基于AR模型和BP网络的表面EMG信号模式分类

提出了一种以AR模型和BP网络相结合的表面肌电信号处理方法 .首先 ,将采集到的肌电信号进行预处理 ,提取AR系数作为其特征值 ;其次 ,设计了一个三层的BP神经网络 ,利用AR系数对手臂的各种肢体动作进行运动模式的分类 .实验表明 ,这种方法不仅减少了计算工作量 ,同时取得了比较理想的识别效果 .     

基于BP网络模式识别的变压器故障诊断

针对传统的离线色谱分析法在变压器故障诊断中的不足，提出了一种基于BP网络模式识别的变压器在线故障诊断方法。阐述了模式识别的原理。建立了诊断模型，给出训练精度。通过将BP网络诊断结果与传统三比值法诊断结果的对比，验证了该诊断方法的准确性与有效性。     

多分辨率小波变换在表面肌电信号模式识别中的应用

采用一种多分辨率小波变换来进行表面肌电信号的模式识别.该方法选择各个尺度下的小波系数幅值的一对最大最小值作为特征向量,对表面肌电信号作5尺度小波分解.对内旋动作、外旋动作、握拳动作、展拳动作的多尺度分解结果证明,该方法提取的特征信号用于识别时比传统方法的分类精度高.     

基于表面肌电的肘关节运动角度预测

表面肌电信号(sEMG)由于能够反映用户的动作意图而被广泛应用在上肢康复治疗系统中.针对目前上肢康复机器人的手臂关节运动控制不灵活的问题,提出一种基于sEMG的肘关节运动角度预测方法.为解决单一的时域特征提取方法存在的时间效率高而稳定性不足的问题,从时域和频域分别提取特征值,采用BP人工神经网络建立表面肌电信号与肘关节角度的映射模型,实现肘关节角度的预测.实验结果表明,该模型的预测结果与真实角度值有高度的一致性,有助于提高上肢康复机械臂的灵活性.     

基于BP人工神经网络的局部放电模式识别

介绍了ＢＰ人工神经网络在局部放电模式识别中的应用，结合实际现场情况提出了一种基于统计分析的局部放电特性提取方法，在此方法的荐对空气火花放同中火花放电进行了式识别实验，实验结果证明了这种放电特性提取方法在局部放电模式识别应用中的可行性。     

基于BP网络的康复机器人的智能控制技术

建立了5自由度上肢康复机器人的BP神经网络控制模型。在此模型基础上，通过对正常人肌电信号的训练学习，修正了网络权值，得到了较为理想的控制模型。最后，通过病人的肌电信号，得到了良好的输出结果。仿真实例表明，BP神经网络方法比传统方法收敛快，学习精度高，且具有较好的网络泛化能力，可以用于5自由度上肢康复机器人的智能控制。     

基于径向基网络的表面肌电信号处理

利用AR模型对实验所采集到的原始二通道表面肌电信号（SEMG）加以分析,提取AR系数作为特征值,将其作为训练样本输入到RBF神经网络进行训练,用此网络对前臂的伸臂和曲臂两种运动模式的表面肌电信号进行模式分类。实验表明,基于径向基函数RBF神经网络分类准确率比BP神经网络更高,具有较强的鲁棒性和自适应能力,可以有效识别肌肉的单动作模式。     

人体下肢行走关节连续运动表面肌电解码方法

为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现下肢关节运动角度的计算,然后采集下肢运动相关主力肌肉的表面肌电信号并提取其活动强度信息;在此基础上,基于受限玻尔兹曼机构建深度自动编码器(DAE),实现多路表面肌电信号强度时间序列的低维空间编码和最优特征提取;最后,利用BP神经网络建立特征量与关节矢状面运动角度之间的非线性回归模型。实验结果表明:该方法提取的信号特征信息优于传统的主量分析方法,采用提出的模型能够更精确地估计下肢关节连续运动角度,其估计值与真实值的均方误差较传统方法降低25%~35%。研究结果为人机交互接口技术的开发、实现下肢可穿戴智能装备的生物电连续控制、提高人机运动平稳性奠定了基础。     

基于BP神经网络和Fuzzy集的模式识别算法及其MatLab实现

提出了一种基于BP神经网络和Fuzzy集的模式识别算法,并在MatLab系统环境下实现了这种算法.实践证明,运用该算法进行模式识别的准确率非常高,使用MatLab编程简捷明了,具有很强的实用性和较大的应用前景.     

基于不变矩特征及BP神经网络的图像模式识别

根据图像的不变矩特征,应用BP神经网络实现了图像的模式识别.由于神经网络本身具有很强的学习能力及容错能力,且采用并行工作方式,因此,此识别方法与传统的模式识别方法相比,具有较强的抗干扰能力及较快的识别速度.本文通过实验验证了此方法的有效性.     

一类基于概率神经网络的语音识别模型

介绍了采用人工神经网络,特别是概率神经网络(PNN)技术进行语音识别的原理．提出了一类基于概率神经网络的解决元音识别问题的模型,并且通过一个试验,研究了用于语音识别的PNN模型中的参数设置．试验表明,该模型对于元音的识别具有较好的识别率．     

断层推断的改进BP神经网络方法

断层可破坏煤层的完整性和连续性 ,对采煤工作面的生产具有重要的影响 ,在矿井投产前 ,必须准确地查明采区内的断层情况。文章运用动量法和自适应调整学习率的改进 BP神经网络 ,选取 5个地震特征参数进行了断层推断。结果表明 ,改进 BP神经网络是一种有效的断层推断方法     

Sylvester矩阵方程的BP神经网络求解研究

利用神经网络的本质并行性和高度非线性映射能力，提出了Ｓｙｌｖｅｓｔｅｒ矩阵方程ＡＸＢ－ＣＸＤ＝Ｅ的ＢＰ神经网络求解方法，并给出了相应的数例模拟该方法网络构建简单，求解精度高，计算量小，实验结果表明其高效性参６     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

Linearization learning method of BP neural networks

Feedforward multi-layer neural networks have very strong mapping capability that is based on the non-linearity of the activation function, however, the non-linearity of the activation function can cause the multiple local minima on the learning error-surfaces, which affect the learning rate and solving optimal weights. This paper proposes a learning method linearizing non-linearity of the activation function and discusses its merits and demerits theoretically. Supported by Wuhan Shenguang Project, the National Natural Science Foundation of China and the 863 High Techology Project Zhou Shaoqian: born in Mar. 1962,Ph. D graduate student     

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BP神经网络的变压器气相色谱分析法

介绍了利用BP神经网络对变压器进行气相色谱分析的原理,给出了训练样本,在对典型样本进行训练的同时,进一步对误差曲线的仿真结果进行了分析。最后以测试样本为例,说明了该分析方法的准确性与有效性。     

基于改进的BP神经网络下的字符识别

我国字符一般由汉字、英文字母以及阿拉伯数字组成,字符图片的类型众多给字符的识别带来了很多困难.参照目前现有人工智能算法的优点,结合了字符特征提取方法设计了一个改进的BP神经网络对归一化后的三类字符进行识别,取得了预期效果.     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

基于BP神经网络指纹识别的算法

通过对多种指纹分类算法的研究和分析，提出了一种基于BP神经网络对指纹模板进行分类的新算法．首先在对指纹图象进行预处理后建立起指纹模板库，然后采用时间模拟退火函数进行学习因子修正的方法来减少BP算法迭代次数，以提高收敛速度及跳出局部最小．仿真证明：该算法与传统的指纹识别算法相比，分类速度明显高于传统的固定步长的BP算法．