基于SVM和NN的空管手写符号的识别研究

针对空管手写符号识别进行研究,使用支持向量机(SVW)与神经网(NN)的方法提出了双层的分类方法,第一层使用支持低分类率的NN分类器,使用一个强拒绝准则,应用了一个易提取的较小特征集.而被拒绝的模式再加上一些更复杂的附加特征和均衡的拒绝准则一起用于第二层的SVM分类器,其中附加特征包括具有强分类能力的空管手写符号的头部和尾部特征.实验结果表明,用这种方法可以得出一个更快的分类器,在相同特征下分类的时间比单个SVM更少,错误识别率为0.1%,具有很好的鲁棒性.     

变时滞的Hopfield网络模型的全局指数稳定性

研究了其时滞是在更一般的时间变量的函数情况下的Hopfield网络系统:(*)/(x)i(t)=-cixi(t)+∑n j=1aijfj(xj(t))+∑n j=1bijfj(xj(t-τj(t)))+Ii,i=1,2,...,n.在非线性神经激励函数满足较弱的Lipschitz条件下,引入Lyapunov函数,利用不等式技巧和泛函的单调性等,研究了具有变时滞的Hopfield网络系统的稳定性,得到了对每一个输出响应函数fj(*)在R上有定义,且连续的情况下,系统有唯一的平衡点X=X*,并且该平衡点是全局指数稳定的一个易于判定的充分条件.     

具有输入时滞的随机非线性系统的自适应神经网络控制

考虑一类具有输入时滞的随机非线性系统的自适应神经网络控制问题。通过定义含输入积分项的设计变量,将输入时滞系统转变为非时滞系统。结合神经网络控制、积分中值定理与Decoupled Backstepping技巧,针对该类系统提出一套自适应控制策略。所提出的控制器保证闭环系统的所有信号皆4阶矩半全局一致最终有界,并且跟踪误差收敛于原点附近的小邻域内。仿真实验结果验证了所提出控制策略的有效性。     

Adaptive nonuniformity correction for IRFPA sensors based on neural network framework

For infrared focal plane array sensors, imagery is degraded during signal acquisition, particularly nonuniformity. In this paper, an adaptive nonuniformity correction technique is proposed which simultaneously estimates detector-level and readoutchannel-level correction parameters using neural network approaches. Firstly, an improved neural network framework is designed to compute the desired output. Secondly, an adaptive learning rate rule is used in the gain and offset parameter estimation process. Experimental results show the proposed algorithm can achieve a faster convergence speed and better stability, remove nonuniformity and track parameters drift effectively, and present a good adaptability to scene changes and nonuniformity conditions.     

Method of neural network modulation recognition based on clustering and Polak-Ribiere algorithm

To improve the recognition rate of signal modulation recognition methods based on the clustering algorithm under the low SNR, a modulation recognition method is proposed. The characteristic parameter of the signal is extracted by using a clustering algorithm, the neural network is trained by using the algorithm of variable gradient correction （Polak-Ribiere） so as to enhance the rate of convergence, improve the performance of recognition under the low SNR and realize modulation recognition of the signal based on the modulation system of the constellation diagram. Simulation results show that the recognition rate based on this algorithm is enhanced over 30% compared with the methods that adopt clustering algorithm or neural network based on the back propagation algorithm alone under the low SNR. The recognition rate can reach 90% when the SNR is 4 dB, and the method is easy to be achieved so that it has a broad application prospect in the modulating recognition.     

烟草与TMV不同互作中PAL活性变化

漂盘培育云烟87和三生烟,苗期接种TMV后0h,12h,24h,36h,48h,60h和72h分别取样测定其叶片和根系中PAL的活性,并以未接种TMV烟苗叶片和根系中PAL的活性为对照.结果表明:烟草与TMV非亲和性互作时,叶片和根系中PAL活性上升速度比烟草与TMV亲和性互作时PAL活性上升速度快;烟草与TMV无论是亲和性互作还是非亲和性互作,烟草叶片中PAL活性升高速度快于根系中PAL活性上升速度.     

基于连续型Hopfield神经网络的噪声字符识别

采用连续型Hopfield神经网络(CHNN)对噪声字符进行识别。此模型比离散型Hopfield神经网络(DHNN)和布尔神经网络(BNN)更易于硬件实现，且在信息处理的并行性和实时性等方面更接近实际生物神经网络的工作原理。仿真结果表明该方法可以有效地对噪声字符进行识别。     

用神经元网络进行控制系统故障诊断的研究

为建立高可靠性的容错控制系统，阐述了神经元网络用于控制系统故障诊断的结构、方法及优点，并结合一过程控制系统用Ｈｏｐｆｉｌｅｄ网进行分析，讨论了神经元网络诊断的准确性。     

基于改进Hopfield神经网络的手写字符识别

针对传统Hopfield神经网络无法对非正交学习模式进行正确回忆的问题，在Hebb学习规则的基础上，提出了一种改进的Hopfield神经网络．通过在学习阶段对连接关系矩阵进行修正，改进后的Hopfield神经网络能够对其学习模式进行正确的回忆，实验证明了其对手写字符有着较好的识别效果．     

基于 Hopfield 神经网络的 A/D 转换器

本文分析了基于Ｈｏｐｆｉｅｌｄ神经网络的Ａ／Ｄ转换器原理；并通过对电路方程及转换条件的分析，得出了输出正确状态时参考输入应满足的条件。