模糊神经网络在车辆识别中的应用

为提高智能交通系统中汽车车型自动识别的正确率,采用了多传感器移动车辆识别系统的数据融合算法,即用模糊神经网络建立数据融合决策模型,用BP算法对网络进行学习和训练,提高系统的精度和智能化.仿真实验结果表明了算法的有效性.     

基于SqueezeNet卷积神经网络的车辆颜色识别

为实现车辆颜色的精准识别,辅助现有车牌识别方法在智能交通系统中完成对车辆身份的精确认证,通过分析现有解决方案和探究卷积神经网络在实际应用中的问题,提出基于轻量级卷积神经网络SqueezeNet实现对车辆颜色识别的方法.轻量级卷积神经网络SqueezeNet的参数量是AlexNet网络结构的1/50,同时还能保证精度,避...     

基于模糊神经网络的车辆避撞预警算法

为实现车辆的智能控制提供理论基础,研究了碰撞预警算法．在分析不同驾驶员的驾驶行为的基础上,确定碰撞预警算法的报警准则,用于指导报警算法做出合理的报警．基于报警准则采用模糊神经网络方法,提出一种多输入、多输出的协作预警算法模型,用于支持碰撞预警系统．利用实测数据对预警算法进行测试,试验结果表明,算法能够对车辆碰撞进行有效的报警,对提高车辆行驶的安全性具有重要意义．     

车辆EPS模糊神经网络控制研究

在二自由度车辆转向和EPS动力学模型建立的基础上,设计了EPS模糊神经网络控制系统结构及其控制策略。对不同转向盘转角输入工况进行仿真计算。结果表明,与传统的机械式转向系统相比,有助力时车辆的横摆角速度峰值和标准差分别减少了5.2%和11.2%;车身侧偏角的峰值和标准差分别减少了29.2%和28.7%,结果证明了模型的正确性和控制策略的有效性。     

模糊神经网络识别方法

本文提出了一种新的模糊神经网络分类器,它结合了神经网络和模糊系统的优点,在使用神经网络结构的同时又用模糊理论来处理模糊和非模糊的信息。新网络在处理分类问题时,对畸变和噪声有较好的容忍性。本文还给出了用网络识别数字和印鉴的例子。     

一种基于深度卷积神经网络的车辆颜色识别方法

车辆颜色是车辆中显著而稳定的特征之一,在智能交通系统中具有重要的作用。针对人工设计的特征提取方法难以有效表达复杂环境下车辆颜色特征的问题,本文在AlexNet网络结构基础上,通过调整网络结构、优化网络参数,形成了基于卷积神经网络的车辆颜色识别网络模型。该方法不需要预处理过程,能够自适应地学习车辆颜色特征表示。对常见的车辆颜色进行训练测试的实验结果表明,本文提出的方法应用到车辆颜色识别问题上具有较好的优势。     

基于模糊神经网络的工况区域识别方法

以模糊集合和模糊神经网络为基础,提出了一种新的工况区域识别方法,并以工业生产过程中常见的精馏过程为例,进行了仿真,证实了该方法的有效性。     

基于神经网络的交通状态模糊判别方法

针对交通流的特点,建立了基于神经网络的交通状态模糊判别方法.综合考虑检测器采集的流量、速度和占有率信息,采用三个模糊规则进行推理,利用具有模糊输出的BP神经网络对交通状态进行评价.利用虎门连升路采集的交通信息对算法进行了验证.研究表明,该方法具有较强的自学习、自组织和自适应能力,不仅可以确定交通的状态,而且可以识别出属于该状态的程度,使判别结果更加具体,为交通状态的判别提供了一种新思路.     

基于Relief算法的智能车辆牌照模糊识别方法

由于当前已有方法未能对车牌照进行降维处理,导致车牌照识别结果不准确,为此,提出一种基于Relief算法的智能车辆牌照模糊识别方法。采用Relief算法计算不同车牌图像特征的权重系数,对特征集进行降维处理。通过序列视频图像对智能车牌进行增强处理,利用全卷积网络对车牌照显著区域进行检测,粗略提取图像中的显著区域,使用滑动窗方法对候选区域车牌进行精准检测,定位车牌准确位置,加入字符的上下文信息,对字符进行精确检测和识别,最终实现智能车辆牌照模糊识别。仿真实验结果表明,所提方法可获取高精度的车牌照识别结果。     

