BP神经网络在电子鼻分类识别多品牌白酒中的应用研究

由于MQ3、MQ4、TGS813、TGS2620 4个金属氧化物半导体组成的气体传感器阵列对酒精气体及有机物交叉敏感,据此建立实时数据采集系统,并提出稳态特征值和动态特征值的提取方法,进而结合BP神经网络识别方法,通过所建立的电子鼻系统对3种不同品牌白酒进行了分类识别实验.结果表明:电子鼻系统对不同品牌白酒的识别率稳态特征时达90.0%,动态特征时达83.3%.     

电子鼻分析方法在白酒分类识别中的应用

利用酒精气体及有机物交叉敏感的4个金属氧化物半导体传感器组成气体传感器阵列,建立了实时数据采集系统,提出了稳态及动态特征值提取的方法,并结合主成分分析法(PCA),用所建立的电子鼻系统对3种白酒进行了分类识别实验.结果表明:它对不同品牌白酒的稳态特征识别率达90.0%,动态特征识别率达86.6%.     

电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统．深入研究了电子鼻的气敏传感器阵列和数据处理分析器,并用该电子鼻对５种不同浓度乙醇溶液（ ０． ５％, ｌ％, １． ５％, ２％, ５％）进行分析,详细阐述了实验过程,同时用 ＢＰ神经网络对样本进行识别分析,神经网络的回判正确率为９０％,测试正确率为８０％．［     

基于模糊-神经网络的甲醛电子鼻

基于模糊-神经网络的甲醛电子鼻,采用气体传感器阵列和模糊-神经网络结合,实现了模糊-神经网络在甲醛电子鼻中的定量识别.并通过实验,对于0.01×10-6～50×10-6浓度范围内的甲醛气体,甲醛电子鼻定量测报的平均相对误差小,仅为0.197 086.     

基于有监督学习的概率神经网络的脑电信号分类方法

针对脑机接口(BCI)研究中脑电信号(EEG)的模式识别问题,提出了一种基于有监督学习的概率神经网络(PNN)的分类方法.该方法用学习矢量量化对各类训练样本进行聚类,对平滑参数和距离各类模式中心最近的聚点构造区域,并采用遗传算法在构造的区域内训练网络.利用BCI2003竞赛的标准数据,该方法使得EEG的识别正确率达到93.8%,与竞赛的最好结果(88.7%)相比提高了5.1%,为BCI研究中脑电信号的分类提供了有效的手段.     

噪声信道下最佳矢量量化器的人工神经网络实现方案

噪声信道影响下的矢量量化器设计,实际上是一个信源、信道联合编码(joint soruce/channel encoding)问题。本文提出了一种利用人工神经网络ANN(Artificial Neural Network)技术解决联合编码的组合优化问题的方案,该方案较好地解决了有噪声信道条件下的最佳矢量量化器的设计问题。由于将信道传输特性直接引入到神经网络的构造中,因此,对网络进行训练后,最终得到对噪声信道影响具有一定程度的抑制作用的矢量量化器。我们针对BSC信道对所提方案进行了分析和模拟,结果表明,在量化网络设计中,考虑噪声信道影响的因素,可使训练得到的量化网络的量化特性对噪声信道的影响表现出明显的韧性。     

电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统。深入研究了电子鼻的气敏传感器是和数据处理分析器,并用该电子鼻对5种不同浓度乙醇溶液（0．5％,1％,1．5％,2％,5％）进行分析,详细阐述了实验过程,同时用BP神经网络对样本进行识别分析,神经网络的回判正确率为90％,测试正确率为80％。     

电子鼻研究进展及在中国白酒检测的应用

基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向.     

多带激励语音编码算法中矢量量化方案的设计

作者讨论了人工神经网络矢量量化在多带激励语音压缩编码算法中的实际应用。采用Ｋｏｈｏｎｅｎ自组织特征映射神经网络技术对语音参数中的谱包络参数进行量化，利用Ｋｏｈｏｎｅｎ自组织特征映射神经网络具有的聚类特性，提出一种初始码本抽取和码本训练的实际算法，训练出具有明显拓扑结构和码本。利用语音的帧间相关性和训练网络的结构特性，提出一种称为“邻域搜索法”的快速码字搜索算法。实验表明，这种矢量量化算法使码卡搜索     

基于BP神经网络的滚动轴承智能诊断技术

人工神经网络的应用与研究是近几年迅速发展起来的一个国际性前沿研究课题.介绍了人工神经网络及BP神经网络算法,并对传统的BP算法进行改进.建立了基于BP神经网络动车组传动系统滚动轴承智能诊断系统方法,进行了状态识别神经网络训练与测试.通过对外环、内环、滚动体故障和正常情况下数据的计算、仿真和对比,分析了四种情况下在不同网络设计中的识别效率.基于BP神经网络测试的实际输出与期望输出值非常接近,该网络具有良好的识别性能.     

基于神经网络的激光超声探伤表面波的分类

利用3种神经网络即自组织竞争神经网络、学习向量量化神经网络和概率神经网络对激光超声探伤缺陷表面波进行分类.讨论了3种网络在不同输入情况下的分类效果.实验结果表明,这3种神经网络都可以取得良好的分类效果.     

