基于DCT和CNN混沌系统的彩色数字水印加密新算法

数字水印技术作为抵抗多媒体盗版的最后一道技术防线,具有广泛的应用前景和巨大的经济价值。基于离散余弦变换(DCT)以及细胞神经网络(CNN)混沌理论提出了一种数字水印加密新算法。算法分两步进行,首先是利用5阶细胞神经网络混沌系统产生的随机序列辅助某种运算对彩色水印图像加密,然后利用分块离散余弦变换将加密以后的彩色水印图像嵌入到载体彩色图像中,以此来实现水印加密以及嵌入的过程。在仿真实验基础上,通过指标PSNR和NC的定量分析,结果证明新算法具有较强鲁棒性,不可感知性和安全性。     

基于遗传神经网络的插铣铣削力建模与分析

本文首先对插铣铣削力进行了理论分析,并基于正交试验方法对铣削力进行了测量试验,然后利用遗传算法对BP神经网络的权值和阈值进行优化,建立了预测铣削力的遗传神经网络模型,最后将经过遗传算法优化的BP网络与未优化的进行对比分析.结果表明,经遗传算法优化后BP网络模型预测误差明显减小,网络的计算精度和收敛速度有了显著提高.     

基于BP神经网络的建筑施工企业信用评价模型研究

建筑施工企业信用对建筑业的发展有着举足轻重的作用,该文根据建筑施工企业特点构建了建筑施工企业信用评价体系,并建立了建筑施工企业信用评价的BP神经网络模型,对建筑施工企业信用进行客观、科学、正确的评价。     

基于交通数据融合技术的行程时间预测模型

针对当前城市道路行程时间的预测多限于单源数据且预测精度不高的问题,构建了基于浮动车GPS数据、微波检测器交通数据的行程时间预测融合模型.利用遗传算法优化小波神经网络,解决了小波神经网络初始参数选取时盲目与随机性问题,大大提高了网络搜索效率与训练速度.预测行程时间与视频观测数据吻合良好,表明该模型是有效的和可靠的.     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?     

基于BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。     

基于RBF神经网络的车辆转弯内轮差研究

车辆转弯时,是以内侧后轮为支点进行移动,导致前后轮划过的区域不同,从而形成内轮差。为了防止内轮差事故的发生,我们建立了数学模型,对内轮差进行了研究。对于RBF神经网络模型,通过matlab编程实现了函数的拟合,得到了真实数据y和RBF神经网络拟合得到的结果ty,并作出了真正函数图像、RBF神经网络图像、和误差图像。三维坐标分别表示轮距、轴距和最小转弯半径,用颜色坐标表示内轮差。从误差图像上可以看出,图像的颜色值是相同的蓝色,从颜色坐标上可以读出值为0,即误差为0。说明神经网络的输出已经相当的逼近函数。     

电机匝间短路故障的仿真研究

电机匝间短路故障的仿真研究是以电机匝间的气隙励磁磁通密度信号为研究对象的,通过采集系统进行数据实时采集,再运用小波包分解对数据进行分析,提取故障信息,最后运用BP神经网络对数据进行训练和测试,从而达到对电机匝间短路故障以及故障位置的准确判断.通过运行表明,此方法故障识别率高、方便灵活而且诊断精度高.     

人工神经网络原理、分类及应用

本文就人工神经网络的原理进行了介绍,对于人工神经网络技术进行了分类,对各类神经网络工作原理进行了阐述,并以BP神经网络为例,对其工作原理利用数学推导方式进行了重现,深刻揭示了神经网络的工作流程和细节。     

冷连轧机厚度和张力系统的智能解耦控制

现代冷连轧机组中的厚度和张力系统具有多变量、强耦合、不确定等特点.以某厂1700mm冷轧机组为背景,以现场数据为核心,建立了厚度和张力耦合系统数学模型.针对系统模型的参数扰动以及外部扰动等不确定性,提出了基于准对角递归神经网络多变量PID控制策略,该策略具有较强的表达和处理瞬态信息的能力,实现了厚度和张力系统的解耦控制.仿真结果验证了本算法的有效性,其解耦响应速度和抗干扰能力明显优于传统解耦控制效果,适合解决非线性系统的动态问题.