基于PCA和神经网络的人脸识别

介绍一种基于PCA和神经网络结合的人脸识别方法。该方法首先利用主成分分析方法对整幅图像进行特征提取,获得最佳描述特征,从而减小神经网络的输入。然后将降维之后的图像数据输入到一个前向传播神经网络中训练。神经网络的权值采用粒子群算法进行优化,用标准人脸数据库中的样本进行测试,最后将该方法与其他方法作了比较。实验结果表明,该方法能够取得更好的效果。     

基于PCA的概率神经网络模式分类方法

研究了概率神经网络隐单元主要分量的选取方法。这些方法的概率神经网络比原来的网络大大降低了隐单元数，并且带来分类测试时间减少的增益。最后，就模拟和实测两组数据进行了计算机仿真，实验结果证实了这种方法的可行性。     

基于PCA的BP神经网络股票预测研究

股票市场是国民经济发展变化的"晴雨表",股票价格的涨跌也是政治、经济、社会等诸多因素的综合反映.近几年来,神经网络取得较大发展已经成为热点研究并在各个领域中得到应用.文章基于主成分分析和BP神经网络,以中国石化100天股票历史技术指标数据作为训练样本对收盘价进行预测,20天数据进行检验,并通过图像仿真拟合来验证神经网络股票预测的可行性和准确性.     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

一类基于PCA神经网络的分类器在异常检测中应用

目前,入侵检测技术(IDS)已成为网络安全领域研究的焦点,多种软计算方法被应用到这项技术的研究上,本文综合了主成分分析技术的数据压缩及分类功能,和神经网络的在线计算能力,构建了一类基于PCANN的分类器,并进一步应用到异常检测中.仿真试验结果证明该检测模型的有效性.     

基于PCA与RBF神经网络的PM_（10）质量浓度预测

对影响PM10质量浓度的20个因子进行主成分分析（PCA）,得到一组新的输入因子,有效的降低了输入维数,然后以新的输入因子作为RBF神经网络的输入,建立RBF神经网络PM10质量浓度预测模型,并对西安市2005年采暖季PM10质量浓度进行了预测,获得较好的拟合和预测效果。     

利用PCA改进BP神经网络算法

BP神经网络是目前应用最为广泛的神经网络模型之一,本文对BP神经网络进行的深入的分析并对BP算法进行了数学分析,并指出了标准BP算法存在的缺陷,提出利用主成分分析法对BP算法进行改进,极大地提高了BP算法的实用性。     

基于PCA图像压缩算法研究与实现

PCA做为一种数据分析技术,它最重要的应用是对数据进行降维和去相关,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构.本文将该技术应用于图像压缩中,分析了现有的基于PCA压缩图像方法的优缺点,提出了一种新的算法提取图像主成分运用于图像压缩,并证明了该算法的收敛性,通过实验仿真,验证了该方法的正确性和可行性.     

基于PCA与神经网络的雷达故障组合诊断方法

针对目前单一诊断方法的缺陷,提出了一种基于主元分析方法(PCA)和神经网络的组合故障诊断方法.利用多PCA来监测雷达状态,在雷达状态异常时再通过分析变量贡献率来确定故障部位,最终采用神经网络进行故障诊断.仿真实验了该方法的有效性.     

扩展随机神经网络及其概率结构特性分析

在Ｇｅｌｅｎｂｅ随机神经网络（ＧＮＮ）模型基础上,提出扩展ＧＮＮ（ＥＧＮＮ）模型。考虑信号释放强度依赖于神经元兴奋水平的情形,给出了ＥＧＮＮ的平稳分布。讨论了平稳分布存在的条件。在较弱假设下,ＥＧＮＮ仍具有简洁的“积”形式平稳分布,比原ＧＮＮ增强了调节平稳分布概率结构特性的功能,且能够表达更多的智能和生物特性。例举了它的联想功能。     

径向基函数神经网络结构的混合优化策略

为了解决一类径向基函数神经网络的结构优化问题,提出了一种有效的混合优化策略。将结构优化问题转化为一类组合优化问题。利用结合遗传算法群体并行搜索能力和模拟退火概率突跳特性来改善优化效率并避免局部极小的混合策略。借助于有效的编码方式在结构解空间中优选网络结构。利用梯度下降计算隐层到输出层的连接权。增添和删除操作用于增加结构搜索的灵活性。为保证所得网络具有较好的推广能力,利用训练误差和检验误差的综合指标作为算法择取优良网络的依据。仿真研究表明,所提混合策略是快速有效的,且能保证网络具有较好的推广性和抗噪声能力。     

神经网络在结构优化中的应用

采用阶梯折算及传递矩阵的基本方法,利用神经网络算法中的模拟退火法,研究了轴向力作用下非均匀变截面柱的屈曲优化问题,计算了给定柱体总体积约束下,使轴向受压柱的屈曲载荷达到最大的问题.研究表明:优化结果使4种条边界条件下的屈曲载荷都得到提高.     

一种基于覆盖超球算法的径向基概率神经网络结构优化

介绍了径向基概率神经网络(RBPNN)的一种启发式结构优化算法.该算法首先提出一种移动平均中心超球覆盖算法,并用于初选径向基概率神经网络的隐中心矢量,然后使用遗传算法进一步优选隐中心矢量,同时优化核函数控制参数.实验结果表明,该算法在实际应用中能够加快优化速度,降低计算复杂度,有效地简化RBPNN模型的结构.     

基于蚁群神经网络的目标图像识别

该文提出一种基于蚁群优化与人工神经网络相结合的识别算法。该方法能够防止BP网络陷入局部极小点,且收敛速度快。针对飞机图像目标识别,提取图像三阶相关量特征、不变矩特征和图像边界的Fourier描述子特征,形成特征向量作为神经网络的输入向量。仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度。     

一种具有全局最优的神经网络BP算法

建立了描述上半周加热、下半周绝热不均匀热流边界条件下的水平管内受迫层流与自然对流叠加的混合对流换热的数学模型。该模型考虑了管壁导热和流体的变物性，研究了不同流体（水和乙二醇水溶液）、不同热流方向对对流换热的影响。同时也进行了上半周加热、下半周绝热边界条件下的水平管内混合对流换热的实验研究。理论和实验研究的结果都表明了，重力场对水平管内流体层流对流换热的影响，为在地面重力场中进行模拟太空微重力环境中的空间辐射器的传热实验研究提供了必要的理论和实验依据。     

基于Hopfield网络的模糊神经网络优化方法

针对训练模糊神经网络时收敛时间慢,难以实时实现的缺点,将Ｈｏｐｆｉｅｌｄ网络引入模糊神经网络权值的优化问题中,从而融合了Ｈｏｐｆｉｅｌｄ网络可进行实时优化和模糊神经网络可引入专家知识化权值的优点。理论分析和模拟实验表明,这种网络可以在电路时间常数数量级内给出优化后的模糊神经网络权值,并且具有Ｌｙａｐｕｎｏｖ意义下的稳定性,为模糊神经网络权值的实时优化提供了一条新途径。     

基于Lagrange优化神经网络的盲多用户检测

Lagrange优化神经网络克服传统的基于罚函数的神经网络的缺陷,直接对不等式约束进行处理,降低网络规模和复杂度,是一种新型的优化神经网络.基于这种Lagrang优化神经网络,提出一种盲多用户检测算法,并通过仿真表明,该算法在误码率性能方面有所改善,收敛速度也明显提高.