协同神经网络及其在模式识别中的应用

本文介绍了协同神经网络的基本思想,重点研究了协同神经网络在模式识别技术中的应用题,包括动力学模型、网络结构及学习算法,同时与传统的Hopfield网络进行了比较。     

基于BP神经网络的人脸识别

将BP神经网络用于人脸识别 ,建立了人脸识别模型 ,研究了样本采样训练、样本批量训练和样本完整训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程。利用ORL人脸图像数据库进行了仿真实验 ,结果表明 ,其识别模型在实际应用中是可行的。该模型简单 ,识别率较高。如将训练策略配合使用 ,则在提高训练速度和训练效率的同时 ,也使模型分类性能有了明显提高     

基于模糊统计的隶属函数神经网络实现方法

采用模糊统计方法获得有限对离散的隶属函数关系，并用神经网络将此关系综合成连续函数表达形式。这一方法进一步完善了隶属函数的统计求法，丰富了经典插值方法，有利于模糊数学理论应用于希望实现并行处理的模式识别等研究领域。     

串并联管路条件下的油水两相流动综合模型

油水两相混合流动是油田开发过程中常见的流动形式。然而,目前的研究主要局限于单一恒径管道内,缺乏对并联或串联管路等复杂管路内流体流动的研究。本文基于管路串并联理论、流型转变准则、双流体模型和均相流模型,建立了复杂管路油水两相流动的综合模型,结合实例对该模型进行了验证,与数值模拟结果进行了比较。研究结果表明,该模型对油水两相在复杂管路中的分流情况和压降均表现出了良好的预测性,在两相体积含水率分别为0%~100%条件下,模型预测的绝对平均百分误差最高为14.4%,总体平均误差为9.8%。     

哈萨克斯坦Z油田中高含水期井网加密调整潜力评价

哈萨克斯坦Z油田于1961年被发现,1967年投入工业开发。油田经过长达50年的开发,已经进入中高含水开发阶段,目前综合含水55. 9%,可采储量采出程度57. 9%。通过深入分析该油田平面接替区块和纵向上的潜力开发层系与组合,结合开发方式,通过研究探测半径与有效渗透率、井网密度与原油采收率、合理井距与净产油量关系及经济极限井距和井网密度的研究,从技术和经济的双重角度论证了油田开发中后期井网加密调整的可行性,明确了下步挖潜的方向并量化了开发调整的潜力,为油田开发调整方案的制定提供依据。     

基于三维区域增长和灰度积分投影法的肺实质分割

为了提高肺结节计算机辅助检测、辅助诊断的准确性,研究精确分割肺实质方法。首先,采用Otsu法实现阈值法粗分割;其次,设计三维区域增长方法有效去除粘连在肺实质上的主气管和支气管树;再次,采用灰度积分投影法以及行扫描方法对左右肺粘连的情况进行判别和处理,实现左右肺分离;最后,用滚球法修复肺区边界,实现肺实质分割。该方法有效解决了肺实质分割中粘连肺实质的气管、支气管树去除问题,高密度的肺部组织易丢失、粘连肺壁的肺结节容易被遗漏等问题。通过对多组LIDC-IDRI肺部图像数据集的实验表明,该方法能够精确高效地实现对于肺实质分割。     

设计中的另辟蹊径——浅谈图形想象构成的方法

一、部首形态的组合。二、图形与图形的组合。三、概念向图形的转换。四、设计当中的思维状态。     

浅议检索策略的制定与实施

以国际上较先进的引文珠形增长策略、积木型概念组面策略和逐次分馏策略为例,采用案例分析的方法,探讨优化信息检索策略的方法。在检索课题分析的基础上,对概念组面的取舍、检索词的选择,提供了多种思路和方法;各检索策略的合理运用,均可以达到较好的检索效果。     

支持向量机的凸优化求解

支持向量机(SVM)是一种基于统计学习理论的机器学习方法,由于其优越的学习性能,已经成为当前模式识别、数据挖掘、大数据处理等机器学习领域的研究热点.查阅相关同类文章,发现其中对SVM理论中公式,如距离函数d、拉格朗日函数L(w,b,α)、二次凸优化函数f(x)等的来龙去脉缺少细致的阐述.本文对SVM理论中典型的线性最优二分类问题的求解进行了完整的推导,并给出了对岩屑岩性分类识别的结果,也为今后的非线性多类模式分解作出铺垫.     

基于神经网络测试码生成的一个鲁棒算法

针对基于组合电路神经网络模型进行测试码生成,提出了一个对神经元连接权值不敏感的鲁棒算法——改进的遗传算法．它克服了运用概率松驰搜索算法求解测试矢量时,神经元之间连接权值的选择影响测试结果的缺陷,增强了测试码的鲁棒性．该算法对不同的连接权值都能得到满意的测试结果