基于多分支CNN的高光谱与全色影像融合处理

高光谱与全色影像融合旨在通过融合高空间分辨率的全色影像与低空间分辨率的高光谱影像来获得高空间分辨率的高光谱影像。基于深度卷积神经网络(CNN),提出了一种遥感影像融合方法,利用两个独立的分支网络逐级从高光谱和全色影像中提取光谱和空间特征。该融合网络由两个分支网络和一个主线网络组成,利用两个分支网络分别从高光谱与全色影像中提取空谱特征,主线网络基于分支网络提取的特征,重建得到最终融合的高空间分辨率的高光谱影像。在CAVE和Pavia Center数据集上分别进行了实验验证,通过对比可以发现,所提出的融合算法在空间细节和光谱保真度上较当前主流算法均表现出更优异的性能。     

混沌神经网络的动态阈值控制

提出了混沌神经网络的动态阈值控制方法, 将大脑脑电波的主要成分, 正弦信号作为控制变量实现对混沌神经网络内部状态的阈值动态改变, 从而达到了控制混沌神经网络混沌的目的. 利用该方法可以将混沌神经网络的输出稳定在一个与网络初始模式相关的存储模式和其反相模式上, 从而使混沌神经网络在模式识别、信息搜索等信息处理功能得以实现. 该控制方法不需要事先指定阈值, 是一种自适应方法, 符合实际人脑的思维运动. 关键词： 混沌控制 混沌神经网络 动态阈值控制 信息处理     

柔性空间机械臂协调运动的鲁棒神经网络控制及柔性振动PD反馈控制

针对具有未知惯性参数柔性空间机械臂系统的动力学和柔性振动控制问题,设计了基于奇异摄动理论的载体、关节铰轨迹跟踪的鲁棒神经网络控制算法和柔性振动反馈PD控制算法.首先,构建神经网络函数逼近慢变子系统的综合建模误差,设计载体、关节铰协调运动鲁棒控制算法,同时,通过稳定性分析选择神经网络自适应律;应用PD反馈控制来主动控制并消除快变子系统的柔性振动模态.仿真结果表明,所设计的控制算法解决了系统参数未知等因素带来的影响,能快速准确地进行轨迹追踪,同时,柔性杆的振动模态得到明显抑制,在2秒后基本消除.     

BP神经网络在农机总动力预测中的应用

准确的预测黑龙江省农机总动力,可为黑龙江省的农业机械化发展趋势和农机产品市场分析提供理论指导,为制定黑龙江省农业机械化发展规划和预测近阶段农业机械化发展水平提供参考依据.利用黑龙江省1980-2007年农机总动力数据,运用标准BP神经网络和改进BP神经网络模型进行预测,预测结果表明,改进BP神经网络模型比标准BP神经网络模型在预测精度、运行时间、学习次数等方面更具优越性.     

基于改进的BP神经网络中国CPI运行预测研究

加强和改善宏观调控,保持价格平稳运行,促进经济持续健康发展是经济工作的重中之重.鉴于BP神经网络模型具有很好地模拟非线性系统的优点,对BP神经网络模型进行了新的改进,在对权值和阈值进行修改时加入了动量项α,并根据以往两次金融危机前后中国CPI运行具有较高相关性的特点,以1997年和2008年两次金融危机集中爆发前后数年数据为基础,运用该模型对中国CPI指数运行进行了拟合,并以2011年为例对中国CPI指数进行了预测,结果与实际运行数据基本一致,预测效果很好.此方法可为改进价格预测,加强价格调控提供重要借鉴意义.     

变时滞随机Cohen-Grossberg神经网络的几乎肯定指数稳定性

通过构造Lyapunov泛函、利用半鞅收敛定理得到了变时滞随机Cohen-Grossberg神经网络几乎肯定指数稳定的判别准则.     

Approximation by neural networks with sigmoidal functions

In this paper, we introduce a type of approximation operators of neural networks with sigmodal functions on compact intervals, and obtain the pointwise and uniform estimates of the ap- proximation. To improve the approximation rate, we further introduce a type of combinations of neurM networks. Moreover, we show that the derivatives of functions can also be simultaneously approximated by the derivatives of the combinations. We also apply our method to construct approximation operators of neural networks with sigmodal functions on infinite intervals.     

一类带有死区模型的随机系统的自适应跟踪控制

针对一类带有死区模型的随机严格反馈非线性系统,利用神经网络的逼近能力和后推设计方法,提出一种神经网络自适应跟踪控制方案.与已有文献相比,该方案取消了控制律和自适应律设计必须与神经网络节点数相关的条件.通过Lyapunov方法,证明了闭环系统的所有信号依概率有界,且误差信号在二阶或四阶矩意义下半全局一致终结有界.仿真结果验证了所提控制方案的有效性.     

基于可见-近红外光谱技术的炭疽病侵染后油茶叶片叶绿素含量预测研究

分析炭疽病侵染后油茶冠层的可见-近红外光谱特征,探索建立病害胁迫下油茶冠层叶片叶绿素含量的预测模型。通过实地调查病情指数,获取不同病害程度的油茶冠层叶片光谱数据及其叶绿素含量,并对光谱数据进行了一阶微分与滑动平均滤波相结合的预处理,再通过光谱数据重采样,提取敏感波段建立了叶绿素含量的BP神经网络预测模型。结果表明:(1)随着病情的加重,油茶冠层光谱可见光区域的反射峰和吸收谷逐渐消失;红光到近红外陡峭的红边被逐渐拉平;在近红外区域,健康油茶的光谱反射率明显大于感病油茶的光谱反射率。(2)微分光谱484～512,533～565,586～606和672～724nm四个波段是叶绿素吸收和反射的敏感波段。(3)以敏感波段为输入变量建立的BP神经网络模型,其计算出的预测值与观测值之间的相关系数r和均方根误差分别为0.992 1和0.045 8。因此,利用可见-近红外光谱技术预测炭疽病侵染后油茶叶片叶绿素含量是可行的。