小波包分解与Fuzzy ART神经网络在磨削振动监测中的应用

针对磨削加工的特点,通过小波包进行振动信号细化分解,提取各尺度能量作为特征量.利用无导师学习的Fuzzy ART神经网络进行振动异常的辨识,在发生未知模式振动异常时,网络将产生新的类报警.与传统监测方法相比,该方法能对已知和未知的振动异常进行辨识报警,在实际磨削过程监控应用中效果良好.

一种用于模式分类有监督的模糊ART神经网络

探讨了一种将有监督学习机制融合到模糊ART网络构成一个有监督的模糊ART神经网络模型．这种网络能同时处理有监督和无监督学习问题，并具有积累和增加网络学习的能力．对该网络进行了滚动轴承检测数据模式分类实验，并与BP网络进行了比较性实验．结果表明：该网络具有良好模式分类能力和较好的可塑性．

一种区间型模糊ART神经网络

针对分类样本特征数据取值经常为区间值的情况 ,本文对Carpenter的点值模糊ART进行了改进 ,提出了一种区间型模糊ART网络 .文中阐述了区间型模糊ART网络中区间数的标准化方法、输入矢量相似度的计算方法、域值的检查方法和学习规则 .最后 ,对机械设计中的传动形式选择进行了实例验证 .

模糊ART神经网络在运动目标识别中的应用

本文在讨论模糊ART神经网络及其算法的基础上，研究和提出了一种三维运动目标识别方法，利用模糊ART神经网络对运动目标的目标侧面图形进行学习和模式识别。模拟实验表明了该方法的有效性。

基于ART神经网络的在线学习分析策略算法研究

本文在分析了大数据时代在线学习策略的必要性及其面临的挑战的前提下,设计了基于ART神经网络的在线学习分析策略算法,ART神经网络采用以认知和行为模式为基础的无指导的竞争学习算法实现矢量聚类,良好地维持了网络鲁棒性和可调节性的平衡关系,既能够非常灵活的适应新型输入模式产生的变化,同时又可以避免对网络已记忆模式进行篡改。基于ART神经网络模型的在线学习分析策略主要包括识别阶段、比较阶段、学习阶段以及搜索阶段。通过实验设定输入模式,完成在线学习过程进行测试验证。实验结果表明,本文提出的基于ART神经网络的在线学习分析策略算法能够实现对不同输入模式较高正确率的分类,同时可通过警戒参数对网络的分类粒度进行调节,使在线学习策略具有自适应性。

子波分析和ART神经网络在复合材料板冲击定位中的应用

将子波分析和神经网络技术用于复合材料的无损监测 ,利用子波分析良好的时频特性从强噪声中提取特征信息。并对复合材料受到冲击时的信号进行了实验处理 ,提出了一种改进的自适应共振理论 (ART)神经网络结构聚类算法。实验结果表明 。

压滤机液压系统ART神经网络故障诊断

设计出压滤机液压系统并分析ART神经网络的工作原理,对液压系统故障点———压力点的确定与提取进行分析,再结合压滤机液压系统的故障信息,编制MATLAB程序,仿真出压滤机液压系统故障,建立其故障样本库。

基于双重竞争共振机制的模糊ART神经网络

提出了一种基于双重竞争共振机制的模糊ART神经网络模型．该模型将输入节点的竞争共振机制引入到输出类别节点，采用输入节点和输出节点双重竞争共振机制，形成了一种新的模糊ART结构，解决了传统模糊ART网络记忆不稳定问题．将该模型应用于图像分割，解决了传统模糊ART网络图像分割结果随警戒参数的升高而出现的过度分割．实验结果表明，和原始模糊ART算法相比，新算法具有更好的分类识别性能，在飞机目标识别中平均识别率比原始算法提高3％～5％．

基于模糊ART神经网络的变压器局部放电模式识别

对变压器主要放电类型的3种局部放电典型电极模型进行试验,通过分析计算提取局部放电信号特征量,建立相应的局部放电信号特征库,以此作为模糊ART网络的输入,对局部放电的类型进行模式识别,并将识别结果与BP网络的识别结果进行对比。实验结果表明,模糊ART网络用于变压器局部放电模式识别是有效的。

利用ART神经网络优化相似案例匹配方法

本文首先回顾CBR的发展历程,并介绍CBR的研究现状、特点及应用领域、及其基本原理和关键技术等。然后对ART的基本概念和原理以及模型技术进行介绍,根据以上的原理,探讨ART和CBR之间在案例检索中的可结合性。

基于ART神经网络的汉字识别

针对汉字的多样性和相似性不同于西方字母,识别相对困难的问题,提出了基于ART神经网络的汉字识别方法.在识别前,利用OpenCV(开源计算机视觉库)将汉字进行图像处理,为后续识别提供输入数据;然后经ART神经网络对输入数据进行训练识别.采用8组相似度较高的汉字作为样本进行实验,证明了方法的有效性.

