基于彩色分割的车牌自动识别技术

提出一种采用彩色分割及多级混合集成分类器的车牌自动识别方法．该方法由彩色分割、目标定位、字符识别及后处理模块组成．采用多层感知器网络（ＭＬＰＮ）对输入彩色图象进行彩色分割，通过投影法分割出潜在的车牌区域并进一步切割出字符，由多级混合集成分类器给出字符识别的初步识别结果及置信度，经后处理得到最终结果．该方法识别正确率高、鲁棒性好，车牌定位正确率达９８．６％，字符识别正确率达到９５％以上，具有很好的实用技术指标．  

基于Levenberg-Marquardt算法的神经网络监督控制

提出了基于Levenberg-Marquardt(L-M)算法的前向多层神经网络在线监督的控制方法，其算法是梯度下降法与高斯－牛顿法的结合，对于训练次数及准确度，L－M算法明显优于共轭梯度法及变学习率的BP（Back Propagation)算法，适用于在线学习与控制，因此，利用L－M算法的特点进行在线训练神经网络，以实现实时非线性控制，仿真结果表明，该控制方法优于常规控制算法，明显改善了在未知负载扰动时，伺服系统的踊跃性能，显著地降低了跟踪误差，具有很强的抗干扰能力。  

用BP神经网络预测股票市场涨跌

利用BP网络较好的分类能力，结合国内股票市场的特性，对于沪市综合指数涨跌的预测进行了初步探讨。大量数值实验结果表明，人工神经网络应用于中国股票市场的预测是可行和有效的，有着良好的前景。  

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。  

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.  

桥梁健康监测应用与研究现状(英文)

桥梁损伤诊断与健康监测是近年来国际上的研究热点 ,在实践方面 ,土木工程和航空航天工程、机械工程有明显的差别 ,比如桥梁结构以及其他大多数土木结构 ,尺寸大、质量重 ,具有较低的自然频率和振动水平 ,桥梁结构的动力响应极容易受到不可预见的环境状态、非结构构件等的影响 ,这些变化往往被误解为结构的损伤 ,这使得桥梁这类复杂结构的损伤评估具有极大的挑战性 .本文首先给出了结构健康监测系统的定义和基本构成 ,然后集中回顾和分析了如下几个方面的问题 :①损伤评估的室内实验和现场测试 ;②损伤检测方法的发展 ,包括 :(a)动力指纹分析和模式识别方法 ,(b)模型修正和系统识别方法 ,(c)神经网络方法 ;③传感器及其优化布置等 ,并比较和分析了各自方法的优点和不足 .文中还总结了健康监测和损伤识别在桥梁工程中的应用 ,指出桥梁健康监测的关键问题在于损伤的自动检测和诊断 ,这也是最困难的问题 ;最后展望了桥梁健康监测系统的研究和发展方向  

基于遗传算法的进化神经网络

提出了一种基于遗传算法的前馈神经网络的自动化设计方法 (genetic m ultilayer neural network,GMNN ) ,用以同时完成对网络结构空间和权值空间的搜索。该算法利用模拟退火算法、 BP算法和小生境技术来加快算法的收敛速度 ,改善解的性能。初步实验结果表明 ,该方法的收敛速度较快 ,由此得到的神经网络的泛化能力也较好 ,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的。  

基于神经网络的管道泄漏检测方法及仪器

研究了管道泄漏后形成多相湍射流所引发的应力波在管壁中的传播机理，分析了泄漏引发的管道横振、纵振和圆环振动，提出一系列应力波特征提取指标及其离散数据算法。  

人工神经网络模型在太湖富营养化评价中的应用

根据湖泊富营养化程度影响因素多，评价因素与富营养化等级之间关系复杂且是非线性的特点，研制了一个能自动对湖泊富营养化程度做出正确评价的BP人工神经网络模型，并在太湖富营养化评价中得到了应用，结果表明：只要把观测数据提供给网络，借助计算机就可获得能客观地反映水质富营养化状况的评价结果；对于富营养化标准样本，一旦训练完毕，只需通过简单的加法和乘法运算，就可对湖泊水质富营养化程度进行评价．  

小波神经网络的参数初始化研究

随机产生的初始参数往往使小波神经网络的学习次数大幅度地增加，甚至不收剑，为了加快网络的学习速度，本研究提出了一种将小波网络的初始参数设置和小波类型，小波时频参数和学习样本等联系起来的小波神经网络的初始参数设置方法，学习实例结果表明，按照这一方法不但可以获得高几率的优秀初始参数，而且能大大加快小波网络的后续学习速度。