基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

高阶脉冲变时滞BAM神经网络的周期解

神经网络的诸多功能主要体现在其动力学特征中,而周期解问题则是其动力学行为研究中很重要的一部分.许多情况下,考虑神经网络的脉冲效应是必要而具有实际价值的.本文利用重合度理论中的Gaines-Mawhin延拓定理和微分不等式技巧,研究一类具脉冲干扰的高阶BAM神经网络模型的周期解问题,在要求激活函数有界的前提下,得到其周期解存在的充分条件.     

基于神经网络智能天线的一种波达方向估计方法

该文提出利用径向基函数神经网络来估计无线通信中智能天线的信号到达方向．为了减少输入，利用信号相关阵的对称性质，仅考虑相关阵中的上三角或下三角的部分元素作为网络的输入量，计算量较小．计算机模拟结果表明，该方案是有效的．     

基于BP网络的反馈控制器设计

针对常规反馈控制器参数在对象时变情况下难以获得最优的问题，利用BP神经网络构成系统反馈控制器，通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型，并利用Lyapunov方法给出了该算法的收敛的条件。将算法应用于循环水温度控制系统表明：该控制器对模型参数不依赖，能有效地适应控制对象参数的变化，系统具有较强的鲁棒性。     

焊接过程的RBF神经网络建模

介绍了RBF神经网络的性能和算法结构 ,建立了RBF神经网络在船舶焊接过程中用于焊接变形预测分析的模型 ,并探讨了其应用和发展趋势     

面向鲁棒控制的l1中心估计算法及其误差界

分析了具有ｌ１误差的线性时不变系统的最不利情况的辨识问题，对系统假设的先验信息是未知系统的脉冲响应函数控制稳定，并且假设实验数据具有有界噪声干扰的一般输入响应样本，提出了中心估计算法，分析了其最不利情况的误差界限，所给算法和辨识结果是面向鲁棒控制的。     

基于神经网络的人脸检测算法研究

针对复杂场景图像中的人脸，提出了一种基于BP神经网络的人脸检测算法，由网络训练和人脸定位两部分组成．可以有效地运用于多人脸、不同尺寸、不同姿态、不同面部表情、不同肤色、不同光照条件和复杂背景的情况。实验结果表明该算法快速有效。     

神经网络在电磁场数值问题中的应用

针对目前电磁场数值处理中计算繁杂慢速和耗费资源过多的问题,本文提出了一种基于神经网络小波理论进行计算的新方法。文中着重介绍了利用小波变换神经网络的基本理论,结合电磁场数值计算的基本方法,推导变换进而得到一个通用公式和处理方法。在该方法中,神经网络学习内容少和数据处理简单,因此该方法具有计算速度快,占用资源少的优点,并有用硬件实现的前景。     

识别混凝土板内部缺陷的人工神经网络算法

以一维有缺陷混凝土板为研究对象，分别采用Leverberg-Marcluardt和径向基神经网络算法，对缺陷的深度与厚度进行识别，从而实现对混凝土板内部缺陷的三维重构，称为红外CT模拟．两类神经网络算法的识别结果表明：Leverberg-Marcluardt神经网络较径向基神经网络具有更好的收敛精度与计算效率．