基于小波分析和神经网络的胎儿心电提取

通过小波分析方法和自适应线性神经网络相结合,对围产期母体腹壁混合心电信号进行处理,采用两种方案进行仿真并分析对比。分别采用小波变换和小波包分解技术对心电信号消噪处理,探索一种提取出胎儿清晰心电信号的方法,为下一步胎儿心电信号特征提取和健康状况的诊断奠定基础。实验结果表明,先提取胎儿心电信号,再进行消噪处理效果较好。     

基于小波神经网络的短时交通流预测

针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值.     

基于小波分析与神经网络的风电场短期风速预测

对风力发电进行有效的预测,可降低电网调度的难度。先对风速历史数据进行小波分解,再针对各小波分量分别建立改进型BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

基于小波变换和神经网络的安全帽识别系统分析与设计

介绍了安全帽识别系统的整体设计,着重分析了小波变换和BP神经网络的具体运用,提出了识别系统的神经网络模型。     

基于小波神经网络的模拟电路故障诊断方法研究

深入分析了利用小波框架神经网络理论诊断模拟电路故障的方法,并通过理论分析和实例验证了这种方法的有效性。     

基于随机小波神经网络的一类随机过程的逼近

在小波神经网络基础上提出了随机小波神经网络，给出了随机小波神经网络逼近一类随机过程的收敛性的证明。并在此基础上对随机小波神经网络的拓扑结构，学习机理进行了研究，提出了一系列成果。从本质上 ，随机小波神经网络是小波神经网络的推广。     

基于小波神经网络的污水厂总磷预测模型

污水厂进水污染物与出水总磷的变化规律呈高度非线性,而传统机理预测模型需要依据经验设定大量参数,预测精度较低,预测相对误差处于15%~25%之间。为提高预测精度,以进水化学需氧量、总氮、氨氮、总磷、进水量5个进水指标与出水总磷浓度的映射关系建立小波神经网络预测模型。结果表明,小波神经网络模型模拟相对误差为9.87%,相较于机理模型,预测误差降低了5%~15%;同时模型收敛速度快,具有强大的非线性拟合能力,运行稳定性强,对污水厂实际运行中出水总磷预测有一定参考作用。     

基于小波包和Hopfield神经网络人脸识别

人脸具有极其复杂的情绪表达方式,边缘检测是一种经典的将复杂特征进行精确简化的方式。小波包具有良好的特性,它不但能对信号的低频部分进行分解,而且能对高频部分进行细致的刻画,为精确的边缘检测提供了良好的前提。本文将边缘检测的完整简洁的人脸表达和Hopfield神经网络的记忆性完美结合起来．实验取得了令人满意的效果。     

基于神经网络和多小波变换的数字水印算法

基于图像多小波域低频系数子块的相似性,利用神经网络的学习特性,提出了新的盲数字水印算法.将宿主图像变化为多小波域,把水印加入到宿主图像多小波变化后的低频系数中.通过后向传播算法的神经网络训练出宿主图像与嵌入的水印信号之间的关系特征,利用神经网络具有学习和自适应的特性,训练后的神经网络能够完全恢复嵌入到宿主图像中的水印信息.仿真实验表明,该算法针对各种攻击具有很好的鲁棒性,特别是在水印检测时不需要原始图像.     

基于图神经网络的多模态视觉表征技术研究

联合了图神经网络(Graph Neural Network, GNN)和卷积神经网络,提出了一种新型的多模态模型(即GNNMMVisRe)以共同学习基于视觉和语义的视觉表征.GNNMMVisRe对输入的每个图像的邻居进行采样,通过聚合邻域内的节点特征向量以获得节点表征.使用在ImageNet上已经训练好的参数进行初始化,并对瓶颈层进行训练和微调以获得视觉表征,GNNMMVisRe将节点和视觉表征合并形成多模态表征.实验结果表明,与主流的模型相比,GNNMMVisRe拥有较高的性能.     

