协同神经网络的不变性研究

协同神经网络作为一种全新的神经网络,它的自上而下的构造方式,与自然界中自组织现象存在深刻的相似性．文中在介绍了模式识别协同神经网络的基础上,研究了协同神经网络用于模式识别的空间不变性．通过二维傅氏变换、复对数映射等方法,对图象进行预处理,提取图象的空间不变性,并在变换后的空间上利用协同神经网络进行识别．试验表明,协同神经网络不但能够识别空间变化的图象,并且对缺损、加噪图象也能很好识别,并且识别速度快,鲁棒性强,不会出现传统神经网络经常出现的伪状态．     

Van der Pol振荡神经网络的联想记忆

首先扼要介绍了用于联想记忆和模式识别的协同学标准模型，以及求解Ｖａｎ ｄｅｒ Ｐｏｌ方程的慢变幅值和旋转波近似计算方法。在理解分析Ｈ．Ｈａｋｅｎ提出的Ｖａｎ ｄｅｒ Ｐｏｌ振荡神经网络理论基础上，简化了Ｈ．Ｈａｋｅｎ关于该网格具有联想记忆功能的复杂论证过程。     

彩色模式识别中的神经网络

提出实拍标准彩色集、建立纠偏数据库的方案，以减轻偏色的影响；构造一个两级人工神经网络系统，分别为纠编数据库的快速匹配、色彩集的快速变换提供了保证。     

一种新的协同模式识别学习算法

在协同模式识别中，学习可以归结为求原型向量和伴随向量．文中提出了一种基于核函数映射的学习算法，输入向量被隐式地映射到一个可分性有所提高的向量空间，然后计算变换后的原型向量．对伴随向量增加一个附加的约束以避免它的范数超过一定值，从而改善伴随向量的性能，减少误识别．通过对数字、英文字母和汉字等的训练实验表明，这种算法得到的伴随向量能更好地表示样本的特征，计算所得的初始序参量能更好地反映测试图像与训练样本之间的相似程度．     

神经网络在机械系统故障诊断中的应用

近年来，神经网络已成为当代人工智能研究领域的一个热点，工程界也表现了极大的热忱，期望它在解决一些长期以来用传统方法难以解决的问题方面能发挥突破性作用。本文较为详细地探讨了神经网络双向联想记忆法在机械系统故障诊断中的应用。研究表明，该法能大大提高故障诊断的智能水平和实时处理能力，为机械系统故障诊断开辟了一条新途经。     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布。     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布     

分形神经网络中的收敛性

近年来,许多学者对具有联想记忆功能的神经网络模型进行了广泛研究,提出了多种模型结构和学习算法,其中有代表性的是 Hopfield 模型。但该模型的记忆容量很有限,误差校正能力也不强。所以,寻找高性能的新的联想记忆模型,是神经网络研究中的一个重要内容。     

模式识别协同算法的旋转、缩放不变性

引入复平面对数映射的方法，解决Haken模式识别协同算法中旋转和缩放不变性的问题，对识别过程在算法上进行了简化，并以人脸为例进行了识别．     

BP神经网络的改进及其用于手写数字识别的研究

模式识别是神经网络最有前景的应用领域之一,本文主要讨论如何提高多层神经网络 BP(Back-propagation)算法的学习速度以及该算法用于手写数字识别的研究.文中提出了局部连接的网络结构,并对基于特征输入和基于点阵输入两种神经网络分类器的特点进行了比较,针对神经网络的识别机制、识别能力和自适应学习,进行了深入讨论.本文还给出容错能力的概念,用以描述神经网络对非学习样本的分类机制.所有研究工作是在作者研制的 SSNN 神经网络仿真软件上进行的.     

模式识别的协同学方法

通过大量的数值计量、决定了Ｈａｋｅｎ能量表达式中的３个待定系数，用２个例子证实了所确定的系数的正确性，并且演示了应用Ｈａｋｅｎ理论进行模式识别的基本过程。     

应用模糊神经网络识别岩性

岩性识别在油气勘探开发中占据重要的位置.经过将高木-关野模糊逻辑系统和神经网络BP算法相互集成,提出了一种新兴的模糊神经网络模型——"加-乘"模糊神经网络模型,并通过实际应用得到了很好的效果.与单纯的神经网络或模糊逻辑系统相比,所提出的模糊神经系统既不是一个"黑盒"模型,又不是"粗糙",它同时具备了神经网络和模糊逻辑的优点,所以具有广泛的应用潜力.     

模糊理论在模式识别领域中的应用

在模式识别领域中,基于模糊集理论和模糊逻辑的模糊理论方法比基于传统集合理论和逻辑方法要更加接近人的思维和推理。模糊理论提供了一个较恰当的框架来表示人的不精确概念和推理方式。当把模糊理论引用到模式识别领域时,判断的标准“真”或“假”就变成了相对的概念,这就有可能构造这样一个智能识别系统,帮助我们在模糊的信息环境中作出精确的判断,本文主要介绍模糊理论在模式识别领域中应用的一些基本方法;给出的形状识别以及空调控温系统的具体例子说明了在模式识别中引用模糊理论的必要性和重要性．     

光学相关不变性模式识别的局限性及其出路

本文运用神经网络理论分析了光学相关不变性模式识别的局限性,在保持光学相关模式识别方法的合理内涵的基础上,提出了基于两层神经网络的不变性模式识别方法,分析了这种方法的普适性、适应性、最优并行性及其在硬件实现上的优点,并给出该方法用于多个飞行目标多畸变不变性识别的实验结果．     

模式识别在采矿方法选择中的应用

采矿方法选择受多种因素影响，且因素影响带有不确定性等特点；而采矿方法的适应性实质上是指其适应范围与设计矿山开采条件的近似程度。本文提出了应用模式识别法选择适应的采矿方法的原理与工作程序。     

神经网络及其应用

阐述了神经网络目前流行的前向网络、反馈网络、相互结合型网络、混合性网络 ,并举例说明把神经网络用于机器人控制     

结构模式识别的概率文法及其应用

描述了概率文法的基本特性及其在铁路路轨探伤中的应用,文章首先给出了概率文法的定义,描述了它的树型结构,并为了得到非岐义的产生规则序更,对概率语文法进行了修改,然后利用概率文法构造了模式的识别器,介绍了应用于路轨探伤的识别程序的实现过程,并结合实例讨论了概率文法在提高识别器的可靠性,减少共出错率方面的实用意义。     

磨削烧伤状态的模式识别

本文在磨削火花温度信号特征分析的基础上，构成二维模式向量，并按模式向量的分布，用势能函数，在自学过程中形成判别函数。研究结果表明，用势能判别函数对磨削烧伤能作出正确的判别。