Automatic recognition method for optical measuring instruments based on machine vision

Based on a comprehensive study of various algorithms, the automatic recognition of traditional ocular optical measuring instruments is realized. Taking a universal tools microscope (UTM) lens view image as an example, a 2-layer automatic recognition model for data reading is established after adopting a series of pre-processing algorithms. This model is an optimal combination of the correlation-based template matching method and a concurrent back propagation (BP) neural network. Multiple complementary feature extraction is used in generating the eigenvectors of the concurrent network. In order to improve fault-tolerance capacity, rotation invariant features based on Zernike moments are extracted from digit characters and a 4-dimensional group of the outline features is also obtained. Moreover, the operating time and reading accuracy can be adjusted dynamically by setting the threshold value. The experimental result indicates that the newly developed algorithm has optimal recognition precision and working speed. The average reading ratio can achieve 97.23%. The recognition method can automatically obtain the results of optical measuring instruments rapidly and stably without modifying their original structure, which meets the application requirements.     

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．     

称重传感器蠕变补偿算法研究

为提高称重传感器的蠕变补偿精度.分析了双指数曲线衰减补偿法,并在此基础上提出了一种基于BP神经网络的称重传感器的蠕变补偿方法.该方法可实现传感器蠕变误差的高精度补偿,且不受环境温度与传感器栽荷等影响,具有很高的推广应用价值,为传感器的蠕变误差补偿提供一种新方法.     

压铸工艺参数GA-BP网络优化

针对遗传算法在全局寻优的特点和BP神经网络在局部精确搜索的特性,通过采用遗传算法优化神经网络初始权值,加速BP网络训练速度。通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用铸造工艺参数优选中,并可方便地应用于专家系统。     

非线性对象快速神经网络辨识方法

本文使用改进的神经网络模型结构与算法来辨识未知非线性系统,具有辨识精度高,速度快的特点。该方法简单有效,为设计非缌陛对象控制器提供了一条思路,从而摆脱了用线性模型近似被控对象的粗略做法。算法中,学习率采用随误差变化率而改变的做法减小了学习率选取的盲目性,加速了网络训练过程。     

Decentralized Control Based on FNNSMC for Interconnected Uncertain Nonlinear Systems

针对一类具有高阶关联项的大系统提出了一种新型控制器———模糊神经网络滑模控制器,该控制器将模糊神经网络与滑模控制器有机结合,消除了一般滑模控制器中的高频颤动现象,同时不需要知道系统中的不确定性和扰动的上界．实例仿真说明了控制器不仅能得到好的控制效果,而且具有比一般滑模控制器强的鲁棒性     

基于Hopfield方法实现车辆优化调度

针对车辆优化调度的问题的解决提出了一种基于HopField方法的最优车辆调度实现的方法,该方法从关系数据量的有效控制和路径探索的高效化以及运输中间节点的优化顺序分析等多方面入手解决问题,最终达到满意的应用效果。     

基于广义BP算法的模型参考自适应控制

改进了传统的神经网络BP算法,提出了基于广义BP算法的非线性不确定系统的神经网络模型参考自适应控制方案.并将其用于非线性不确定系统的控制,仿真实验表明了控制器具有良好的非线性控制性能.     

基于人工神经网络的水下探测目标的自动识别

通过把人工神经网络引入到水下目标识别这一研究领域中,利用样本干涉图像对神经网络进行训练,用已训练好的神经网络对待识别的干涉图像来进行判别和分类从而达到自动识别的目的。然后根据这种方案设计出识别算法,运用VC++进行软件编程,在电子计算机上进行仿真实验;最后从识别准确率和识别速度两个方面对这种识别方案进行分析,实验结果表明这种识别方案具有可行性。     

基于QPSO—BP神经网络的财务舞弊识别研究

为提高上市公司财务舞弊识别模型判断的准确度,文章以1998--2009年中国证监会网站上公开披露的财务舞弊的56家上市公司的75个舞弊年度为研究对象,并选取了与舞弊公司同行业、同年度的75个非舞弊上市公司年度作为控制样本,运用量子粒子群算法改进的BP神经网络建立财务舞弊的识别模型。研究结果表明,采用量子粒子群算法与BP神经网络结合的方法建立的财务舞弊识别模型判断的准确度较标准BP神经网络判断的准确度有了较大提高。这对于防范上市公司财务舞弊、提高监管效率、降低投资者的损失等方面具有一定的积极意义。