Hopfield神经网络的全局指数稳定性

本文通过利用Gronwall不等式和巴拿赫不动点原理,并结合一些分析技巧,获得了保证一类Hopfield神经网络平衡点的存在性和全局指数稳定性的一些充分条件,所得结果改进和推广了一些已有的结果。我们的结果有助于设计全局指数稳定的Hopfield神经网络。     

Hopfield神经网络在噪声字符识别中的应用

本文介绍了Hopfield神经网络相关知识,采用离散Hopfield神经网络对噪声字符进行识别．仿真使用离散Hopfield神经网络识别不同污染率的噪声字符,结果表明离散Hopfield神经网络对噪声字符的识别率高.     

基于离散Hopfield神经网络的农口国家工程技术研究中心综合实力评价研究

农口国家工程技术研究中心是所有涉农国家工程技术研究中心的总称。本文在明确农口国家工程技术研究中心职能定位,梳理其发展现状的基础上,基于离散Hopfield神经网络方法,实现对农口国家工程技术研究中心综合实力的分级评价,并根据结果对评价指标提出了修正建议。     

基于细胞神经网络的图像混沌加密算法

提出了一种基于五维细胞神经网络的图像加密算法.该算法利用细胞神经网络混沌特性,生成混沌序列,采用置乱-扩散-置乱机制,置乱算法与明文信息相关联.通过实验仿真,进行安全性能分析证实了该算法的可行性.     

改进遗传算法的神经网络模型研究

神经网络模型及遗传算法在信息识别、分析与处理方面有着广泛的应用前景。通过对实数编码的遗传算法进行分析,给出了一种改进的优化神经网络模型权值的遗传算法,试验表明,改进的遗传算法可以使神经网络模型的收敛性和稳定性得到明显改善,并且可以减少优化时间。     

离散复数神经网络模型

把Ｄｉｒａｃ符号表示引入四态离散复数神经网络模型中，从理论和数值模拟上初步考罕了模型的稳定性，存贮容量和容错能力，四态离散复数神经网络模型可应用于四态灰度或彩色图象的识别中，该模型也可应用于具有矢量点特征的图象识别中。     

基于Hopfield网络的数字水印技术的研究

本文讨论神经网络在数字水印实现技术上的应用,并具体研究基于Hopfield的数字水印方案.     

混沌神经网络模型及其应用研究

介绍了两种混沌神经网络模型,分析了其构成和特点,综述了混沌神经网络的主要应用领域,并试探性地指出了混沌神经网络的发展趋势.     

人民币／美元汇率短期预测的神经网络模型研究

本文研究利用人工神经网络建立人民币／美元汇率短期预测模型的必要性及可行性，探讨了一种改进的误差反向传播算法，建立了人民币／美元汇率短期预测的神经网络模型。结果表明，该模型具有较高的预测精度。     

基于BP神经网络模型的个人信用风险评估研究

基于神经网络强大的非线性处理能力和模式识别能力,建立信用评估的BP神经网络模型,通过合理应用MATLAB7.0软件的功能,并基于德国人的信用数据集中的数据实例详细完整地阐述了模型的建立过程和方法,为商业银行规范个人信贷管理、减少投资风险起到了重要作用,为商业银行个人信贷业务提供了决策依据。     

基于免疫遗传算法的BP神经网络模型

本文研究了基于免疫遗传算法的BP神经网络模型,利用免疫遗传算法的全局搜索寻优能力和较好的收敛性,优化了神经网络的权值.仿真实验证明该模型具有较好的全局收敛性和快速学习神经网络权值的能力.     

RBF神经网络在传感器故障诊断中的应用研究

本文针对传感器在自动化系统中的重要性,指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点,阐述了RBF神经网络的基本理论和优点,提出了一种基于RBF神经网络用于传感器故障诊断的思路和方法。     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

基于人工神经网络的自适应系统研究

研究了人工神经网络技术在自适应系统的应用。在运用人工神经网络原理建立站点模型的基础上,提出一个应用贝叶斯网络技术的自适应系统框架模型。     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

基于改进Elman神经网络的氧化铝浓度控制建模

铝电解过程是一个非常复杂的非线性、时变和大滞后的工业过程体系,因而采用常规的控制方法很难达到良好的控制效果。针对此问题本文提出了采用改进的Elman神经网络对其进行建模,介绍了改进Elman神经网络结构及其学习算法;分析了影响氧化铝浓度的主要因素,并根据实际情况确定了输入层和中间隐层的维数,从而确定了模型的结构。通过对现场采集的数据进行了仿真,仿真结果表明：与常规Elman相比,神经网络收敛速度和稳定性上都有明显提高,得到了令人满意的结果。     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

高速公路BP神经网络限速控制

通过对高速公路在运行中遇到的主要问题的阐述,分析了可变限速控制在高速监控系统中的作用。针对高速公路可变限速控制是一个非线性时变系统,难于用数学模型进行建摸这一特点,提出了BP神经网络控制方法。阐述了BP神经网络的学习算法,根据高速公路主线上车辆数目以及路面状况、气象条件等信息,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究。仿真表明:网络学习速度快,自适应强,泛化能力好,结果精度高,对交通流限速控制中具有一定的推广应用价值。     

BP神经网络在农业发展中的应用

本文简述了BP神经网络的基本原理,提出了一种基于BP神经网络对农业增加值占国内生产总值的比重的测评模型。实验表明,该模型的辨识精度高,能正确实现。     

基于神经网络的语音增强系统设计

利用神经网络设计语音信号增强处理系统,在无噪和含噪条件下,提取语音信号的MFCC系数,用于BP神经网络的训练和识别,最终达到语音信号消噪和提高可懂度的目的。自适应神经网络系统具有非线性映射和自学习能力,能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计,并且能够克服信号处理中存在的不确定性。仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单,而且节省运行时间,语音增强效果很好。