梯度域和深度学习的图像运动模糊盲去除算法

针对传统图像去运动模糊方法易放大噪声,产生振铃效应等问题,提出一种基于梯度域和深度学习的图像运动模糊盲去除算法。该算法利用引导滤波和L0滤波对图像进行预处理,将预处理后的梯度域图像块送入设计的卷积神经网络进行训练;提取训练好的模型参数,实现模糊核估计与图像复原;在图像复原过程中使用TV正则项进行图像去模糊。与其他算法相比,该算法能有效地抑制振铃效应和减弱噪声,去运动模糊效果较好。     

电磁场数值分析中的人工神经网络方法——利用Hopfield网络求解二维静电场问题

本文在变分原理基础上，从优化角度出发，提出了利用Hopfield神经网络模型求解椭圆边值问题的方法，该方法实质上是将一组线性代数方程转化成一组微分方程求解，从而计算过程中内存占用减少，本文从理论上说明了这种方法的正确性，实例计算也表明这种方法的确有效。     

高技术产业界定的神经网络方法

在分析国内外高技术产业界定方法以及动态界定要的基础上,探讨了人工神经网络方法在高技术产业界定方面的应用,并进行了相应的实证研究和分析。     

基于支持向量机的商业银行信用风险评估模型研究

本文将支持向量机(SupportVectorMachine,SVM)应用于商业银行信用风险研究中,通过实证研究,证实了该方法用于商业银行信用风险评估比BP神经网络更具有效性和优越性。     

基于神经网络的水轮机调速系统故障诊断

作为水轮机的关键控制设备，调速系统的稳定可靠运行是电力安奎生产的基本保证。已有水轮机调速系统故障诊断方法存在诊断时间长、准确率低等缺点。本文针对水电站远程监控系统的需要，系统研究了水轮机调速系统故障诊断方法，提出基于神经网络的D-S证据推理方法，应用刘水轮机调速系统故障检测中，提高了诊断准确率。     

图书借阅流量行为季节预测模型

指出图书借阅流量行为预测是图书借阅行为学的一个重要研究方向,常规的借阅流量预测大多采用的是ARIMA时间序列模型,但普通时间序列预测模型的参数难以估计并且模型较难处理非平稳时间序列问题。基于时间序列的神经图书借阅模型研究是,根据图书借阅流量行为的季节性特点,提出季节型神经图书借阅模型。用模型对图书借阅流量行为的预测分析表明,该模型预测效果较好,结果合理,对进行图书借阅实时监控及图书借阅管理都具有一定的理论和实践价值。     

基于RBF神经网络的生态文明建设水平测度指标体系构建

基于北京市生态文明建设现状,为促进经济发展与环境保护相适应,提高生态文明建设水平,以北京市2005年-2019年的生态文明建设相关数据为研究对象,在对北京市进行充分研究的基础上初选44个指标,使用相关性分析做指标初筛,再使用集对分析—RBF神经网络法进行优化,最终形成包括22个指标在内的北京市生态文明建设水平测度指标体系,旨对北京市生态文明建设指标体系研究做出贡献。     

基于Hopfield神经网络和PSO的线性系统辨识方法

研究了一种基于连续型Hopfield神经网络和粒子群优化（PSO）的线性系统辨识方法。首先建立了系统的预测模型以及辨识误差函数,然后将误差函数近似为连续型Hopfield神经网络的能量函数。利用神经网络的自我演化,得到近似的辨识参数。通过引入PSO机制,缓解了Hopfield神经网络在辨识过程可能陷入局部极小值的缺陷,增强了辨识的效果。最后,仿真研究验证了所提方法的有效性。