化学计量学在烟草行业中的应用进展

基于多元校正方法、化学模式识别、人工神经网络、支持向量机算法、电子鼻等方面的化学计量学在烟草行业中的应用进行了阐述.     

化学模式识别在中药质量控制中的应用

主要介绍了3种常用的化学模式识别方法:主成分分析法、聚类分析法、人工神经网络法,并对化学模式识别技术在中药质量控制与评价中的应用进展做了简要评述.     

遗传优化神经网络实现的人民币号码识别系统

目前人工神经网络广泛的应用于各种模式识别以及自动控制等系统中，该系统利用了图像去噪，分割，倾斜度调整，字符分割，字符归一化等图像预处理之后，将人民币号码图像进行特征提取，应用神经网络进行识别.同时，用遗传算法对人工神经网络进行网络权值的优化，加快了训练速度，提高了识别率.     

人工神经网络在海运量预测中的应用

人工神经网络是一种模仿动物神经网络行为特征,进行分布式并行信息处理的数学模型,广泛应用于自动控制、模式识别等领域.本文首先简单的介绍了人工神经网络的相关理论,接着重点分析了BP神经网络预测应用的基本原理,并通过某货物海运量的实例建立BP神经网络时序模型预测未来运量,最后对预测结果和BP网络结构性能进行分析.     

基于人工神经网络的手写阿拉伯数字识别

本文讨论了人工神经网络在手写数字识别中的应用,针对手写体数字的结构特点,采用改进的BP学习算法进行识别.建立了基于神经网络的手写数字模式识别系统,并用Matlab仿真进行结果分析,该系统识别率为70%.     

基于BP网络与Mahalanobis距离的图像识别技术(英文)

提出基于BP人工神经网络与Mahalanobis距离的图像识别技术.在对IC芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别.实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果.     

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,在此方法的基础上对空气火花放电和油中火花放电进行了模式识别实验,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．     

电机故障模式识别与诊断

为了实现对电机故障模式的自动识别与诊断,通过对人工神经网络分类功能及传统电机故障诊断技术的分析,提出了一种利用人工神经网络进行模式识别的方法.针对电机故障特征在实际中可能是非线性可分的情况,利用φ函数可以将非线性可分的模式转化到线性空间并实现分类,基于这种思想提出了利用径向基函数(RBF)网络实现对这种复杂故障模式的分类.以感应电机转子故障分类的实验结果表明,这种神经网络模式识别方法是有效的,并且可以通过自动调节径向基函数中心提高网络分类的正确率.     

基于SVM的电梯群控系统交通流模式识别

针对电梯群控调度中的交通流模式识别问题,提出了一种基于多值分类支持向量机的电梯交通流模式识别方法．文中介绍了电梯交通流模式识别的设计流程,并建立了相应的电梯交通流模式识别器．结果表明,基于支持向量机的交通流模式识别方法能够较准确地辨识出各种交通流模式．通过对比试验,证明了该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,具有一定的实用价值.     

人工神经网络在化学中的应用进展

回顾了人工神经网络的发展历史,简要评述了近期在化学中的非线性校准、模式识别、定量结构/活性相关(QSARs)、优化、过程控制、传感器、建模、参数估计、预测预报等方面的应用,并展望了人工神经网络在化学计量中的应用前景.     

复相陶瓷材料力学性能的仿真预测

建立了预测复相陶瓷力学性能的回归分析模型和人工神经网络模型，预测值民试验结果较为相符，模型可加快新材料的开发过程。分析了两种模型的利弊及适用条件，在实际就用中应加以选择使用。     

神经网络用于精确预言含F铋系高温超导的Tc

本工作通过选取适当的拓朴结构，特别是对零电阻转变温度Ｔｃ的数据采用压缩与还原的技术处理，建立了一个基于误差反向传播（简记为Ｂ－Ｐ）算法的人工神经网络。该网络可根据制备含Ｆ铋系高温超导材料的几个主要实验参数，相当精确地预言此类超导体的Ｔｃ。本方法显然具有一般意义，从而有力地促进了材料的计算机辅助设计的研究工作，使之进一步趋于成熟。     

基于MLP神经网络的超宽带信号自适应识别算法的研究

提出一种利用人工神经网络进行超宽带信号调制模式自适应识别的方法。采用三层MLP神经网络进行调制模式识别。首先对超宽带数字调制信号进行统计特征参数提取,特征参数作为MLP网络的输入层神经元参数,隐含层是双层结构。实验证明,当中间层采用正切型激活函数、输出层采用线性激活函数时,MLP分类器的识别性能最好。在5 dB信噪比环境下,算法的正确识别率高于95%。与传统的统计判决方法相比,神经网络分类器不需要设定判决门限就能实现自适应识别,并且达到更好的识别率,解决了软件无线电系统中的超宽带信号自动识别的问题。     

基于遗传算法的非线性模式识别

文章设计了一种人工神经网络模型结构,以一种遗传算法进行该模型参数的组合优化建模,将其用于非线性模式识别.该方法不仅对线性问题有效,对非线性问题同样有效;该法简洁易行,优于多段线性分类器设计方法与BP误差回传网络算法.实例表明,遗传算法仅繁殖40代就能达到理想结果,其识别率达100%.     

利用BP算法实现集装箱编号识别

研究集装箱字符识别,采用数字图像处理,模式识别与神经网络技术及改良BP算法实现集装箱编号的自动识别,该方法有较强的适应性,可在不同的光照条件下工作,在识别倾斜,变形,磨损,污染的集装箱时表现出较强的抗干扰能力,改良BP算法具有分类功能,可以实现字符的识别,并且具有较强的鲁棒性。     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来说明基于粗集的神经网络系统的优越性     

利用测井与地震资料结合求砂岩厚度

文章提出一种利用测井与地震资料相结合求取储层砂岩厚度的新方法，该方法首先利用模式识别获得储层砂岩的位置，然后利用人工神经网络结合多种参数获得砂岩整体的精确厚度。目前该方法已用于生产，并已取得钻探成果     

PCA+4点算法在手写体数字特征识别中的应用

提出一种改进手写字体特征的提取方法:将传统的PCA特征方法与13点特征方法进行综合,得到一种PCA+4点的特征提取算法,然后通过BP神经网络进行训练识别.实验仿真表明这种改进的方法比PCA特征提取及13点特征提取的识别率高,特别在手写变化大、手写速度快等方面优势更加明显.     

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·