一种局域连接前向人工神经网络结构的研究

双隐层标准前馈（ＢＰ）网络只要其隐层节点数足够多就能解决任何形式的分类问题．应用标准（ＢＰ）网络识别多模式类分类问题时存在以下缺陷：（１）对不同模式类均使用相同数目的隐层元；（２）增加新模式类后，网络要重新学习；（３）网络识别的机理研究困难．笔者提出了一种局域连接前馈神经网络（ＬＣＮＮ）结构，其隐层神经元与输出神经元之间为局域连接，学习算法与ＢＰ算法类似．ＬＣＮＮ具有以下特点：（１）便于自构网络结构，提高网络的推广能力；（２）便于提取各模式类的不变特性；（３）具有较强的记忆能力，便于实现追加学习．以五种海底沉积层介质类型的分类识别为例，分别利用标准前馈（ＢＰ）网络与ＬＣＮＮ网络进行分类识别，结果表明：ＬＣＮＮ便于自构网络结构，具有追加学习的能力．     

LBAM神经网络及其在图像识别中的应用

本文提出了一种用于图像识别的神经网络。它由映射网络ＭＮ和ＬＢＡＭ网络组成。ＭＮ中使用了不变性换法，降低了图像样本的维数肯保持分类距离不变。在设计ＬＢＡＭ网络时，通过全局考虑，使得网络的吸引点和吸引区域满足实际全局最优之需要。ＬＢＡＭ具有网络结构简单和收敛速度快的优点，计算机模拟证实，此网络具有对缺损和噪声图像进行正确识别的能力。     

旋转机械工况辨识的模糊神经网络方法

本文介绍了一种模糊神经网络分类器，针对其在旋转机械工况辨识中的应用，论述了网络的输入和输出模糊化问题，文中就旋转机械中几种典型的故障模式采用模糊神经网络进行了识别，并与传统的ＢＰ网络进行了比较，研究结果表明，模糊神经网络方法应用于旋转机械工况识别是有效的，它比传统ＢＰ网络更适合于处理分类边界模糊的数据。     

基于矩特征及支持向量机的图像识别

小波矩兼顾了目标的局部与全局范围的不变性特征,在计算复杂度和识别相似形状的物体时比Hu矩、Zemjke矩具有更好的识别效果;支持向量机建立在统计学习理论基础上,在实现识别分类方面比传统神经网络具有更好推广能力.利用小波矩提取目标的不变性特征,并输入到支持向量机进行分类识别,仿真实验表明该算法具有更好的识别效果.     

基于角点特征的目标识别方法

针对基于角点特征的目标识别存在的不足,提出了一种角点特征的构造方法,这种特征具有平移不变性、旋转不变性、尺度不变性以及对噪声的抗干扰能力.利用角点间的全局约束和局部约束得到类型可分离程度较高的模式向量,并根据目标角点的空间关系对模式向量进行适度的维数约简;根据目标的三维模型建立二维视面模型,从而提取出目标在不同姿态下的特征,解决目标姿态变化造成的难以识别的问题.结合反向传播网络的分类能力,将其应用到视点变化的目标识别领域.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

城市环境质量的BP网络综合评价

人工神经网络已广泛用于模式分类与识别等问题，而城市综合环境质量评价是多因子组合的模式判别问题．采用二级 Ｂ Ｐ 网络构造城市综合环境质量评价模型，该模型应用于四川省 １６个城市的环境质量综合评价和排序，研究结果表明， Ｂ Ｐ网络用于环境质量综合评价具有通用性、客观性和实用性．     

利用超声回波识别分层介质结构

研究了利用ＢＰ神经网络进行分层介质结构超声识别的方法。应用理论模型分析了不同分层介质结构的回波，研究了用ＢＰ神经网络进行介质结构识别的算法与性能，结果表明它具有良好的识别效果，实际分层介质结构的正确识别率在９０％以上。     

利用超声回波识别分层介质结构

研究了利用ＢＰ神经网络进行分层介质结构超声识别的方法。应用理论模型分析了不同分层介质结构的回波，研究了用ＢＰ神经网络进行介质结构识别的算法与性能，结果表明它具有良好的识别效果，实际分层介质结构的正确识别率在９０％以上。     

汽车二维图像的分类识别研究

用自相关函数提取图像的特征,对三类小汽车模型的侧影进行了分类识别研究．给出了两种分类识别方法：加权ｋ－近邻分类法和ＢＰ网络分类法,并对两种分类方法的性能进行了分析．实验结果说明,识别效果较好     

汽车二维图像的分类识别研究

用自相关函数提取图像的特征,对三类小汽车模型的侧影进行了分类识别研究,给出了两种分类识别方法;加权ｋ－近邻分类法和ＢＰ网络分类法,并对两种分类方法的性能进行了分析,实验结果说明,识别效果较好。     