基于模糊自组织神经网络的入侵识别方法

将模糊聚类和神经网络技术相结合 ,提出了基于模糊自组织神经网络的入侵识别方法 .数据样本的分类结果映射到 4 0个神经元的输出平面上 ,连接权矢量图反映了输入模式的统计特征和各聚类的神经元范围 .聚类层求出各分类的隶属函数 ,对端口扫描类型的攻击进行了成功的仿真识别     

基于动态模糊神经网络的入侵检测系统

针对传统的网络安全防范技术存在的缺陷和入侵检测在动态安全模型中的重要地位和作用,提出了基于模糊理论、神经网络和遗传算法结合的新方法--动态模糊神经网络,并且给出基于动态模糊神经网络的入侵检测系统构建体系.该系统在实际应用中收到了较好的效果.     

微小型水下航行器广义S型模糊神经网络控制

为提高微小型水下航行器运动控制的机动性和避障能力,提出一种广义S型模糊神经网络(SFNN)控制方法.采用广义Sigmoid函数作为隶属函数,并推导出基于最小扰动的网络学习方法补偿敏感性.与Gauss型模糊神经网络(FNN)进行比较并以"微龙"号水下航行器为研究对象进行了试验研究.结果表明,采用广义SFNN控制,在没有损失整体控制品质和稳定性的情况下,控制系统响应速度大幅度提高,反应能力增强,从而满足微小型水下航行器的实时控制要求.     

模糊神经网络内模控制

内模控制(IMC)是一种先进的控制算法,具有很强的抗干扰性及鲁棒性,在工业过程控制中应用广泛.内模控制的控制性能往往取决于被控对象的模型,因此,如何得到被控对象的精确模型成为关键问题.对于工业中常见的非线性过程,传统的设计方法很难得到满意的控制效果.模糊控制和神经网络的引入为非线性内模控制的研究提供了一种新方法.模糊逻辑适合表达机遇规则的知识,而神经网络具有较强的自学习及自适应能力.将模糊逻辑与神经网络相结合,应用于内模控制中,对基于该模糊神经网络(FNN)的内部模型和控制器的建立进行了分析.仿真结果证明该算法是有效的,具有很强的自适应性和鲁棒性,可以应用于非线性及时变系统中.     

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

基于模糊聚类规则的网络性能分析方法

利用模糊聚类方法对网络性能进行分析,解决了网络性能分析数据自动聚类分析问题.重点探讨了网络性能分析数据的数据模型的建立和聚类过程,以及根据隶属度函数确立了数据对象的隶属关系,并给出了一个具体的模糊聚类算法.     

基于模糊BP神经网络的水质评价

在BP网络模型基础上构建了隶属度BP网络模型,针对模型特点,建立了水质评价标准指标矩阵,并采用扩展方法构建了网络训练样本,将所建立的模型应用于佛山某污水处理厂的出水口水质评价,应用模糊隶属度方法实现水质级别评价,可以简明地表示水质接近于某类标准水质的程度。研究表明,本算法使评价的结果更具体准确、更符合评价水体水质情况,...     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于模糊神经网络的航运运价指数预测

为航运市场的参与者提供准确和高效的预测模型及决策支持,以BDI指数为研究对象,分析其时间序列数据所包含的内部信息和统计特征,采用模糊数理技术与神经网络技术,为BDI指数建立模糊神经网络模型.相比传统神经网络,模糊神经网络对于BDI指数时间序列在预测能力上的表现更优.     

基于模糊神经网络的绩效评价体系研究

为了促进高校教师队伍发展,建立科学、合理的高校教师绩效评价体系,公正、准确的进行绩效评价,解决教师的绩效指标统一标准的问题,将模糊理论和神经网络相结合应用到高校教师的绩效考核研究中,在各项绩效工资考核指标间客观公正地分配权重系数,构建了合理的基于模糊神经网络的高校教师绩效评价体系,并通过实际数据验证了此方法的有效性。     

基于模糊神经网络PID的动态电压恢复器

动态电压恢复器是解决电压波动最有效且最经济的用户电力设备,研究动态电压恢复器的控制策略显得尤为重要。针对动态电压恢复器的非线性特性,对动态电压恢复器的等效电路图进行分析和系统方程的推导,研究基于Mamdani模糊系统的模糊神经网络运用的PID控制中的一种复合控制,并对基于Mamdani模糊系统的神经网络进行分析,在此基础上设计该控制器,最后在MATLAB/Simulink中进行仿真验证。结果表明该控制策略的有效性。