基于FBP网络的打浆度软测量技术的研究及应用

针对目前国内在制浆造纸工业中打浆度无法在线测量的难题,分析了打浆度与进浆浓度、进浆流量、进浆压力、打浆消耗的电功率、打浆前后纸浆的温差、打浆时间等参数的关系,提出了基于FBP算法的打浆度软测量技术,成功地完成了打浆度的在线检测.

打浆度的智能检测与优化控制

针对目前国内在制浆造纸工业中打浆度无法在线测量的难题,分析了打浆度与进浆浓度、进浆流量、进浆压力、打浆消耗的电功率、打浆前后纸浆的温差、打浆时间及原打浆度等参数的关系,提出了基于FBP算法的打浆度软测量技术,成功地完成了打浆度的在线检测,并将此测量方法运用于打浆度的优化控制中,取得了良好的控制效果。

基于神经网络的CT图像重建方法研究

旅客行李隐藏爆炸物CT检测是机场安检的重要部分,图像重建是CT检测技术的重要环节,但实际中往往得不到完全的投影数据。针对不完全投影数据或数据量较少情况的重建问题,提出将神经网络算法应用于图像重建,并利用完全投影条件下FBP算法的重建结果作为网络的目标输出进行权值学习,从而降低网络结构和训练的复杂性。对该算法进行计算机模拟仿真试验,试验结果表明,该算法能有效地完成不完全投影数据的图像重建,且重建图像质量较高。

模糊神经网络在施肥决策系统的应用

针对施肥过程中普遍存在非线性和不确定性问题,对多种模糊神经网络进行分析比较,提出了适合施肥决策系统的FMLP模糊神经网络结构,采用FBP学习算法实现网络结构优化。通过对水稻在同一农田重复进行种植实验,结果表明所建系统可以提供最佳土壤施肥方案。

非线性辨识中的一种模糊神经网

基于 Ｂ Ｐ 算法，提出 １ 种用于非线性辨识中的模糊神经网络 Ｆ Ｂ Ｐ，并用 Ｆ Ｂ Ｐ对非线性的随机函数进行了学习。显然 Ｆ Ｂ Ｐ 算法比 Ｂ Ｐ算法跟踪精度高，且学习速度有所提高。

改进的模糊神经网络算法在车型识别中的应用

FBP和FCNN网络是模式识别中应用最为广泛的两种神经网络,本文将这两种网络应用于车型识别,分别建立了车型识别模型。利用混沌对初值的极端敏感依赖提出了FCNN网络算法,通过对车型图像数据库进行仿真实验,对比分析它们各自的识别率和泛化能力等性能指标,证明了FCNN网络算法的有效性。