多层前馈模糊神经网络进行图像识别

神经网络和模糊技术在模式识别领域中已有了广泛应用,两者有着各自的优势。针对神经网络模式识别中所遇到的问题,为了进一步提高分类器在样本分布不清晰情况下的识别能力,本文提出了两种将模糊机制引入神经网络的方法——输入模糊化方法和隐层模糊化方法,并在此基础上分别构造了模糊神经网络。实验结果表明,模糊神经网络较好地结合了神经网络和模糊技术的优点,取得了比传统神经网络更好的识别结果。

多层BP网络的研究及应用

在本文中,我们用统计模式识别的方法分析了目前在模式识别中得到广泛应用的多层BP神经网络,揭示了具有线性输出单元的多层BP神经网络用作特征提取器和分类器时具有良好性能的原因。同时,我们设计了一个使用多层BP网络作为特征提取器和分类器的、普适的工件识别系统。对不能识别的样本,采用模糊推理技术,把传统的直观特征识别结果和多层BP网络结果在特征级上融合,提高系统的性能。