基于BP神经网络的相关识别

相关识别是图像识别的重要方法和手段,广泛应用于各个领域.通过设定阈值来寻找相关峰的方法有其本身固有的缺陷,它只利用了相关峰的峰值大小信息,因而一般用来处理比较理想的情况.对于那些有噪声或背景的目标,很难做到正确识别.在相关峰的识别过程中,如何利用相关峰的形状信息,将起到决策作用.提出在阈值判断的基础上,结合BP神经网络对相关峰形状进行判断,可提高复杂情况下的目标识别率.     

基于BP神经网络的语音情感识别研究

随着科技的迅速发展,人机交互越来越受到人们的重视,语音情感识别更是学术界研究的热点。将BP神经网络算法用于语音情感识别研究,并在汉语情感数据集上进行了相关实验,识别的准确率达到了91.5%,相较于SVM算法分类精度提高了5%。     

BP神经网络在数字识别中的应用

神经网络(neuralnetwork)是近年来再度兴起的一个高科技研究领域,数字识别就是其中一项既基本又非常重要的应用性研究领域。BP神经网络(Back-Propagation),又称误差反向传递神经网络,是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。BP网络可以看作是对多层感知器网络的扩展,即信息的正向传播及误差数据的反向传递。本文给出了设计用于识别手写数字BP神经网络的过程。     

基于BP神经网络的刀具磨损监测

结合调研资料和现场实验,文章确定了刀具磨损是影响环型零件加工精度的主要因素。针对刀具磨损,采用声发射法进行监控,运用移频小波包算法对实验采集的AE信号进行特征值提取。通过采用BP神经网络,独创性地提出将铣削时间和AE信号特征值有机结合从而建立刀具磨损监测预报模型,其模型的准确率可达96.2%,能够实时、快速、可靠地监测刀具的磨损情况。     

基于MP稀疏分解的发动机声音识别研究

随着汽车流动量的增大,运用汽车管理系统来进行车型识别、自动收费以及交通事故认定工作愈来愈重要。单纯的视频识别受环境因素影响较大,雨雾等天气状况都会严重影响识别结果。采用针对发动机声音的识别方法,可以有效降低环境因素的影响,完成汽车类型的识别。采用MP稀疏分解方法,用Gabor原子进行信号的分解及重构,重构后的信号能较好反映原信号的特征。发动机声音信号相对平稳,信号分解后频域相对稳定,采用单帧进行识别,可满足实时性要求。识别采用BP神经网络作为识别机,效果较好,对于交通系统中的车辆类型识别具有较高的参考价值。     

基于改进的神经网络异常声音自动识别系统研究

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法(PSO)优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和阈值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明:在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。     

基于卷积神经网络情感识别的表情包输出

网络社交中的表情包越来越丰富。有一种新的寻找网络社交表情包的方法,通过使用卷积神经网络的图像处理能力,进一步根据实时表情来寻找合适的表情包,目的在于节约网络社交上寻找合适表情包的时间和效率。通过实验表明,该方法具有较好的识别精度,能够在较短时间内找到与用户实时表情相匹配的表情包,缩短了用户查找表情包的时间,增加了网络社交的乐趣并提高了效率。     

BP神经网络在玻璃缺陷识别中的应用

在玻璃缺陷识别系统中,利用BP神经网络基本原理结合特征参数设计BP神经网络结构。为了更准确地识别玻璃表面缺陷,在传统BP神经网络算法基础上,提出加入动量因子、引入陡度因子以及调节学习效率的方法,并进行对比试验。仿真结果表明,3种方法均可提高缺陷识别率,但只有引入陡度因子的方法可使最优误差与期望误差最为接近,能够更好地改善网络收敛性。     

基于BP神经网络算法对手写数字识别系统的设计

构建手写数字识别系统,并对系统中BP网络反传学习速率进行改进,提高了识别率并缩短了学习时间;在特征提取上针对数字综合采用二值化并统一规格化的方法,优化了系统的识别精度并提高了识别速度。采用BP算法增强了数字识别的容错性、鲁棒性。     

基于BP神经网络的新农合欺诈识别实证研究——以定点医疗机构欺诈滥用为中心

有效识别新农合定点医疗机构欺诈滥用行为对新农合基金的安全有重大意义。为此,本文旨在构建新农合欺诈识别指标体系,利用主成分分析法结合BP神经网络模型,对定点医疗机构住院医疗服务的欺诈滥用行为识别进行实证研究,并与Logistic回归模型的性能进行比较。研究表明,BP神经网络模型具有较高的识别能力,其性能优于Logistic回归模型。因此,将其应用于新农合管理实践将有助于提高医疗费用支付审核的效率和准确性。     

BP神经网络及其应用和其推广能力的分析

针对BP神经网络进行了详细介绍,首先从数学上对网络的原理进行了说明,指出了它的局限性,又给出了很多改进方法.并通过例子介绍了BP神经网络的应用,后来还对网络的推广能力问题进行了分析.文中的例子也说明了,MATLAB工具箱的使用降低了网络的设计难度.     

BP算法改进方法的研究进展

从BP神经网络的优点与缺点入手,对于其所存在的问题进行了探讨,并根据BP神经网络的问题,较全面地罗列了数种对BP神经网络训练优化的方法,如:数据的初始化、初始权值、隐层数的确定方法,传递函数、学习率和权值修改的优化方法,以及其它优化方法·     

BP神经网络模型及其应用

本文提出了一类神经网络模型,介绍了它的算法及其如何设计出该模型,最后通过神经网络对字符进行识别的例子,说明了神经网络在实际中的应用。     

BP神经网络在风电功率预测中的应用

在分析风电机组输出功率波动性基础之上,建立了三层输入和一层输出的BP神经网络模型.首先,结合经验公式确定隐含层节点数大致区间范围,随机搜索找出训练效果较好的隐含层节点数为7;然后,通过多次的网络训练调节各参数值,找出训练结果较好的各参数;最后,通过训练好的BP网络实时预测了风电功率.将预测出的数据与实际数据比较,误差较小,说明了该方法能合理地用于预测风电功率输出.     

BP神经网络法在房产估价中的应用

阐述了各种房地产估价的方法,在比较各种现有方法的基础上,采用BP神经网络法进行房产估价.将BP神经网络理论应用于房地产估价,计算实例表明,应用BP神经网络法进行房产评估,可以克服传统方法上的一些缺点,估价结果更科学、合理和公正.     

BP神经网络的非线性思想

BP神经网络是误差反向传播神经网络的简称,是目前应用最为广泛和成功的神经网络模型之一。它的最大特点是提供了一个处理非线性问题的模型,系统地解决了多层网络中隐单元连接权的学习问题。     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测。在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类。模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果。     

一种基于BP神经网络的字符认识方法

讨论BP神经网络的原理及其缺陷和改进方法.在MATLAB环境下,对含噪声文字符进行识别训练.仿真结果表明,网络收敛速度快,识别分类效果好.     

基于BP神经网络的心电图三分类

研究了一种基于神经网络的心电图分类方法,该方法利用前向多层神经网络的反向传播算法(Back Propagation),即BP算法,采用MATLAB软件建立用于三分类的BP神经网络,并利用大量的心电图数据训练神经网络,使神经网络对未训练过的心电图有较好的分类能力。实验结果表明,用这种方法用于心电图的三分类取得较好的效果。