基于模糊自适应谐振理论的彩色目标跟踪系统

提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

用自适应谐振网络进行图像纹理的分类与识别

分析了逢适应谐振神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别结果难验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果。     

利用神经网络识别车辆牌照字符

由于受光照条件、牌照自身清洁程度等因素影响,车牌识别系统往往达不到满意的字符识别率.结合神经网自适应的特点,本文利用基于自适应谐振理论(Adaptive Resonance Theory,ART)构成的自组织神经网络进行字符识别,给出了算法和实验结果.     

利用神经网络识别车辆牌照字符

由于受光照条件、牌照自身清洁程度等因素影响 ,车牌识别系统往往达不到满意的字符识别率 .结合神经网自适应的特点 ,本文利用基于自适应谐振理论 (AdaptiveResonanceTheory ,ART)构成的自组织神经网络进行字符识别 ,给出了算法和实验结果     

神经网络自适应共振理论应用于心电图QT间期自动检测？…

介绍一种利用改进的ＡＲＴ（自适应共振理论）人工神经网络检测心电图ＱＴ间期的方法,用经过训练的ＡＲＴ网络对心电波形进行分类和识别,较准确的测出Ｔ波终点位置,从而提高ＱＴ间期检测的正确率,该算法在一定程度上模拟了心电专家手工测量ＱＴ间期的过程,用于检测包括ＭＩＴ心律失常数据库（ＭＩＴ／ＢＩＨ Ａｒｒｈｙｔｈｍｉａ Ｄａｔａｂａｓｅ）在内的共近千个心跳波形,并以两位心电手工测量结果作为标准数据进行对比。     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．     

基于自适应神经网络的智能故障诊断研究

探讨了动量系数和学习率自适应调整的神经网络算法,给出了动量系数和学习率的调整方法,并将此作为机械故障的特征识别方法,以频谱分析作为机械故障特征信号的提取手段,由此建立了基于自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据的诊断结果,说明此诊断系统对故障诊断是有效的．     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统,将传统ＰＩＤ工程整定法与神经网络相结合,采用直接自适应控制方法,使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制,更有效地改善控制品质．     

神经网络自适应控制的研究进展

关于人工神经网络与自适应结合的研究,近年来已成为智能控制学科的热点之一,已有大量的研究成果见诸各种学术刊物和会议论文.自适应具有强鲁棒性,神经网络则具有自学习功能和良好的容错能力,神经网络自适应控制由于较好地结合了二者的优点而具有强大的优势.本文较系统地综述了神经网络自适应控制的研究进展,讨论了神经网络自适应的主要模型和算法,并就其存在的一些问题、应用与发展趋势进行了探讨.     

神经网络自适应共振理论应用于心电图QT间期自动检测的研究

介绍一种利用改进的ART(自适应共振理论 )人工神经网络检测心电图QT间期的方法 .用经过训练的ART网络对心电波形进行分类和识别 ,较准确的测出T波终点位置 ,从而提高QT间期检测的正确率 .该算法在一定程度上模拟了心电专家手工测量QT间期的过程 ,用于检测包括MIT心律失常数据库 (MIT/BIHArrhythmiaDatabase)在内的共近千个心跳波形 ,并以两位心电手工测量结果作为标准数据进行对比 .对比结果显示 ,我们的算法对单路心电波形自动检测的准确度与通常手工测量具有可比性 ,充分体现了人工神经网络的优越性 ,在要求自动检测大量数据的场合具有显著的应用价值 .     

基于BAM神经网络的钻井复杂事故识别研究

在详细分析钻井复杂情况和事故的基础上,应用神经网络的新方法成功地解决了钻井复杂情况和事故的识别问题。BAM神经网络具有模型和算法简单的特点,是作为类似摸式识别问题研究的一种较好的工具。     

神经网络直接自适应控制器的设计与实现

柔性机器人在受限运动时由于控制对象极其复杂而难以控制。为了解决受限柔性机器人机械臂难以精确定位问题提出并设计了一种神经网络直接自适应控制器。其控制效果在研究的受限柔性机器人控制实验上作了仿真与实验。结果表明该控制器能经较高精度控制受限柔性机器人的机械臂精确定位。本文是深入研究受限柔性机器人控制问题的基础。     

一种基于模糊神经网络的自适应控制系统研究

提出一种基于模糊神经网络的自适应控制系统 ,经仿真研究表明该系统具有良好的动、静态性能、稳定性及自适应性     

统一场论的历史发展及其研究

对相互作用统一的迫求,历来都深深地吸引着众多的物理学家。本文深入研究了统一场论所经历的三个方要阶段:几何统一场论、旋量统一场论和规范统一场论;并对每个阶段的思想渊源和发展都做了详尽的研究。     

模糊控制与模糊神经网络研究的现状及展望

回顾了模糊控制理论的发展历程，介绍了模糊产品和模糊硬件的开发概况，阐述了将模糊逻辑与神经网络相结合的模糊神经网络技术的研究动态，并对模糊控制学科的发展进行了展望。     

神经网络用于油田地面集输管道结垢预测

利用典型的误差反传神经网络理论,对油田地面集输管道结垢进行预测和评判,避开了各种因素对其结垢影响规律的难题,准确地预测和评判地面集输管道的结垢情况。应用人工神经网络分析某油田地面集输系统管道的结垢情况后表明,人工神经网络无需建立数学模型,学习过程通过自动调节神经元之间的连接权值完成,在选取有代表性的训练样本情况下,人工神经网络能够成功地预测和评判地面集输管道的结垢情况。     

基于模糊神经网络的铣床热误差预测模型研究

当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。     

基于人工神经网络的蜗轮瞬态温度场智能预报系统

通过蜗杆传动的传热学,摩擦学及啮合原理的耦合研究闻蜗轮瞬态温度场的数学模型,针对蜗轮齿面的几何特征和运动特征编制相应的有限元程序。在此基础上利用数值计算结果,建立了有限元模型的人工神经网络 瞬态温度场智能预报系统,为蜗轮齿面瞬态温度场的实时化分析提供必要手段。