基于LVQ神经网络的手写字母识别

提出了一种基于LVQ神经网络的手写英文字母识别方案.介绍了LVQ神经网络的基本原理,并利用LVQ神经网络的结构简单、泛化性能好、收敛速度快的特点,将它应用于复杂的英文字母识别.通过对英文字母图像进行预处理和特征提取,将提取的特征对网络进行训练,并利用训练好的网络对英文字母进行识别.Matlab仿真实验结果表明,LVQ神经网络可以对英文字母获得较高的识别率.     

人工嗅觉系统及其在卷烟烟气中的研究

用金属氧化物半导体气敏传感器阵列组成的人工嗅觉系统 (电子鼻 )对 3种品牌卷烟烟气进行分析 详细阐述了实验过程及确定传感器的组成方法 ,并从样本中用马氏距离选取合适的样本 ,用主成分分析法和神经网络聚类分析法对样本进行分析 主成分分析结果是已较好地把各品牌的烟分开 ,神经网络对 3种品牌烟的识别率分别为玉溪 85%、白沙 90 %、红梅 95%     

基于电子鼻技术的葡萄酒分类检测方法

为了简单准确的检测葡萄酒的种类,建立了电子鼻检测系统。以三种具有相似气味的葡萄酒的种类识别为实验背景,根据葡萄酒散发的气味合理的选用了八个气敏传感器。利用主成份分析方法对传感器阵列进行优化,最后确定选用四个传感器为最终的传感器阵列,并借助Fisher判别分析方法检验其效果。使用SVM算法及BP算法分别对不同训练样本数的葡萄酒做对比实验。实验结果表明,基于PCA-SVM模式识别算法有很高的识别精度,很强的分类能力,而且在小样本分类识别实验中有着潜在的优势。     

基于LVQ神经网络的冷轧带钢表面缺陷分类方法

将LVQ神经网络用于冷轧带钢表面缺陷的自动分类中,解决了以往分类方法在多噜缺陷模式类型情况下耗时多和准确率低的问题.对现场采集到的14种主要缺陷类型进行了实验.实验结果表明,基于LVQ神经网络的分类器训练与分类的时间短,在多缺陷种类分类的过程中准确率能得到保证.     

EEG classification based on probabilistic neural network with supervised learning in brain computer interface

Aiming at the topic of electroencephalogram (EEG) pattern recognition in brain computer interface (BCI), a classification method based on probabilistic neural network (PNN) with supervised learning is presented in this paper. It applies the recognition rate of training samples to the learning progress of network parameters. The learning vector quantization is employed to group training samples and the Genetic algorithm (GA) is used for training the network’s smoothing parameters and hidden central vector for determining hidden neurons. Utilizing the standard dataset I(a) of BCI Competition 2003 and comparing with other classification methods, the experiment results show that the best performance of pattern recognition is got in this way, and the classification accuracy can reach to 93.8%, which improves over 5% compared with the best result (88.7%) of the competition. This technology provides an effective way to EEG classification in practical system of BCI.     

基于卷积神经网络的无人机识别方法仿真研究

为了提高卷积神经网络(CNN)的泛化性和鲁棒性,改善无人机航行时识别目标图像的精度,提出了一种CNN与概率神经网络(PNN)相结合的混合模型。利用CNN提取多层图像表示,使用PNN提取特征对图像进行分类以替代CNN内部的BP神经网络,采用均方差和降梯度法训练模型,通过将预处理的图像传输到CNN-PNN模型,对图像纹理和轮廓进行分类识别,并将此模型的仿真结果与卷积神经网络模型、卷积神经网络-支持向量机模型的结果进行对比。仿真结果表明,与其他两种模型相比,CNN-PNN模型具有更好的精准度,识别率高达96.30%。因此,CNN-PNN模型能够快速有效地识别图像,准确度和实时性较高,在图像识别等方面具有很好的应用前景。     

神经网络与DTW两种识别方法的比较

在非特定人小字表场合下,比较了人工神经网络方法(ANN),动态规划方法(DTW)以及直接比较方法(DC).对汉语10个孤立数字测试结果表明:用多遍样本进行训练时,训练时间ANN至少是DTW的100倍,DTW是DC的5倍以上;识别速度ANN比DC快300倍,DC比DTW快5倍;存储量ANN比DTW和DC需要的都少;识别率ANN比DTW高2.3％,DTW比DC高6.7％;用单遍样本训练时,DTW比DC高3.6％,DC比ANN高8.1％.说明在小字表情况下ANN的总体性能优于DTW,DTW优于DC。     

一种时间规整算法在神经网络语音识别中的应用

提出一种新的网络结构,这种网络能够很好地解决神经网络语音识别中的时间规整问题。该网络从输入语音信号的特征矢量序列中提取一组固定数目的特征矢量,然后将这组特征矢量馈入神经网络分类器进行识别。和其他的神经网络语音识别方法相比较,用这种网络进行前端处理,可以缩短后端神经网络分类器的训练和识别时间,简化分类器的网络结构并保持较高的识别率。     

基于神经网络调制信号识别技术的发展

信号调制样式的自动识别是软件无线电必备的功能之一,基于人工神经网络的识别方法因其较其他方法具有更好的性能受到广泛关注。分析了基于神经网络调制信号识别技术的基本原理,将目前研究的调制信号识别分为基于多层感知器神经网络的调制信号识别和基于径向基函数神经网络的调制信号识别,提出了神经网络调制信号识别技术进一步的研究方向。