基于神经网络的铁路客运列车车号

给出了客运列车车号自动识别系统的组成及各部分的实现方法,重点讨论了基于多神经网络的识别方法.研究表明该系统的识别率可达到95%,通过所开发的车号显示及修改软件可满足实际工程的需要.     

浅谈铁路客车车号自动识别系统

随着社会的发展和信息技术的进步,我国铁路生产的信息化程度也不断提高,其中铁路车号自动识别系统(Automatic Train Identification System,简称ATIS)就是信息化技术与铁路生产实际相结合的一个成功范例,目前,铁路总公司决定将客车部分也纳入到ATIS系统中来。本文简单介绍了铁路客车车号自动识别系统的组成、功能以及现状。     

HTK-196型铁路车号自动识别系统的扩展应用

本文对HTK-196型铁路车号自动识别系统的扩展与应用进行了探讨。     

车号自动识别系统在铁路上的应用与维护

莱芜钢铁集团有限公司运输部在进出厂铁路专用线上采用了2套XC型铁路车号自动识别系统,用于莱钢铁路运输的车号自动识别和信息传输共享。运行实践证明,该系统信息准确、可靠、高效,满足了莱钢集团铁路运输生产快速发展的需要。     

车号自动识别系统在电子轨道衡的应用

在电子轨道衡的前端加装车号识别系统,可以实现车辆电子称重的自动化,极大的提高了计量工作的准确率和工作效率,减轻了人工劳动强度。     

浅谈铁路车号自动识别设备在动态电子轨道衡系统中的应用

本文从动态电子轨道衡的系统组成、作用,铁路车号自动识别设备的原理、技术标准等方面阐述了铁路车号自动识别设备在动态电子轨道衡上的应用,以及铁路车号自动识别设备的典型故障现象、处理方法,能够对现场工作人员、设备维护人员、货运管理人员在对系统的工作原理上有进一步的认识,在维护以及使用过程中提供一定的帮助。     

基于卷积神经网络的农作物种类自动识别算法研究

随着"互联网+"农业项目的推进,农业图像数据的采集越来越多样化,在数据的采集过程中也产生了大量无标签的农作物图像,图像数量极其庞大,已经达到无法人工识别的程度.通过人工采集大量农作物图像,利用卷积神经网络算法实现作物种类图像识别,在DenseNet121网络的基础上,通过对其参数进行优化调整,使用已采集的5类农作物数据集对其进行训练和测试,测试结果表明网络的识别率为99.3%.在此数据集上,与现有的一些经典分类识别模型进行了对比试验,其中Vgg16模型的识别率98.2%,ResNet50模型的识别率为92.4%,分别提升了1.1%和6.9%,模型识别率得到了一定提升.为了增强模型的可用性,实现作物种类图像识别的自动化,基于三种模型进行了作物图像识别系统设计.该系统对后期有针对性地对作物种类图像的长势、健康状况等实现智能决策管理具有一定的参考价值.     

基于非线性神经网络的列车半主动悬挂系统

为了在保证行车安全的前提下,提高列车的横向平稳性能,提出一种基于天棚原理的列车横向半主动悬挂系统,并建立了半主动悬挂非线性神经网络控制模型,设计了神经辨识器和控制器．仿真计算和实测结果显示：与不施加控制时相比,半主动悬挂系统采用神经网络控制时车体的横向加速度峰值明显下降,横向平稳性明显改善,横向平稳性指标（彤值）在仿真和实测状况下分别改善了9．04％和15．9％．     

基于神经网络的铁路旅客满意度研究

针对铁路客运的现状,通过分析影响铁路旅客满意度的主要因素,确定铁路旅客满意度的评价指标体系,并利用神经网络技术,设计了一个基于神经网络的铁路旅客满意度评价模型,结合铁路旅客问卷调查结果,对目前铁路旅客满意度水平进行了综合评价,对提高铁路旅客满意度,进一步完善铁路客运工作具有一定的借鉴意义。     

基于客户服务中心的铁路客运营销系统

通过分析铁路客户服务中心的现状,结合客户关系管理思想,利用数据仓库、数据挖掘、WEB-GIS技术,引用三层CLIENT/SERVER体系结构,提出基于客户关系管理的铁路客户服务中心建设方案及实施步骤,从理论上论证实现重点客户关系管理、客户满意度分析、客运市场细分等新的功能.     

一种新的神经网络畸变不变模式识别方法

本文以Ｗｉｄｒｏｗ等人的方法为基础，提出一种新的神经网络畸变不模式识别方法－－最小距离畸变不变模式识别网络。数值模拟显示，新方法具有完全的畸变不变性，相当高的识别精度、实时的识别速度、强大的抗噪能力、极短的自适应时间以及显著降低的运算量。     

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     

基于神经网络的手写电气元件符号识别系统

神经网络模式识别在现代数字图像处理中的应用,是数字图像处理技术的一次革 命．以神经网络模式识别技术在电气元件符号图形识别中的应用为对象,着重于手写电气元 件符号自动识别系统的研究,介绍了整个系统的结构和功能,给出了相应的数据流图和主要数 据结构,提出了一种基于神经网络的模式识别方法,并对系统的实际应用作了验证,为进一步 的研究奠定了基础．     

神经网络与污损的手写印刷体字符的识别

通过比较各种模式识别方法的特点,确定了用神经网络方法识别污损的手写印刷体字符的可行性和必要性,介绍了神经网络摸式识别系统,讨论了用神经网络方法对污损的手写印刷体字符的识别,最后给出实验结果     

神经网络文字识别系统的研制

研究人工神经网络技术在文字识别上的应用．阐述了该系统的基本原理、模型，并运用反向传播（ＢＰ）模型进行文字识别系统的模型，以探求解决集合庞大、字形复杂并且存在大量相似结构的汉字的高速自动输入途径     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.     

基于神经网络的字母识别系统的设计与实现

基于神经网络,采用Matlab 6.5和Visual C,设计一个字母识别系统.该系统通过对BMP图片的二值化处理,在VC环境下调用Matlab,并将把二值化后的数据进行网络训练,从而实现26个英文字母的识别.系统性能的测试表明,系统所训练的神经网络有很好的抗干扰能力.     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

基于神经网络的机动车号牌字符识别

以定位、 分割后的机动车号牌字符为研究对象. 首先, 对机动车号牌图像进行大小、 灰度方差、 灰度均值的标准化处理. 其次, 根据机动车号 牌字符的特点, 抽取字符3种不同的特征, 构造3个BP神经网络对机动车号牌字符进行识别. 并根据字符在机动车号牌中所处位置的差异, 在每个BP神经网络中构造4种不同的子网络分 别进行训练和识别. 最后, 每个BP神经网络的输出通过加权求和的组合方式得到最终识别结 果. 在组合各网络输出前, 采用对字符图像求取局部二阶差分值的方法, 将字形相近的字符 进行再分类, 从而有效地降低误识率. 通过分析实验结果, 表明本算法在机动车号牌识 别应用中达到了理想的识别效果.