全双极WTA模型的改进及其实现

提出了一种相似度的新定义，使双极ＷＡＴ模型的实现更加简洁明了。增加一个阈值使系统能判别非存储模式或因其信息量过低而无法鉴定的输入模式，阈值的大小与要求的容错能力有关。双极相似度及阈值通过光学方法实现。阈值的光学实现使系统仍具有照明不变性。通过电路实现取及ＷＴＡ网络的迭代运算。     

基于支持向量机的肤色滤波器

为了探测图像中的肤色像素,提出了一种新的方法-支持向量机（SVM：Support Vector Machine）方法.它是一种基于肤色的非特定人的面部定位方法,是非接触人机交互技术和机器视觉中的一个重要内容.实验结果表明,采用支持向量机方法较传统人工神经网络方法不仅有更高的探测准确性,而且具有更好的推广性能.由于SVM采用结构风险最小化（SRM：Structural Risk Minimization）准则,在最小化训练误差（经验风险）的同时,尽量缩小模型预测误差的上界,从而使模型有更好的泛化能力.     

基于Matlab的肝脏CT图像预处理系统1

目的：依据肝脏CT图像的特征,通过预处理,建立提高肝脏病理改变阳性的临床诊断的敏感性,减少漏诊发生率。方法：基于Matlab对肝脏CT图像进行预处理,通过滤波、增强等手段减少数字图像噪声及伪影。结果：通过处理,图像的对比度增加,差异显示不同的组织及结构特征,肝脏病理改变的阳性诊断率上升30%(20.15%),漏诊率大幅度下降。结论：基于Matlab对肝脏CT图像进行预处理对提高临床诊断水平效果良好,可以提高青年医务工作者诊断的阳性信息,减少漏诊的发生。     

适用于神经元状态非等概率分布的神经网络模型及其光学实现

针对Hopfield模型在存储模式的神经元状态不具备理想的等概率分布时性能下降，以及光学难以实现多灰度阶互连的弱点，提出了一种非对称截值点的截值模型，在易于光学或光电子技术实现的同时，与其他模型相比，存储容量和容噪声能力都有较大提高.同时，提出了光束方向编码方法，并用该方法实现了上述模型，给出了实验结果. 关键词：     

用神经网络实现VBR视频通信量的在线预测

VBR(Varible Bit Rate)视频信号具有时变性、非线性和突发性等特点,实现该信号通信量的高精度预测难度较大.针对以上问题,本文提出了一种用于VBR视频通信量预测的自适应神经网络模型,网络训练采用离线与在线相结合的方式,同时通过删除不重要的权重,以优化网络的拓扑结构,提高网络的推广能力,降低网络在线学习的计算复杂度;对VBR视频通信量预测的模拟结果表明该模型具有高的预测精度,并能满足通信系统对预测实时性的要求.     

一种高速通信网络中多限制路由选择的新方法

对Hopfield神经网络(HNN)模型提出了一个新的能量函数,用以解决多限制路由(MCP)问题。提出利用寻找一个函数的最小问题代替多个约束限制条件,避免了多个限制条件中需要仔细选择多个参数的困难。对6节点和20节点的计算机模拟表明,采用新的能量函数的HNN的收敛速率在10^-3s量级,考虑到硬件实现,这种神经网络可以用于实时的多限路由选择。     

用特征编码模板实现多模式分类识别的方法

以编码理论和神经网络优化算法为基础,提出了一种构造编码模板用于识别某一类模式集的方法,并以26个大写英文字母的识别作为实验进行了研究。     

聚合物发光二极管中可逆的不稳定行为

研究了存在于聚合物发光二极管 ( PL ED)中的一种可逆的“负阻”现象及短期衰退行为 .当加在 PLED上的正向偏压大于 1 0 V之后 ,其电流和发光强度将在某偏压下出现突然的转折 ,即电流或光强骤增而器件上压降减小 .“负阻”现象将随测量次数的增加而逐渐消失 .采用 CCD摄像头摄取发光象素上发光的变化情况的图像 ,发现光强的突变与电流的突变是相对应的 .对以不同极性脉冲偏置观察发光光强的短期衰退情况时发现 ,反向偏置有助于抑制正向的发光衰退行为 .我们初步认为这些现象可能与 PLED中存在的缺陷态及其上电荷的填充状况有关     

一种新的单极相似度判别法及其光电实现

提出一种新的单极神经元相度差别法，提高单极ＷＡＴ模型的存储容量，且能将与存储模式相差较大的输入模式差别出来，同时给出了光电实现系统及实验结果，单极模型的这一改进，使得单极系统具有全双极模型的特性，而且系统的空间和时间带宽积得到充分的利用。     

基于红外光谱的烟叶自动分级研究

烟叶的自动分级一直是国内外学者智能化研究的一个重要方向。通过分析烟叶的主要组成成分和烟叶光谱信息特征,发现烟叶红外光谱可作为烟叶分级特征,并通过神经网络模型验证了红外光谱作为其分级特征的可行性,通过对比分析选取最佳红外光谱间隔、光谱范围以及最必要的光谱预处理方法。利用概率神经网络对9个等级的烟叶进行分组分级,首先对选光谱数据进行减均值的预处理以消除基线漂移,然后将其作为神经网络的输入模式,相应的等级或组分作为理想输出训练网络。选择近半数的样本作为训练样本,其余为测试样本;网络对于训练样本的正确吻合率为100%,测试样本的平均正确吻合率91%以上。结果表明烟叶的红外光谱可以作为烟叶的分级特征,概率神经网络可以用于烟叶自动分级,为烟叶的自动分级提供了新方法。