基于人工神经网络的预测原理及MATLAB实现

为了提高科研项目评估的客观性和公正性,选用BP网络为模型,利用逆向建模技术和MATLAB实现了“科研项目选题决策综合模糊评估系统”.测试数据表明该系统能较准确地对科研项目作出评估得分.     

MATLAB在模式识别中的应用

MATLAB为人工神经网络模式识别方法的实现提供了简单、高效的编程环境 ,本文结合字符识别问题介绍了运用MATLAB软件包中的神经网络工具箱编制模式识别程序的具体方法     

TixZryNiz合金放电容量模式识别与人工神经网络的研究

利用模式识别方法分析了TixZryNiz贮氢合金组分对其放电性能的影响，结果表明：其组成中Ti和Zr对放电容量的作用互相牵制，即适当增加Ti的含量或减少Zr的含量将有助于放电容量的提高；并通过人工神经网络方法对TixZryNiz合金放电容量进行预报，结果发现预报值和实验结果有很好的一致性．     

基于人工神经网络的地区高等教育水平评价

基于人工神经网络的BP算法,选取高校数量、中央部委所属普通高校数量和每百万人口普通高校数量等7个指标,对我国31个省市的高等教育发展水平进行综合评价,进而获得各地区的高等教育发展水平情况,了解其特点     

基于模式识别的网络考试系统设计

介绍了一种基于模式识别的网络考试系统,对整个软件的系统结构、功能以及实现的关键技术进行了探讨。该系统采用SQL Server数据库和指纹模式识别技术,成功地实现了网上考试、培训和学习等。     

基于MATLAB的“模式识别”交互式教学内容设计

"模式识别"是信息科学和人工智能的重要组成部分。针对目前的授课过程中缺乏实例演示,讲解抽象、不生动,致使学生在理论课上对算法的理解不直观、不透彻等一系列问题,利用MATLAB的图像处理工具箱和图形用户界面GUI工具,创建交互式的操作界面,将学生不易理解的问题形象地表现出来。该设计可实现交互式教学,改善教学效果。     

人工神经网络在图像识别中的应用

人工神经网络技术现已成为近年来的热点研究领域，由于神经网络具有很强的自学习性、自组织性、容错性、高度非线性、高的鲁棒性、联想记忆功能和推理意识功能等，能够实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作。本文介绍了采用人工神经网络进行模式识别的方法，并给出了应用实例。     

基于BP人工神经网络改进算法的数据挖掘技术应用研究

在阐述数据挖掘技术的产生背景、过程和一些常用方法的基础上,针对原有BP神经网络算法效率较低、易陷入局部极小等不足,提出了一种改进的BP算法,并对其进行推理和验证:同时将其应用到病人数情况预测中.结果表明,与标准的BP算法相比,改进的BP算法具有更好的精度和更高的效率.     

基于人工神经网络的广西GDP预测研究

GDP预测由于其影响因素复杂、具有很强的非线性、是典型的“黑箱”模型,所以是一项非常重要而复杂的工作.建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.BP网络比传统的多元线性回归精确度要高,泛化能力也好.可以为相关部门制定发展战略、发展规划提供有效的技术支持.     

用MATLAB语言仿真设计人工神经网络

MATLAB(Matrix Laboratory，即“矩阵实验室”)是当今世界上最优秀的数值计算软件。本文用MATLAB中神经网络工具箱(Meural Network Toolbox)提供的函数仿真设计一个三层前向网络。     

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神经网络的含噪字符识别系统及MATLAB实现

运用BP神经网络的原理,在MATLAB的平台上,对含噪与不含噪的印刷体英语字符进行识别和误差统计,经大量样本测试,结果达到设计目标,辨认出错率较低。     

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。     

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.     

利用神经网络预测人口数量

利用先进的预测技术人工神经网络技术，根据襄樊市历年人口数量对襄樊市人口数量进行预测，为有关部门人口普查提供参考，预测结果证明该法较其他预测方法精度高且有效。     

一种改进BP神经网络的车牌字符识别方法

文章提出了一种改进BP神经网络的车牌字符识别方法,进一步研究在干扰情况下的车牌识别问题,并采用系统化的方法,使用VC＋＋6．0设计并实现一个高效、鲁棒性好的车牌定位和识别系统。实验结果表明,提出的方法具有效率高、精确度好、对光照、旋转、噪声等具有良好的鲁棒性等特点．定位率和识别率可以达到90％以上。     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了利用小波变换和径向基神经网络进行签名图像分类识别的有效性,且成功识别率100%.     

基于神经网络集成的车牌字符识别

针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。     

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．