基于GA-PID神经网络的板形模式识别方法

针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.     

基于神经网络模式识别的板形模糊控制器

提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好.     

基于量子粒子群算法的BP网络板形模式识别研究

针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。     

智能方法在板形控制中的应用

介绍了智能方法在轧制领域特别是在板形控制中的研究进展。阐述了神经网络、模糊控制、遗传算法、粒子群算法等智能方法在板形模式识别模型、板形预报模型、板形控制的液压弯辊控制模型和轧辊分段冷却控制模型中的应用,表明将智能方法引入板形控制中,改变了依赖经验和传统方法进行板形控制的局面,为板形控制建模走出了一条新途径。     

宝钢2030冷轧带钢板形识别和统计系统

为了实现对每卷带钢板形质量的定量评价，应用模糊分类理论构建了板形实测应力的板形缺陷(浪形)模式识别方法，提出了整卷带钢全部各帧应力值的识别结果的板形评价方法，开发了轧后带钢板形质量的识别和统计系统，实践表明该系统能在线及时提供每卷带钢板形定量的实物质量指标。     

基于遗传算法反向传播模型的板形模式识别

针对在板形模式识别中, 反向传播（BP）网络对未知板形识别能力差和遗传算法（GA）优化神经网络初始权重过程复杂等问题, 提出一种基于多维空间优化的遗传算法优化BP网络初始权重的板形模式识别GA-BP模型, 该模型直接以网络权重构造多维空间染色体, 以训练样本误差和测试样本误差相结合作为遗传算法的适应度函数, 以较大的网络期望误差和低的进化程度为网络的训练策略. 研究结果表明： 基于多维空间的遗传优化方法, 建模简单, 无需编码、解码, 大大减少了编程计算量;GA-BP模型有效提高了BP网络对未知板形的识别能力和识别精度, 在工业试验中, GA-BP模型板形模式识别结果跟板形仪的实测板形非常接近.     

基于二叉树型分层BP模型的板形模式识别

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度.     

基于模糊距离的BP网络板形信号模式识别的研究

介绍了一种新的板形信号模式识别方法 .该方法基于待识别信号与标准样本之间的模糊距离 ,并将模糊距离作为 BP网络的输入 ,有效地解决了在板材宽度变化时神经网络的拓扑结构形式不变的问题     

板带钢轧制时实现板形自动控制的条件

介绍了板带钢轧制时实现板形自动控制的3个条件，即板形检测技术，板形控制数学模型及计算机软硬件系统和板形控制技术。     

一种板形预报和控制方法的应用研究

研究中厚板产生中板形预报与板形控制,以本城轧辊弹性变形理论为基础,通过模型简化和离散化建立了板凸度预报模型、板形预测模型及板形控制反馈修正模型,仿真结果表明,预测模型仿真数据较接近于实测数据,通过改变轧制过程中压下量的分配,间接实现板形控制的方法,在一定程度上,弥补了中厚板生产中无板形控制装置的缺陷。     

模式分类与识别的新动向

综述了模式分类与识别中的特征抽取与选择、模式分类与识别的传统方法及其研究状况,同时也简介了模式识别中并行处理方法的进展.在模式识别研究中多信息源、多媒体、智能化策略的综合研究将是这一领域的新动向。     

由地震记录辅助推断沉积相──模式识别在地震勘探中应用的探讨

本文概述了国外在模式识别用于地震勘探方面的进展，提出了一种由地震道分类以别沉积相的方法，在此基础上着重讨论了地震道的分类识别问题，其中包括数据获取，特征抽取以及分类方法，文中并给出了相应的实验结果。     

印刷体蒙古文字识别技术中切分方法的设计与实现

文字识别是人工智能的一个重要研究领域．有些民族文字识别的成果已转化为商品化软件．蒙文文字识别的研究还处于起步阶段，蒙古文字的结构和书写方式与其他文种相比有许多特点．印刷体蒙文文字识别技术中字元切分的方法，经过实验其切分正确率在98％以上，并已成功地用于印刷体蒙文识别软件中．     

模式识别理论和技术在语音识别研究中的应用

语音识别是让机器听懂人的说话,并准确地识别出语音的内容和执行相应操作的技术．该文介绍了语音识别发展的过程,语音识别系统的结构和识别过程,模式识别理论和技术在语音识别研究中的应用以及语音识别中的关键技术和面临的问题．最后讨论了语音识别技术存在的优点和不足,并展望了其应用研究的前景．     

一种有监督的模糊模式识别模型

给出了一种有监督的两类模式识别模型，该模型允许选取模糊特征，其学习或训练方法是模拟人们认识事物的过程实现的，它是Ｃｏｒａ－３模式识别方法的一种拓广。因此可作为较复杂的智能系统或专家系统的识别模型．     

川金丝猴亚种的模式识别模型研究

综合论述了模式识别的基本数学模型和方法，建立了川金丝猴亚种的模式识别模型，得出了与川金丝猴亚种的实际模式完全吻合的结论，为样本的模式识别提供了一个很有价值的方法和范例．     

模式识别在门禁系统中的应用现状

人脸识别技术作为模式识别技术之一,在现代自动智能门禁控制系统中应用广泛。本文主要介绍了人脸识别技术的发展现状,主要原理和技术特征,并搭建了一套基于ARM处理器的人脸识别平台设备。     

基于多级分类器的自由手写数字在线识别

设计了一种用于手写字符在线识别的多级分类器模型。在该模型中,通过对四个独立的分类算法进行集成,将脱机方法与联机方法,神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统。理论分析和实验结果表明,该集成系统比单一系统具有明显的优越性。     

一种基于模拟退火的特征层融合模式识别实现方法

文章提出一种特征层融合模式识别的方法,定义"融合特征"和"特征融合系数"实现模式的特征融合。使用模拟退火算法搜索最佳的"特征融合系数",从而提高模式识别的正确性,降低分类决策的模糊性。特征层融合的交通标志形状识别实验和数字字符识别实验均表明:该方法具有以上两方面的优点。     

分层逐步求精的知识发现KDD模型结构及其应用

知识发现（ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ）作为人工智能、机器学习、模式识别、统计学、数据库和知识库、数据可视化等众多学科相互交叉融合发展起来的新兴研究领域,已引起了学术界和工业界的广大关注．本文提出基于示例学习分层逐步求精的ＫＤＤ模型结构,在借鉴模式识别有关知识的基础上,有机地与领域知识相结合,应用于无约束手写数字识别ＫＤＤ系统,得到较满意的结果．