基于高阶神经网络的遥感图像分类识别研究

BP网络的分类方法被广泛应用于遥感图像分类,但它存在局部最小值、隐含层节点数及训练速度等问题。高阶神经网络从一定意义上克服了这些缺点,取得比较好的分类效果。本文提出了时高阶神经网络算法的改进,将高阶神经网络作进一步扩展,使其特征数的局限减少,并结合自适应方法,使分类细化,且速度不会影响太大。本文简单介绍了BP网络和高阶神经网络各自的特点;详细描述了改进后的算法,提出对原有的学习方法速度的提高办法;最后分析了应用此算法识别图像的优势和灵活性。     

基于BP神经网络的桥梁桩基水平位移预测

基坑开挖会引起周围土体位移,导致桩身层产生附加弯矩、侧向位移等,从而影响邻近桩基正常工作。为更好地预测桩基位移并加以控制,以某桥梁基坑工程为例,建立BP人工神经网络预测模型,结合三维数值模拟及实际监测数据,对桩基水平位移进行预测对比。结果表明：基坑开挖对邻近桩基的影响随两者距离增大而缓慢减弱;开挖过程中桥梁产生的竖向位移始终大于其他方向位移;针对基坑工程中普遍存在的非线性复杂问题,通过输入一定组数影响变形的相关因素,进行反复迭代训练,能提高模型预测精度,减小预测误差,可为桩基位移的预测提供一定参考。     

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%。     

基于旋转子空间算法的桥梁损伤识别

本文把基于旋转子空间算法的模态参数识别引入到梁桥结构损伤识别中。主要介绍了旋转子空间算法用于桥梁损伤识别的基本理论。旋转子空间算法是基于结构的有限元模型,利用矩阵变换的方法,将损伤位置和损伤程度问题区分开来,实际应用表明,只需利用一阶频率和振型,就可以识别桥的主要损伤位置和损伤程度。     

基于模式匹配识别和神经网络的股指预测研究

股票市场是个非线性系统,由于受到多方面因素的影响,对于股指的预测一直是个难题。各种建模方法都有自身的缺点,如模式匹配识别系统过分依赖历史数据,缺乏自身变化。 BP神经网络容易陷入局部最优,而且训练时间较长。文章从模式匹配识别和BP神经网络相结合的角度来进行股票指数预测分析,预测系统克服了单一神经网络预测系统和单一模式匹配识别预测系统的各自缺点,能有效地预测股指。     

BP神经网络算法在桥梁施工参数识别中的应用

神经网络是一种模拟人脑结构和功能的信息处理系统,BP网络算法是目前研究最为成熟的理论,它通过自学习功能处理输入矢量和输出矢量的非线性关系,得到较好的预测结果,从而被广泛应用于工程实际.桥梁施工中,由于受诸多因素影响,桥面标高实际值与理论计算值之间存在一定差异,需要通过前期预测和后期不断地调整来消除.     

一种基于神经网络的曲线状况识别新方法

本文基于最小二乘回归参数估计、均方差统计特性对动态数据流进行趋势分析,并对分析所得二次数据进行曲线特征提取,以完全表现曲线特性。最后,利用BP神经网络自适应机制、通过训练、学习,达到对曲线进行分类、识别、预测等目的。     

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.     

基于卷积神经网络的海洋平台损伤识别实验系统开发

将卷积神经网络(CNN)引入到海洋平台损伤识别应用中,开发了基于一维CNN的导管架式海洋平台损伤识别实验系统。构建一维CNN结构损伤识别模型,基于振动台规则波激励获取导管架式海洋平台模型的应变响应实测数据,将实测数据分为训练集和测试集,进行CNN网络的训练和测试。在此过程中,考虑了完好工况、单损伤、多损伤等不同损伤位置共7个模拟工况。实验结果表明,一维CNN可以有效地识别海洋平台结构损伤位置,开发的实验系统可进一步扩展其功能。     

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。     

基于人工神经网络的模式识别

利用数学软件MATLAB研究了基于人工神经网络的模式识别,这种基于人工神经网络的模式识别系统不仅能够识别字母还能识别汉字和数字,适用于汉字识别和数字签名。     

基于DSP的直流无刷电动机神经网络控制系统

提出了一种直流无刷电动机的N-PID转速调节器的设计方法。在直流无刷电动机的高性能速度跟踪中,若仅采用传统的PID调节器,则难以克服系统超调和短时振荡问题,采用复合N-PID的控制方法,利用神经网络的自学习自适应功能在线调整PID控制参数。介绍了基于数字信号处理器的直流无刷电机神经网络调速系统,仿真结果表明,运用这种设计方法很好地抑制了超调和振荡。     

基于神经网络重要抽样法的结构可靠度评估

文章提出基于神经网络重要抽样法的结构可靠度评估方法,该方法通过训练神经网络,建立随机变量与结构响应之间的非线性映射关系,模拟结构极限状态方程,采用优化算法计算设计点．在重要抽样法中利用训练好的神经网络代替有限元求解器进行数值计算．结果表明,所训练的神经网络能够有效地模拟真实的结构极限状态方程,结构失效概率计算结果具有很高的精度,调用有限元分析的次数显著减少,有效地提高了计算效率．     

基于神经网络的课程考核方法初探

神经网络是人工智能的重要研究领域之一,本文提出基于人工神经网络的课程考核方法,旨在为进一步提高课程考核的全面性和科学性提供一定的参考。     

基于人工神经网络的宏观经济预测模型

运用人工神经网络方法,提出了将神经网络用于宏观经济预测中的一般步骤和方法,并以我国的国内生产总值为例进行宏观经济预测建模,为经济预测提供了新的思想和途径.     

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。     

基于神经网络的汽车变速器可靠性研究

主要对轻型货车变速器进行可靠性分析,解决可靠性模型的识别方法和模型的参数估计两大问题,BP网络作为变速器可靠性模型识别器,用自适应线性神经网络给出可靠性模型的参数估计方法。     

基于特征曲率的模型桥结构损伤识别试验

为探索桥梁结构损伤与桥面形态的关系,在实验室内利用提取模型桥桥面特征曲率的方法,开展了判定桥梁结构出现损伤位置及程度的试验。首先,采用徕卡Nova Ms50三维激光扫描系统对有机玻璃模型桥面扫描。在多级损伤工况下,将传统位移计测量数据与扫描获取得到桥面几何形态点云数据进行了对比。从理论层面上对基于特征曲率的桥梁结构损伤识别进行了分析,并提取了实测桥面特征截面的挠度曲线。结果可直观看出:曲率曲线在结构损伤处出现突变,且随损伤程度的增加,挠度曲率曲线突变峰值也发生了相应的增大。     

基于连续型Hopfield神经网络的系统辨识

连续型Hopfield神经网络(CHNN)可用于优化计算,但其会遭遇较复杂的参数辨识问题.为了较好地解决这一问题,将擅长全局搜索的蚁群-粒子群混合算法用于对系统参数的最优化选取.再将此混合算法与CHNN有机结合,更好地解决参数辨识问题,且能有效避免CHNN在应用过程中陷入局部最优解.最后,将理论结果应用于求解TSP问题来验证其有效性.