具有旋转不变性的二值化的互连权重研究

采用线性组合Ｃｌｉｐｐｅｄ方法得到初始的具有旋转不变性的ＷＴＡ模型输入层与中间层间的二值互连权重，并利用局部ＭｏｎｔｅＣａｒｌｏ方法对权值进行优化以提高系统的正确识别率．以４类飞行目标进行了计算机模拟，实验结果表明此模型用于识别旋转目标是可行的．

神经网络模式识别系统互连权重二值化研究

在增量算法的基础上，利用截断（Ｃｌｉｐｐｉｎｇ）方法和蒙塔卡罗（ＭｏｎｔｅＣａｒｌｏ）算法，对以四类飞行目标平面旋转投影作为学习样本的级联神经网络互连权重进行了二值优化处理，并用非学习样本进行了容错性检验。

光计算、光计算机及器件

TP381 98042455基于能量最小的统计三级截值模型=A statisticaltrinary clipped model based on minimum energy[刊,中]/常胜江,申金媛,张延忻(南开大学国家教委光学信息技术科学开放实验室.天津(300071)),杨建文,金成海(南开大学现代光学研究所.天津(300071))∥光学学报.—1997,17(10).

用于实时识别三维物体的级联神经网络模型的优化方法

利用级联神经网络模型对多个三维目标进行识别 ,为提高其正确识别率 ,提出多种优化方法 ,它们可单独使用 ,也可以联合使用。对不变性编码、算法、互连权重的二值化方法、样本优选等进行了研究和探讨。利用优化后的模型对三个飞机模型在视场内的任意位置、任意取向 (面内旋转 36 0° ,面外旋转大于 45°)的投影进行识别。计算机模拟表明正确识别率达到 96 %以上。

分区适应截值模型及其在交通标志识别中的应用

针对Ｈｏｐｆｉｅｌｄ网络模型在存储模式不满足０和１状态均匀分布及数目对等的条件下存储容量及寻址能力下降的缺点，提出并用光束方向编码光学实现了三值（１，０，－１）互连的分区适应截值模型，并把这一模型应用到交通标志的识别中。

具有空间旋转不变分类识别能力的全单极级连模型

本文利用联想存储模型与ＷＴＡ模型相结合的级联模型，通过在联想存储模型中采用分布阈值，实现了对多目标旋转不变分类的识别。为了充分利用系统的时间、空间带宽积，采用全单极形式，并且用适应截值算法对互连权重进行了二值化处理，以克服光学实现多灰阶的困难。以四类飞行器为研究对象。

用于多目标旋转不变分类的自适应参数学习算法

在级连神经网络模型的基础上,提出了一种基于递归最小方差(RLS)算法的自适应参数学习算法,并将它应用于互连权重和激活函数参数的自适应学习中。对轰炸机、战斗机、客机和火箭4类目标的旋转不变分类的计算机仿真结果表明,该算法能够有效提高学习速度和识别率。