人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法. 该算法用零范数描述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度. 运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.     

一种发现社团结构的快速凝聚聚类算法

为了快速探测复杂网络中的社团结构,提出了基于网络节点耦合度的凝聚聚类算法.首先利用一种优化的聚类中心算法确定初始聚类中心节点,然后根据节点间耦合程度和节点度分别对各社团的节点进行分类和不断调整聚类中心,直至聚类算法结束.实验结果表明,该算法能够快速准确的划分复杂网络中的各社团.     

具有区间数的粗糙神经网络故障认定方法

针对具有区间数的信息系统．提出用粗糙神经网络求解其问题的方法．给出了粗糙神经网络的拓朴结构和学习算法以及粗糙神经网络的逼近定理．最后以歼击机的操纵面故障认定为例，构造了歼击机故障认定的粗糙神经网络．并通过仿真说明了方法的可行性和有效性．     

基于混沌算法神经网络的高校师资预测

本提出一种基于混沌算法神经网络的师资预测模型，该算法通过在前馈式神经网络连接权空间学习算法的动力学方程中引进一非线性自反馈项，使得网络具有良好的函数近似能力，应用这种算法的神经网络对我国高等院校的师资需求进行预测，为我国有关高等院校的教育决策提供依据。     

自底向上加快神经网络学习的算法

介绍了一种加快神经网络学习的改进算法.这种改进算法结合采用快速自底向上构造神经网络算法和动态优化学习参数算法.首先,快速自底向上构造神经网络算法自动地构建神经网络的优化结构;随后,动态优化学习参数算法动态地调整和选取优化的学习参数.实验结果显示,这种改进算法能自动有效地构造网络的优化结构,与其它算法相比,具有更好的分类性能、优化的网络结构和更快的学习速度.     

无标度网络生成的一种新算法

根据指定幂律分布的BA无标度网络的生成原则,提出了可生成任意指定幂律分布的网络的算法,该算法从一个含有固定节点的完全网络开始,按照择优连接的原则,向网络中逐个增加节点,实现了满足任意指定规模的无标度网络模型的生成.利用计算机程序代码运行了该算法,并验证了该算法的运行时间优于已有旧算法.     

一种改进的反向传播神经网络算法

在标准反向传播神经网络算法的基础上,提出了一种改进的反向传播神经网络算法.通过对每个处理单元增加3个参数来增强作用函数,且3个参数与连接权一样,在学习过程中进行实时更新.此算法提高了学习速度,且减少了进入局部最小点的可能性.通过XOR问题的仿真证明了改进算法的有效性.     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

滚动轴承振动信号的稀疏表示研究

振动信号蕴含着丰富的装备工作信息,信号稀疏表示能够有效地提取信号最本质的特征.以滚动轴承振动信号为对象,对其进行了稀疏表示研究.根据轴承振动信号的频谱结构特点,基于信号自适应展开,构造了基于指数衰减余弦函数的过完备原子库;用粒子群优化算法(PSO)算法依次搜索原子库中与信号最匹配的原子对其进行稀疏表示并进行了仿真.结果表明:所选择的原子库分解信号后的残余信号更小,相似度达0.912 2,能更好地表示信号.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.