基于Hopfield的脱机手写数字识别理论及算法

脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。为了提高手写数字识别的精度,本文将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的“能量函数”的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需训练。脱机手写数字的识别过程分为两步：训练阶段,识别阶段。在训练阶段,提取训练样本集的代数特征,建立网络模型,以输八向量为目标向量,保存网络连接权值和闺值以及代数特征;在识别阶段,将待识别数字特征送入网络运行,待网络运行到平衡状态后,将输出结果与数字特征库的向量进行比较,距离最小者即为待识别的数字。     

基于神经网络的手写汉字识别集成分类器设计

手写汉字识别是大类别分类识别问题,文章针对金融票据自动识别应用中的脱机手写体汉字,给出了一种基于多层BP网络的并行集成方法。该方法是纯神经网络的多分类器并行集成方案,通过一个两步监督学习过程实现整个集成网络分类系统。对BP网络的应用做了有益的探索,同时也为BP网络在大类别分类问题中的应用提供了一条可行的途径。     

脱机手写体数字识别技术研究

脱机手写体字符识别技术是当前的热点和难点问题,是解决目前大量已有的文档资料录入工作的关键,该领域目前还没有十分成熟的产品,还正处于研究阶段,特别是如何提高其识别率已成为一个亟待解决的问题。本文根据数字笔画特征值和环的数目构建一种神经网络特征输入的新的特征提取方案,参照汉字基本笔画定义,采用环、横、竖、撇、捺、竖定义数字的五种笔画,运用单字单网的12个并行BP神经网络进行数字识别,为解决手写体字符识别中所存在的困难找到一种切实可行的新途径。     

空中目标BP神经网络识别方法研究及应用

空中目标识别是军事信息处理中的一个重要环节,对军事目标类型的识别是一个重要的课题。通过采用基于改进BP算法的神经网络目标识别方法,对具体的军事目标类型给予识别特征描述与提取,以矩和圆度两种特征形成特征向量,将其标准化后作为BP神经网络的输入,并通过仿真对网络进行调整。仿真结果表明,此方法合理可行,对提高军事信息处理的准确性具有重要意义。     

GA优化神经网络思想

概述了神经网络的概念、神经网络的基本元素和BP算法的基本原理,同时在BP算法的基础上用遗传算法来优化BP算法的权值,并且改变了BP算法的传播方向。     

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。     

生命周期基金净值预测研究——基于GA-BP神经网络模型

生命周期基金是我国养老目标投资基金的发展方向,对生命周期基金的净值进行研究具有重大意义。本文运用遗传算法优化的BP神经网络建立了生命周期基金净值的预测模型。通过对汇丰晋信2026基金2016—2018年度的相关数据进行实证分析,并与传统BP网络模型和RBF模型进行对比,表明该模型对基金净值的变化趋势有较好的预测能力,为生命周期基金净值的预测提供了一种可行的方法。     

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BP神经网络人脸识别系统的研究与设计

BP神经网络的结构一般包含三部分,分别是输入层、隐含层和输出层。BP神经网络除了具有强大的可操作性结构特点外,它还可以在网络结构中引入若干个隐含的节点。由此我们可以运用BP神经网络算法来构造所测试的人脸模型。     

基于GA-BP神经网络的扬声器音盆性能预测技术

在电声零器件制造行业中,扬声器音盆的性能好坏直接关系到扬声器产品的质量.本文提出用遗传算法(GA)优化BP神经网络模型对扬声器音盆性能进行预测.在分析了BP神经网络原理的基础上,主要阐述了如何应用遗传算法优化BP神经网络,以改进BP神经网络收敛速度慢、易陷入局部极小值的缺点.针对音盆产品特点,建立音盆性能的GA-BP神...     

