基于MTS特征选择的神经网络集成方法

在Bagging算法基础上,运用马田系统进行特征选择,形成双重扰动改善神经网络集成的分类性能.实验表明,双重扰动增加了集成网络个体精度和差异度,基于MTS-Bagging算法的分类性能相比于Bagging有明显提高.     

随机时滞反应扩散广义细胞神经网络的均值指数稳定性

研究了一类反应扩散广义时滞细胞神经网络在噪声干扰下的指数稳定性.利用Ito公式,Holder不等式,M矩阵性质和微分不等式技巧,给出了系统均值指数稳定的充分条件,并且判断方法简单易操作.最后给出了主要定理的两个应用实例,表明结论的有效性.     

基于FOA-RBF神经网络的外贸出口预测

应用果蝇优化算法对径向基神经网络扩展参数的优化方法进行研究,给出了一种以标准误差计算公式为味道判定函数,以此确定最优的径向基函数的扩展参数值的方法,并建立了相应的预测模型.应用该预测模型对黑龙江省外贸出口额进行预测,结果表明:预测模型的预测精度优于径向基神经网络,从而证明了方法的有效性.     

基于特征参数分布的机载电子设备故障诊断与预测

基于特征参数趋势进化的故障预测是一种有效的方法,引入了一种考虑特征参数概率分布的新型判据进行多故障模式诊断与预测.基于过程神经网络建立了高精度预测模型,根据模型和部件使用记录进行趋势预测.基于方法对机载电子设备进行案例研究,结果表明,方法的判定结果更加符合多故障模式并存、故障严重程度不同的实际情况,而具有较高拟和、泛化预测精度的PNN模型是一种有效的趋势预测方法.     

维具时滞反馈非线性差分系统解的长时间状态

在一类m元离散时滞差分方程神经网络模型中引入了具有明显实际意义的非线性不连续信号传输函数,并利用离散系统的解半环分析这一强有力工具,通过引入一个辅助系统,证明了该模型的每个解或者是最终周期的或者是无界的这一有趣的动力学性质.     

金属线胀系数实验误差补偿的新方法——人工神经网络法

分析光杠杆法测量金属线胀系数实验的误差及误差产生原因,发现温度变化与刻度间隔并非线性变化.对比传统误差分析方法,利用神经网络非线性映射能力,对实验数据进行误差补偿分析,均方根误差达到0.000 01,消除非线性影响,误差降低.     

硅基支撑系统的光刻工艺

为提高硅基支持系统制备中光刻过程的线宽精度,用正交试验分析了前烘、曝光、显影主要步骤中一些主要参数对制备结果的影响,得到了它们的影响程度的规律以及较优的参数组合。在此基础上设计和训练了合适的前向误差反向传播神经网络,对主要工艺参数进行了进一步的分析、预测和优选,并用实验加以验证。最终得到在胶厚约1.55 m时,前烘温度100 ℃,时间90 s; 曝光时间5 s; 显影温度15 ℃,时间90 s时,光刻后图形的线宽偏差最小,达到了0.3 m以下。     

BP神经网络在汉语数字语音识别中的应用

从语音信号产生的数字模型出发,对1～10这10个汉语数字的语音信号进行预处理,提取了Mel频率倒谱系数,并将特征参数序列进行非线性时间规整为固定的帧数,使用BP神经网络的训练和识别,研究该方法的可行性和有效性。结果表明,在噪声环境下1,7,9的识别率为80%,而2,3,4,5,6,8,10的识别率都是100%,识别率主要受噪声、不同人的发音不同等因素的影响。该方法具有可行性强、识别率高的特点,可应用于语音识别系统。     

Cubature Formula for Spherical Basis Function Networks

Some mathematical models in geophysics and graphic processing need to compute integrals with scattered data on the sphere. Thus cubature formula plays an important role in computing these spherical integrals. This paper is devoted to establishing an exact positive cubature formula for spherical basis function networks. The authors give an existence proof of the exact positive cubature formula for spherical basis function networks, and prove that the cubature points needed in the cubature formula are not larger than the number of the scattered data.     

基于CNN的红外图像边缘检测算法的FPGA实现

提出了一种以现场可编程门阵列为硬件处理器实现基于细胞神经网络的红外图像边缘检测方法.首先利用simulink的算法行为特性搭建红外图像输入模块,获得相关的红外图像头信息并对红外图像像素值范围进行相应变化,然后根据细胞神经网络模板所创建的查找表设计单个细胞元软核,再利用细胞神经网络阵列的规则性和互联的局域性,将单个细胞元软核扩展成细胞神经网络阵列.最后采用modelsim将细胞神经网络阵列与红外图像输入、输出模块相关联,从而达到实时处理的效果.实验结果表明:基于现场可编程门阵列为硬件处理器平台实现的细胞神经网络对红外图像进行边缘检测取得了较好的效果,且与MATLAB软件仿真的结果进行对比得出两者只有极其微小的差别.在Xilinx公司Virtex-6系列的现场可编程门阵列平台上,综合后占用极少资源的情况下得到142.693 MHz的最高频率,并且达到了2.378 Mpixels/sec处理速度.