连续小波变换与视觉不变性的局部化描述

视觉不变性描述是计算机视觉的核心问题之一，经黄的视觉不变性描述有傅里叶描述器、矩法不变性等，但是它们都是全局性描述，因而极易受局部遮挡与噪声的干扰，文中研究不同尺度的信号在连续小波变换下的性质，并在此基础上提出了一种基于连续小波变换的具有很好局部化性质的视觉不变性描述，解决局部遮挡条件下的识别问题，并给出了有关实验结果，文中最后讨论了 定不变性描述同图象尺度边缘的关系以及应用时的有关问题。     

BP神经网络在磨削烧伤诊断中的应用

用磨屑热辐射流温度信号作为信号源，运用ＢＰ神经网络对磨削烧伤状态的智能辨识进行探讨，结果表明，利用ＢＰ网络的高度非线性射表达能力，实现了样本特征值空间的模式空间的映射，对训练样本及测试样本进行了正确识别，且识别正确率较高。     

角点特征在目标识别中的应用

针对在视点变化情况下进行目标识别这一问题,作者结合主分量变换提出了一种基于Hausdorff距离的目标匹配算法,该算法在噪声和遮挡下性能稳定,时间代价较小.作者还提出了一种具有平移、旋转、尺度不变性以及对噪声有抗干扰能力的角点特征构造方法,通过BP网络实现目标分类.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

用于BP网络的样本添加法

提出了一种改善ＢＰ网络学习能力的样尊添加法，它是根据人类学习知识时存在遗忘现象而设计的。首先阐明其工作原理与学习算法；接着将它用于ＢＰ网络之中，以处理三倍冗 表决问题。     

基于组合矩不变量特征的BP神经网络分类器

本文通过研究矩特征的性质，在传统的７个矩不变量的基础上，提出了５个组合矩不变量来完成对目标特征的描述．为完成对三维物体的识别，这里采用三层的ＢＰ神经网作为分类器，其输入特征为上述组合矩不变量．文中对三类目标在各种姿态下的矩特征分布的情况进行了研究，并将神经网分类器与最小距离分类器的分类性能作了比较．实验证明，神经网分类器能够完成对三维目标的识别，并且在实时性和鲁棒性方面表现了良好的特性     

基于关联系数网络的电表异构信息提取方法

摘 要：针对拆回电表厂家和型号众多，人工分筛的数据录入效率低、准确率难以保证的问题，提出一种基于关联系数网络的电表异构信息提取方法。首先，利用连接文本提议网络(CTPN)定位型号文本，并利用密集连接卷积网络(DenseNet)和连接时序分类(CTC)识别，获取型号初步识别结果；其次，利用轻量化的实时快速目标检测(YOLOv4-Tiny)网络检测电表商标，获取厂家初步识别结果；再次，在验证集进行测试，获取合适的自适应关联系数；最后，基于厂家和型号的信息关联和二者初步识别结果，进行关联识别，提取电表异构信息。实验结果表明：文中提出的改进关联系数神经网络可有效提取拆回电表型号和厂家这两种不同结构的信息，准确率达到98.71%，提取单张电表信息平均耗时0.406s。与主流文本识别和目标检测算法相比，所提算法提高了拆回电表信息提取精度，有助于实现拆回电表信息的自动录入与建档。     

多层反馈BP网联想记忆分析

多层反馈ＢＰ网络是一种非线性动力学系统。为了对多层反馈ＢＰ网络进行形式分析，作者采用了电路类比的方式得到了它的数学模型。根据反馈ＢＰ网络的数学模型证明了反馈ＢＰ网络联想记忆过程的稳定性及有关性质，为反馈ＢＰ网络的应用奠定了理论基础。     

基于组合矩不变量特征的BP神经网络分类器

本文通过研究特生的性质，在传统的７个矩不变量的基础上，提出了５个组合矩不变量一完成对目标特征的描述，为完成对三维物体的识别，这里采用三层的ＢＰ神经网作为分类器，其输入特征为上述组合矩不变量。文中对三类目标在各种姿态下的矩特征分布的情况进行了研究，并将神经网分类器和最小距离分类器的分类性能作了比较。     

基于神经网络的采场底板分类与顶板来压预报

建立了长壁工作面底板分类及单体液压支柱底座选型的人工神经网络（ＢＰ网络）模型，并通过网络自适应学习与匹配联想，得出了采场底板类别与单体液压支柱底座型式相对应的结果。同时，通过邻城相互作用算法与ＢＰ网络耦合，预报了采煤工作面顶板来压。网络试验表明，所得结果与实际吻合良好。     

应用神经网络建立采矿经验知识库

应用神经网络建立了获取采矿方法选择时所需的主要技术经济指标的采矿经验知识库，并以普通全面法为例，描述建造ＢＰ网络模型的过程。研究结果表明：利用这个采矿经验知识库，就可以根据采矿方法的工程背景，求得它的主要技术经济指标