基于模糊聚类和神经网络的医学图像分类

本文探讨了不同成像方式下医学图像的分类识别算法,提取了具有代表性的图像特征,如图像面积熵、灰度共生矩阵、图像细小纹理区域个数等,并通过设计模糊聚类、BP神经网络图像分类器,实现对CT图像、MR图像、X线图像及B超图像的分类。结果表明本文提出的分类器对医学图像的分类识别取得了一定的效果。     

基于BP神经网络的顾客价值识别研究

本文把顾客价值分为好、中、差三种状态,将通过了预测试的顾客价值量表指标作为输入结点,构建了基于BP神经网络的顾客价值识别模型.并针对食品(饮料)业的34家上市公司的主要产品设计调查问卷并取得数据,将数据输入顾客价值BP神经网络识别模型进行仿真实验,结果表明该模型适合对企业的顾客价值进行识别.     

基于改进神经网络的图像生物特征识别方法

在图像的固定生物特征识别过程中,传统的识别方法针对像素质量不高的问题,很难建立完整的寻优计算过程,识别效果不好。提出基于改进神经网络算法的图像特征识别方法。通过量子计算对神经网络进行优化,优化神经网络在特征识别中的阀值确定过程,完成图像识别。实验结果表明,利用改进的算法进行图像特征识别,能够极大的提高生物特征识别的准确性,扩展了应用的范围。     

基于混合BP神经网络算法的信用卡消费行为风险预测

随着中国信用卡市场的急速发展,信用卡消费行为的风险评估已成为业界研究的一个重要方向.目前风险预测的研究常采用单一的BP神经网络算法,但该算法存在一些固有缺点,如易陷入局部极小点、收敛速度较慢等,这些缺点会影响风险预测的效果.针对单一BP神经网络算法的不足,提出了一种将BP神经网络算法与遗传算法相结合的混合算法,它以BP神经网络作为基础,利用遗传算法对BP神经网络进行优化,并通过数据集的实验证明该混合算法要优于单一BP神经网络算法,可以有效提高信用卡消费行为风险评估中的检测率和准确率.     

基于神经网络的手写体数字识别方法的研究

讨论了点阵输入神经网络的手写体识别问题 ,在建立了互补的基本网络基础上 ,提出了组合网络结构。实验表明 ,组合网络能进一步提高识别率。     

基于支持向量机的脱机手写体数字的识别

脱机手写体数字的识别是数字识别领域中较难的一个研究方向。介绍了支持向量机理论,并提出了基于该理论的脱机手写体数字识别思路,最后将基于该思路的实验结果与神经网络LVQ识别效果进行了比较。实验表明,基于支持向量机的脱机手写体数字识别具有时间短、正确率高等优点。     

基于SIFT和BP神经网络的车牌识别技术的研究

针对车牌容易变形,涂漆易脱落,受光照等环境因素的影响,本文将SIFT算法和BP神经网络应用在车牌识别领域中,有效地克服了上述问题。SIFT算法对汉字,字母和数字提取SIFT局部特征,并用BP神经网络进行识别。克服了传统的模板匹配方法对数字和字母形状相近不能识别的缺点。实验中的结果和模板匹配法相比较,表明该方法明显优于传统的模板匹配法。     

基于支持向量机的脱机手写体数字的识别

脱机手写体数字的识别是数字识别领域中较难的一个研究方向.介绍了支持向量机理论,并提出了基于该理论的脱机手写体数字识别思路,最后将基于该思路的实验结果与神经网络LVQ识别效果进行了比较.实验表明,基于支持向量机的脱机手写体数字识别具有时间短、正确率高等优点.     

基于BP神经网络的物流车辆识别

车型识别是智能交通的重要组成部分。本文针对降低物流产业的运输成本,论述了用BP神经网络构建物流车辆识别模型,通过像素点的曲率与相对距离输入,得到车型类别,并通过算例分析其鲁棒性。     

基于Flash的藏文词语学习软件设计

无论学习任何语言,要想深入探索了解本语言的内涵,最重要的环节之一是首先抓好本语言的基本构词,藏语也不例外。文章选用藏语词典作素材,基于Flash设计了一款藏文词语学习软件,通过通关形式增强学习的趣味性,同时对词组辅以图片演示、读音配音和讲解,真正起到辅助教学作用。