图神经网络研究与进展

针对图形式的非结构化数据的有效处理技术和深度学习存在的诸多问题,介绍了图的定义及表示,阐述了研究图神经网络技术的必要性;综述了国内外图神经网络方法、模型原理、公开资源与主要应用领域的研究进展和发展动态;指出了图神经网络技术面临的挑战和发展方向。     

基于小波神经网络的定子电阻在线辨识的研究

电机定子电阻的变化影响了直接转矩控制系统的低速性能.定子电阻的变化具有非线性、时变性等特点,难以建立精确的数学模型,因此提出了基于小波神经网络的定子电阻线辨识的方案,该网络采用梯度下降算法训练,可用于对定子电阻进行在线的辨识.仿真实验测试结果表明该辨识器能够精确辨识定子电阻值,从而有效地改善了直接转矩控制系统的低速性能.     

基于小波变换和神经网络的视频文字检测

图像中文字的检测有广泛的应用范围。无论是出现在场景中的文字，还是以图形的形式附加在视频图像中的文字，都能提供重要的索引信息资源。在这篇文章中，我们实现了一种基于小波变换和人工神经网络的视频文字检测系统。它能检测出现在数字图像中的文字区域。我们的系统实现了一个层次间隔的特征提取器，其输出结果将达到一个用于提了文本区域的人工神经网络处理器，即智能分类器，分析出来的文字区域可以送往适当的光学字符识别系统。在对各种各样文本检测的试验中显示了我们的系统的性能。     

小波神经网络在短时交通流中的应用

传统的BP神经网络在预测短时交通流问题上存在很多不足。针对这些不足,提出将小波分析与BP神经网络结合,组成小波神经网络来预测短时交通流的方法。以自贡市某十字路口数据来实测交通流量,Matlab2010b仿真结果表明,小波神经网络在交通流预测精度和收敛速度上都有很大提高。     

基于小波分析与BP-GARCH模型的人民币汇率预测研究

自2005年人民币汇率改革以来,汇率波动对我国经济发展产生了很大影响,因此对人民币汇率进行研究和预测有着重要意义。鉴于金融时间序列数据的波动性和非线性特征,以及小波分析在时间序列数据分析方面的优势,运用小波分析和BP-GARCH模型相结合方法,以2014年1月2日至2017年6月30日的日人民币兑美元汇率数据为样本,实现汇率的有效预测。结果表明,该方法比BP神经网络的预测效果更佳,证明基于小波分析和BP-GARCH相结合的预测模型可提高人民币兑美元汇率的预测结果。     

离散仿射小波变换神经网络函数逼近方法

通过对仿射离散小波框架的分析,用离散仿射小波变换时频局部化集中与神经网络的有关理论,研究了前传神经网络的组织结构与简化,提出了处理方案,并利用此理论对波函数的逼近给出了一般算法．     

小波分析发展综述

介绍了小波分析的产生和发展分析了小波分析在理论数学中的发展及其研究成果，给出一些公开问题，指出新的研究方向。     

基于小波分析的HVAC系统故障诊断技术研究

在分析HVAC故障特征的基础上,综合比较了现有的几种故障诊断方法(包括:人工神经网络、小波分析、模糊数学和专家系统等)的优缺点.介绍了小波分析的基本原理,以及利用小波包分析进行故障特征提取与识别的基本思路.     

小波分析的发展过程及应用现状

本描述了小波分析的发展过程,并对其应用现状和存在的问题进行了探讨。     

小波型神经网络WTNN的设计

小波分析已成为众多领域中的有力工具．本文采用调制的小波基对输入模式预处理，在函数链神经网络的基础上设计了小波型神经网络ＷＴＮＮ，从而把小波变换与函数链神经网络有机地结合起来．这样设计的模型有惊人的学习速度；体系结构的通用性好；适应性强等特点．最后，通过实例用计算机模拟验证上述特点