用于可变比特率视频通信量预测的自适应训练及删剪算法

提出一种自适应神经网络模型对可变比特率视频通信量进行非线性自适应预测，并采用基于递归最小方差的自适应学习及删剪算法对抽头延迟神经网络进行训练和结构优化.仿真实验表明，该模型能够实现对复杂视频通信量序列的高精度预测，满足实时快速的预测要求. 关键词： 视频通信量预测 神经网络 递归最小方差 删剪算法     

基于晶状体中微量元素与白内障关系的广义回归神经网络模式识别

选择微量元素Sr,Mg,Na,K,Mn,Cu,Fe和Zn在晶状体中的含量作为识别白内障患者的指标,建立了广义回归神经网络(GRNN)模式识别.选择20个样本为训练集,5个样本为预测集.结果表明,与BP神经网络相比,该种网络具有设计简单与收敛快的优点,对给定的数据能完全识别,预示着通过对晶状体中的微量元素含量的分析,可能作为白内障患者诊断的一种辅助手段.     

仅用激发神经元的IPA神经网络模型及其光学实现

仅用激发神经元的IPA(Interpattern Association)型神经网络模型与既有激发又有抑制的IPA模型具有相似的性能。仅用激发神经元后,不需要光强的相减,这样可以较简单地实现全光神经网络系统,对相似的存储模式有较强的分辨力。此文提出了一套二维(8×8)光学神经网络实验系统,用透镜阵列实现互连,并给出了理论描述和光学实验结果。     

利用汉明距离优神经网络学习样本

鉴于学习样本对神经网络模型的模式识别性能有很大的影响。提出学习样本的选择应与识别模型所利用的特性相结合，并利用汉明（Hamming）距离对用于旋转不变识别的级联模型的学习样本进行优选，计算机对三个很相似的飞机模型进行识别，识别结果表明对学习样本进行有效的选择不仅可以减少系统的学习训练时间而且可以提高模型的识别能力     

利用汉明距离优选神经网络学习样本

鉴于学习样本对神经网络模型的模式识别性能有很大的影响 ,提出学习样本的选择应与识别模型所利用的特性相结合 ,并利用汉明 (Hamming)距离对用于旋转不变识别的级联模型的学习样本进行优选 ,计算机对三个很相似的飞机模型进行识别 ,识别结果表明对学习样本进行有效的选择不仅可以减少系统的学习训练时间而且可以提高模型的识别能力。     

光学神经网络模式识别系统原理及其现状

评述光学神经网络模式识别系统的原理及发展现状并就几个比较典型的问题进行了讨论。     

神经网络在声发射信号模式识别中的应用

介绍了人工神经网络中的BP网络、RBF网络、Hamming网络、BP－Hamming网络在声发射信号模式识别中的应用现状，并对这些方法的优缺点进行了比较。     

非线性荧光光谱的神经网络分析及其应用

大功率超快脉冲激光和气体相互作用可产生非线性荧光光谱,不同的气体分子具有不同的非线性荧光光谱。因而这种光谱可以作为物质的指纹模式加以识别分类,进而获知气体的成分。由于不同气体分子的光谱在同一波段上有很大的交叉重叠,用传统的光谱分析方法分析存在困难,采用神经网络方法分析上述非线性荧光光谱,利用经过预处理的荧光光谱数据作为模式样本,其中一部分样本作为学习样本对级联神经网络进行训练,用训练好的网络对所有样本进行实时识别,学习样本和测试样本的的正确识别率均可达100％,结果表明此方法可实时判断混合气体的组分。     

基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取

针对布里渊光时域反射光纤传感系统散射谱的高精度特征提取的要求,提出了一种基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取算法。不仅利用了广义回归神经网络在逼近能力、学习速度、模型的泛化等方面具有的优势,而且采用搜索能力较强的自适应变异果蝇优化算法进一步增强了神经网络的学习能力,从而提高了布里渊散射谱的拟合度和频移提取的准确度。在布里渊散射谱中心频率为11.213 GHz,线宽为40～50,30～60和20～70 MHz的散射谱白噪声实验模型中,将新算法分别与基于有限元分析的Levenberg-Marquardt拟合法、粒子群优化和拉凡格式混合拟合法、最小二乘法进行预测比较,新算法获得的最大拟合频移误差为0.4 MHz,平均拟合度为0.991 2,均方根误差为0.024 1。仿真结果表明所提出的算法拟合度较好,绝对误差小。因此,将此算法用于基于布里渊光时域反射的分布式光纤传感系统,可有效提高布里渊散射谱的拟合度和频移提取的准确度。     

二元综合鉴别函数的神经网络优化

根据Ｈｏｐｆｉｅｌｄ神经网络的优化功能，对综合鉴别函数进行二元优化，使相关输出具有期的望的形状及峰值大小，从而实现旋转不变识别，并定义了一个判别依据－判别比，计算机模拟的结果表明，目标物体通过优化的二元滤波器后，不仅具有期望输出，而且判别经要比伪目标物体至少大一个量级。     

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.     

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．     

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     

微分方程的神经网络数值解法

神经网络具有良好的自学习和自适应能力,在现代科学中有很重要的应用.利用神经网络的特殊性质,基于基数B样条小波分析,提出了一种全新的神经网络数值计算格式,并且对具有边界层的常微分方程进行了数值计算,验证了该方法的有效性.     

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．     

用于光纤机敏材料与结构损伤估计的人工神经网络

本文以光纤机敏材料与结构中的损伤估计为目的,根据光纤阵列传感信号处理的需要,在给出人工神经网络处理原理与结构基础上,结合应用详细地阐述了适用的反向传播神经网络(BP)模型、自组织特征映射神经网络(Kohonen)模型及其变化形式(LVQ1,LVQ2,LVQ3,LVQ4及LVQ5等),同时给出了仿真实验的结果.     

基于人工神经网络的滴膜共存冷凝传热模型的研究

为了研究影响滴膜共存冷凝传热特性的因素,如滴膜区间面积比、滴膜相对位置、表面分割方式,表面过冷度等对冷凝传热的特性共同作用,本文应用人工神经网络技术,建立表面分割数、滴膜区面积比、凝液环数、表面过冷度与强化传热比之间的综合评价预测模型。结果表明,基于Matlab语言的人工神经网络模型具有较高的预测准确率及泛化能力,能够很好的评价和预测不同条件下的冷凝传热特性。     

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.     

结合人工神经网络的翅片管式冷凝器快速仿真模型

为了提高翅片管式冷凝器仿真精度和计算速度，提出了含基本数学模型与两个神经网络的复合冷凝器模型．基本数学模型采用分区集中参数模型，简化用神经网络用以反映分区集中参数模型与分布参数模型间的非线性关系，精度改进用神经网络通过分析比较模型与实验值的差别，提高复合模型的精度．实际应用表明，复合模型的计算速度比分布参数     

人工神经网络的发展

回顾人工神经网络的发展历史；介绍三种典型的神经网络模型，指出神经网络目前发展方向。