基于ART神经网络的垃圾邮件过滤技术

本文讨论了自适应谐振理论ART,分析了ART的工作原理,给出了ART的具体算法。以神经网络ART作为分类器来过滤垃圾邮件,ART克服了BP网络的缺点,可以对垃圾邮价进行更有效地过滤,更好的解决了垃圾邮件特征不断变化而过滤方法相对固定的矛盾。并以实例详述了ART在邮件过滤中的工作过程,获得了很好的结果。

基于模糊ART神经网络的雷达信号测向数据聚类方法

雷达信号测向数据率较大，数据显示的冗余度严重，信息获取也不便利，因此需要对雷达信号测向数据进行聚类融合。本文将模糊ART神经网络理论引入到雷达信号测向数据的聚类方法当中，针对雷达信号测向数据的特点，设计了具体的聚类流程。仿真表明，该方法具备良好的聚类性能，具备工程应用的可行性。

利用一种有监督模糊ART人工神经网络进行测井岩性识别

探讨了一种将有监督学习机制融合到模糊ART神经网络当中,并通过引入警戒线参数的学习机制,从而构建了一种新的有监督模糊ART网络模型。该网络的警戒线参数具有自适应确定的能力。同时,结合大庆外围油田火山碎屑岩井段测井取心数据,用该网络实现了测井岩性分类当中。结果表明,该网络具有较好的容错性,对于较离散的点集有较好的聚类效果。

用ART2神经网络方法进行结构的损伤识别

用ART2神经网络方法对建筑结构的损伤进行了识别 ,实验证明该方法的识别精度高 ,具有自动从环境中学习的能力 ,对未知的损伤 ,ART2网络将能自动地给出新的识别输出 。

基于ART2神经网络的手势动作肌电信号识别

针对手势动作肌电信号识别中存在的识别效率和稳定性问题,采用一种基于ART2神经网络的手势识别方法,并进行了单用户和多用户的实验研究.对8名受试者、8类手势动作模式的单用户实验,取得了较高的识别正确率,与BP网络相比,ART2分类器具有识别率高、实时性好、鲁棒性强的优点;同时,多用户的实验结果表明,ART2网络对手势动作肌电信号的识别具有良好的自适应性和稳定的分类能力.

基于ART1神经网络的设计检索

深入研究了基于ART1神经网络的设计检索 ,并对ART1网络的算法进行了改进。改进后的算法可大大减少不必要的零运算 ,提高网络运行效率。与基于BP、Hopfield设计检索系统相比 ,ART1网络具有较大的优越性。主要体现在设计师可根据自己的意图 ,通过调节警戒参数得到所希望的检索结果。文中给出了齿轮类锻件的设计检索实例。

一种ART2神经网络的改进算法

传统的ART2神经网络由于预处理阶段的归一化,易将重要但幅值较小的分量作为噪声清除,造成在分类中丢失重要信息,同时还存在模式漂移的不足,分析产生这些不足的原因,并基于去单位化以及类内样本与类中心的距离不同而对类中心偏移产生不同影响的思想,对传统的ART2神经网络算法进行了改进。对一组渐变数据的测试表明,改进后的网络有效改善了模式漂移现象。同时,改进的ART2神经网络在核辐射场数据处理分类中有一定的实用价值。

ART2神经网络辨识发酵过程的不同阶段

传统划分菌体生长时期是建立在菌体浓度的基础上,并未考虑菌体生长过程中的影响因素。本文在分析菌体生长过程的基础上,建立了ART2神经网络来实时判断菌体所处的生长阶段。模型的特征向量采用菌体浓度以及反映菌体生长状况的呼吸参数和其所处的环境因素参数。实验表明,该方法能准确地判断菌体所处的生长阶段。

有教师指导细化拟合的ART2神经网络的研究

ART2神经网络广泛应用于模式识别问题 ,但有时具有某一属性的模式在模式空间中不一定聚集紧密 .当几个模式由于发散而在空间互相交错时 ,要用ART2神经网络产生复杂的模式空间分类曲面将它们分开则相当困难 .另外 ,ART2对所分的类型并没有任何先验知识 ,也就是说 ,ART2本身无法指明所得各类模式的归属 .本文提出一种新颖的ART2神经网络 ,使用先细化后拟合的方法解决了复杂交错的模式分类问题 .将这种ART2神经网络用于高频心电图特征数据分类 ,结果显示大大提高了分类的正确率 .