用的结论,根据所得平衡态的具体稳定的分布区域,适当调节权矩阵,就可使网络系统处于稳定状态,所得结果简洁且实用,并且也通过仿真算例阐明了这一点. 关键词： 细胞神经网络 平衡态 稳定性     

基于重心算法的结构光投影技术研究及应用

本文提出了一高精度查找非相干结构光中心位置的重心算法.根据此算法,对台阶投影法和狭缝投影法两种非相干结构光的投影技术进行了探讨,并对两种投影方法的精度进行了检测与分析.经检测证明了台阶投影法具有精度高和适合于非对称、不规则旋转体的形状测量等优点,特点是它解决了传统的结构光法中难以测量的大梯度面形的测量问题.本文利用重心算法和台阶投影法,对面形不规则的柴油机活塞头及流道进行了全三维形貌测量,给出了测量的结果,证明了该重心算法和投影方法的可靠性.     

基于函数映射的快速傅里叶变换算法

给出了一种新的快速傅里叶变换算法.算法利用了傅里叶变换因子C_N^kn、S_N^kn的对称特性,将函数序列x(n)个数压缩至四分之一.对其压缩后的函数序列,按其相邻函数值之差映射为函数p(n),同时对傅里叶变换因子C_N^kn、S_N^kn按累进求和映射为A_N^kn、B_N^kn.不同于FFT算法要求N为2的整数次幂,该算法中N可为任何偶数.对诸如方波、三角波、锯齿波及可分解为阶梯波的光学图象、特别是二值光学图象,能极大地减少计算量,某些情形低于FFT算法的计算量.     

基于BP神经网络的波长扫描光纤干涉仪多目标信号处理技术

本文提出了一种适用于波长扫描光纤干涉仪多目标绝对距离测量的方法.这种方法将神经网络与数字滤波器等技术相结合,具有超过传统FFT方法的目标分辨极限的分辨能力,可以工作在低的信噪比下.这意味着可以降低对半导体激光器输出功率和扫描波长范围的要求.计算机仿真实验验证了这种方法的性能.     

EMD与神经网络在气液两相流流型识别中的应用

本文提出了EMD与Elman神经网络相结合的气液两相流流型识别的新方法.将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析、提取IMF能量作为Elman神经网络的输入特征向量,对水平管内的气液两相流流型进行识别.实验结果表明:该方法优于BP网络且稳定、识别率高,具有可行性.