毕节烟叶中性致香成分和潜香物质分析

利用HPLC、GC-MS对毕节地区5个典型植烟区考烟的中性挥发性香味及潜香成分进行了分析。结果表明:HPLC检测烟草多酚类物质总含量均在30 mg/g以上,不同产地的含量依次为赫章>毕节>金沙>大方>威宁。GC-MS检测出34种重要中性挥发性香味成分,其中新植二烯含量高,占总香味成分的85%-90.5%.毕节市烟区样的苯丙氨酸类物质总量、棕色化产物总量、类西柏烷类总量都显著高于其他烟区;大方烟区的香气物质总量,类胡萝卜降解产物总量、大马酮、香叶基丙酮、巨豆三烯酮B、D均显著高于其他烟区。     

基于人工神经网络铝箔轧机轧制力模型

彩用ＢＰ神经网络原理对１３５０ｍｍ铝箔轧机轧制数据重新处理，建立了基于人工神经网络的轧制务模型。结果表明，用人工神经网络轧制力模型的计算值与实测值相比偏差〈３％该模型较真实地反映了轧制过程的特征。     

基于人工神经网络的扁钢轧制力模型

根据ＢＰ人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模,结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差〈１％,模型计算值与实测值的偏差,４％,较好地反映了实际轧制过程的特征。     

基于神经网络的邮件分类识别模型研究

本文综合分析了垃圾邮件和合法邮件的特征,对邮件结构字段信息和邮件正文信息加以离散和特征化处理,提取出7个特征属性来表示成向量代表电子邮件,采用BP神经网络来构造邮件分类识别器.经测试证明,本文提出的基于BP神经网络的邮件分类模型是可行和有效的,并具有良好的效果和智能性、自学习性.     

可塑人工神经网络的模型研究

该文研究了神经网络的可塑性,提出"随意连接"、"新陈代谢"与"可控学习"三种可塑方式以及与其对应的可塑神经网络的概念模型;文中还讨论了可塑神经网络的几种可塑方法.     

基于吸烟有害健康宣传的烟草销售模型

针对传统烟草销售预测没有考虑国家对禁烟宣传这个重要因素,本文首先建立了在一定时间内对吸烟有害健康进行宣传的烟草销售预测模型,接着又建立了对吸烟有害健康长期持续宣传的烟草销售预测模型,并对两种预测模型进行比较,依据预测模型给出一些建议.     

基于人工神经网络构建运动训练计划模型的研究

以短跑项目为例,从决定短跑运动员的影响因素出发,构造了用于确定短跑运动员训练计划的人工神经网络模型．该系统可以借助现有优秀短跑运动员的训练计划建立相应的神经网络模型,以便针对具体的训练对象制订合理的训练计划．由于神经网络模型所固有的泛化功能,即使在提供信息不完备或存在明显的误差等情况下,上述模型制订的训练计划仍有一定的指导意义．     

烟草中糖苷类潜香物质的研究进展

对国内外烟草中糖苷类潜香物质的研究现状进行综述,概述了其制备、香味释放和加香应用.通过文献比对发现,今后应对烟草中糖苷类物质相转移催化法合成制备、控制裂解温度及香味协同以及加香评吸安全性加强研究.     

基于动作——身份模型的动作分类

早期动作识别的研究主要关注在简单背景及可控环境下单个人体动作的分类从而忽略了人的身份信息。本文主提出如何同时识别动作和身份。提出时空兴趣点不仅仅刻画了动作的时空属性,在采取不同的描述算子的情况下,它也能反映出关于动作执行人的身份信息。实验的结果验证了本文的想法。     

基于人工神经网络的遥感图像分类研究

随着人工神经网络系统理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐步取代最大似然法的趋势.本文重点讨论了遥感图像分类处理研究中应用效果显著的BP神经网络方法,并在MATLAB平台下对基于BP神经网络的分类算法进行了研究,最后将它的分类结果与最大似然法的分类结果进行了精度比较分析.结果表明基于BP神经网络的遥感图像分类效果是较好的,是一种有效的图像分类方法.     

烤烟烟梗中挥发性中性香味成分的分析研究

采用同时蒸馏萃取法(SDE)对烤烟烟梗中的挥发性中性香味成分进行萃取，再用气相色谱／质谱联用法(GC/MS)进行定性和定量分析，并对这种萃取方法鉴定出的化学成分进行重现性分析和回收率实验。结果表明：该法具有很好的重现性和较高的回收率，且操作简便、快速、溶剂用量少，适合于烟草中的挥发性香味成分的定量分析。     

Chinese Speech Recognition Model Based on Activation of the State Feedback Neural Network

IntroductionIn recentyears,speech recognition has made greatprogress.Commercial systems such as Via Voice( IBM Company) and Naturally Speaking 1 .0( Dragon System Company ) lead the field.Although the recognition ratio has greatlyimproved,many issues still need further research,such as,real- time in processing,systemcomplexity[4 6] ,very large scale integrated circuit( VLSI) implementation,etc.Among these issues,the implementation in VLSI is the most criticalchallenge for wide use of s…     

地物波谱组合识别的神经网络模型

遥感探测是一个多参数、高混合度的综合识别问题。利用BP神经网络的全局训练特性，直接利用教师信号来训练，建立了一个多组合的地物识别模型。实例验证了这种组合识别模型具有简单性、实用性和准确分辨等特点。     

基于神经网络的纹理识别技术

作者通过一个实例叙述了图像识别技术中用神经网络进行纹理识别的基本思路，处理过程，以及具体实现，并对处理的结果进行分析，说明了运用神经网络作为分类器的准确性。     

用于图像识别的新型神经元网络

提出了一种用于图像识别的映射正交神经元网络。在一般情况下待识别的样本空间的维数相当大，为了有效地进行识别，必须把样本空间的维数降下来。目前常用的方法就是特征提取法，本文采用映射正交过程把样本空间映射成正交分类空间，并在此基础上，采用Ｈｏｐｆｉｅｌｄ网络进行图像分类。计算机上模拟结果表明，此网络具有对缺损和噪声图像进行正确识别的能力。     

基于神经网络的发动机模型辨识

为进一步研究发动机的稳态、空载、动态转矩、燃油消耗模型和万有特性,笔者提出了一种基于神经网络的神经元结构模型和多层前馈网络结构模型并分别进行了数学分析.实践研究表明：在发动机的工作过程中,动态工况占66%～80%,并发现发动机的动力性和经济性指标与稳态工况存在着一定的差异.     

嗅觉系统神经网络模型字符识别中的应用

Freeman在大量神经生理实验的基础上建立了生物嗅觉系统的非线性神经网络模型,即K系列模型．其中,KⅢ模型是一种混沌神经网络,它的模式识别机制与以往的人工神经网络完全不同,更接近实际生物神经系统的工作模式．研究通过对26个英文字符的学习、识别研究得出,系统相对于传统的神经网络有着很强的学习能力,学习5～6次就能有很好的识别能力,在10次达到最优学习效果,并与真实神经系统学习过程中的倒“U”曲线相对应．     

基于神经网络结构搜索的目标识别方法

针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。     

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.