数字相机径向畸变差检测及改正

由于数字相机光学镜头加工和装配误差的存在,使得相机图像平面上所成的像存在不同程度的非线性光学畸变,这样势必会影响图像检测、拼接和定量分析等的准确性。因此在进行精确检测、定量分析之前,需要对这类图像进行畸变改正。本文依据投影几何中空间直线经中心投影变换后仍是直线的原理,对数字相机的径向畸变进行检测,利用检测结果对畸变图像进行逐点改正,最后使用平滑模板来消去改正过程中产生的噪声点。实验表明,采用直线约束方法求解畸变系数是可行的,利用直接改正方法可以使畸变图像得到较好的改正。     

BP神经网络在数据预测中的应用

数据预测是在分析现有数据的基础上来估算推测未来数据的过程。首先介绍了预测的重要性及常用方法,接着介绍了BP神经网络的原理以及结构,最后进行了BP网络预测方法应用,并在Matlab中进行了仿真。经实验验证,该方法可以获得较好的预测效果。     

人脑信息加工神经网络化体系初探

本文对心理词汇、外语心理词汇、二语心理词汇、双语心理词汇所涉及到的语言与思维关系问题进行了较为深入的分析、阐释和讨论,明确指出：1）在语言习得和外语学习过程中,逻辑思维和形象思维两套系统会因信息输入途径的不同而各自、相继或同时参与着信息加工;2）两种思维系统所参与的信息加工,会以＂词条或概念群组＂的形式加以储存;3）提出了外语学习信息加工心理词库的假说;4）并对定位论和总体论以及各种类型心理词汇的分类、概念及其信息输入、储存、激活等问题分别进行了简明扼要地阐述、分析和讨论;在此基础上,提出了＂人脑信息加工神经网络化体系论＂假说。     

校级重点建设学科之基础数学学科

基础数学学科是南京晓庄学院的校级重点建设学科,目前,该学科共有代数学、微分方程及其应用和几何学等三个研究方向。学术带头人分别是任艳丽教授、肖敏副教授和袁俊副教授,研究重点集中在环论、神经网络和几何凸分析。该学科拥有专任教师共计14人,其中高级职称9人,博士6人（含博士后3人）,硕士6人。     

基于QPSO-LSTM的短期风电负荷预测模型

准确的风电预测可以提高电网的稳定性和可靠性,优化风电发电计划,降低能源成本。为了提高短期电力负荷预测的精度,文章探讨了一种基于QPSO算法对LSTM神经网络进行优化的算法,并根据LSTM神经网络以及QPSO算法的基本原理,利用QPSO算法对LSTM的超参数及网络拓扑结构进行优化,建立QPSO-LSTM短期风电负荷预测模型。仿真结果表明,QPSO-LSTM模型较传统的LSTM模型预测精度更高,且具有更快的收敛速度。     

基于人工神经网络的玉米价格短期预测研究

为获得更精确预测粮食价格的方法,引入了人工神经网络预测法,建立了一种改进的人工神经网络模型,并通过该模型自学习的特性对已获得粮食价格时间序列数据的波动规律与发展趋势实现记忆性的学习,最终预测出未来价格.结果表明：人工神经网络模型在预测价格问题上具有很高的精度;其方法不仅可行,而且适用性强,预测结果客观、合理,具有一定的研究价值和较好的应用前景.     

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.     

BP神经网络预测边坡稳定性

利用BP神经网络对边坡稳定性进行预测,考虑到岩土体的物理力学性质、边坡参数等对边坡稳定性有影响的各种因素,通过训练和检验的对比,证明该方法可以满足精度要求,进一步验证了该方法在预测边坡稳定性方面的可靠性,具有一定的推广价值。     

基于MP神经网络模型的语音点歌系统

语音识别是一个涉及交叉学科的复杂问题,如何和机器进行自由的交流一直困扰着相关研究人员。本文提供一种基于MP神经网络模型的语音识别方法,并在此基础上开发了电话语音系统点歌。     

人工神经网络在电力系统谐波分析中的应用

电力系统中各种非线性负载的广泛应用,特别是各种电力电子装置的广泛应用,是系统产生谐波的主要根源;而大量的电力电容器组的使用,则进一步加剧了谐波的危害。本文主要围绕如何用Adaline神经元模型实现电力系统的谐波分析,并分析了Adaline神经元模型的改进方法。