基于时滞观测的神经网络的随机镇定

研究神经网络的随机镇定问题.通过在扩散项中加入含时滞项的状态控制,利用随机稳定性理论,镇定一类循环神经网络.同时,利用It公式及多种不等式性质,证明解的几乎必然指数稳定性,并给出数值例子.     

基于LMBP算法的崇阳溪流域降雨径流预报模型研究

采用泰森多边形法对流域进行划分,分别确定崇阳溪上游流域6个雨量站控制子流域的面积权重.选择1997至2014年的14场流域降雨径流过程为训练样本,以上游6个雨量站的时段雨量和武夷山水文站前期流量为输入,武夷山水文站相应流量为输出,采用3层网络,其中隐含层节点数采用试算法确定,建立崇阳溪上游流域LMBP神经网络降雨径流预报模型.利用余下的7场降雨径流过程对模型进行检验,结果表明,模型运算速度快、时效性好,预报精度符合要求,可以用于流域的降雨径流预报.     

基于CS-BP神经网络的舌诊图像颜色校正算法

针对开放环境下舌诊图像采集过程中存在颜色偏差问题,文章提出基于CS(布谷鸟搜索)-BP的舌象颜色校正算法,利用布谷鸟的巢寄生性以及levy飞行机制优化BP神经网络。为了与其他颜色校正算法作对比,文章选择了多项式回归。为了研究不同拍摄环境对颜色校正结果的影响,分别在不同时刻下的室内、室外、白炽灯拍摄环境下,采集带有24色色卡的舌象并应用三种算法对其颜色校正得出结果进行对比分析,采用CIElab色差值指标对这三种算法进行评价,实验结果表明,与多项式回归和BP神经网络算法相比,CS-BP算法的校正效果得到明显提高。     

基于PNCC与基频的鲁棒电话语音性别检测方案

针对电话语音性别检测存在识别准确率较低的问题,提出了一种有效的电话语音性别检测方案(CNN+SVM); 首先,采用卷积神经网络(Convolutional Neural Network, CNN)提取幂律归一化倒谱系数(Power-Normalized Cepstral Coefficient, PNCC)的有效信息;然后, 结合优化后的基频特征,选用支持向量机(Support Vector Machine, SVM)实现性别分类.该方案有效融合了男、女发音和听觉感知特性上的差异,同时利用了CNN特征提取能力以及SVM鲁棒分类能力.仿真结果表明:CNN+SVM方案针对实际场景电话语音数据集的性别识别准确率优于传统识别方法.     

基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.     

具有能量收集的认知双向协作中继网络中断概率分析

为了延长认知中继网络的生存时间和降低中断概率,提出了具有多主接收端的专用信号塔(PB,Power-beacon)辅助能量收集认知双向协作中继网络,并研究了采用译码转发模式和机会中继选择策略的衬底式认知网络中断性能。网络中次用户发射功率由收集自PB的能量和主接收端的干扰约束决定。推导了Rayleigh块衰落信道下次网络的精确中断概率,结果表明增大PB发射功率或主网络干扰约束将使中断概率单调下降。此外,还推导了有干扰约束和无干扰约束的次网络渐近中断概率,研究了中断饱和现象,PB位置对中断概率的影响,以及主接收端和中继数量、次网络端到端容量以及能量收集比率与中断概率之间的关系。仿真结果验证了理论推导。     

基于深度学习的滑坡监测与早期预警方法研究

研究的浅层滑坡成灾机理及成灾模式分析、面向大数据分析的空间多源数据获取及融合、基于深度卷积神经网络模型的滑坡演变过程模拟、滑坡演化的定量评估模型和早期预警系统建设等4个有机部分,构成了一个从理论到方法再到应用的相对完整的技术主线。其中对浅层滑坡成灾机理及成灾模式分析为后三者的提供理论指导,面向大数据分析的空间多源数据获取及融合是基于深度卷积神经网络模型的滑坡演变过程模拟的数据基础,滑坡演化的定量评估模型和早期预警系统建设为技术路线的实现、验证与应用部分。