基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性 ,提出了基于多层前馈型神经元 ( MLFN)网络模型来替代传统精确的摄像机定标数学模型 .MLFN网络模型作为层状网络可实现任意维复杂的输入 /输出映射 ,对于无需计算摄像机内、外参数的应用场合 ,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法 ,同时为了补偿摄像机非线性畸变 ,把图像按畸变程度分割成两个区域 ,分别建立各自基于 MLFN网络的摄像机定标模型 .实验表明 ,该方法有效补偿了畸变 ,并提高了模型精度 .给出了基于 MLFN网络模型摄像机定标算法实验 ,验证了该模型的有效性 .

一种具有指数收敛速度的多层前馈神经元网络训练算法及其应用

针对目前常用的多层前馈神经元网络的BP学习算法的收敛速度慢、易出现病态情况、且容易陷入局部极小点的缺点,提出了一种新的多层前馈神经元网络训练算法。该算法具有指数收敛速度,能克服病态,算法简单,易于应用,并且给出了该算法收敛性的证明。实例分析验证了算法的有效性。

前馈型神经元网络中的放电频率传递分析

本文建立了一个基于Hodgkin-Huxley神经元的前馈神经元网络模型,研究了平均放电频率在前馈神经元网络中的传递情况。研究结果显示,适当的层间连接概率与输人噪声强度能够提髙前馈神经元网络的同步效率,进而增强网络稳定传递放电频率的性能。此外,通过引入并调节突触时滞,发现适当的时滞对神经元耦合系统的完全同步和前馈神经元网络内信息传输有明显的促进作用。

基于多层前馈神经网络的并联型电能质量控制器

神经网络用于电力系统电能质量分析和控制是一个新研究领域。快速可靠地提取谐波分量决定着并联型电能质量控制器的整体性能,构造了一种和理论分析相一致的基于反向传播算法的三层前馈神经网络,离线训练收敛后可用来在线检测电力系统谐波电流。系统中逆变器补偿电流的产生对系统的补偿性能至关重要,提出了一种基于神经网络的逆变器瞬时电流PWM控制。并联型电能质量控制器投入系统后电流总畸变率由26.29%下降为5.25%。仿真实例表明,所提并联型电能质量控制器动态响应快,可改善电力系统电流波形畸变,提高电能质量。

基于神经元网络的轴类零件实例分类模型

提出一种基于神经元网络的轴类零件分类模型,采用基于反向传播算法的多层前馈式神经网络(BP)和自适应共振理论网络(ART1)实现基于特征的轴类零件家族的动态聚类与从聚类模板到每一事例的索引,完成轴类零件的实例分类三层模型。这种并行、分布式的神经网络分类处理过程大大提高了推理效率,为实例推理提供了崭新的思路。

用正则化神经网络预测储层渗透率

本文详细的讨论了在油气勘探领域应用最多的前馈型神经网络方法。针对前馈型神经网络所用的传统误差反传算法不足,提出正则化方法。该方法通过贝叶斯方法近似训练样本的真实分布,自动调节正则化参数。文章用神经网络拟合函数和用神经网络根据测井曲线预测储层渗透率,并对传统方法和正则化化方法作了比较,验证了正则化方法能有效地减小网络权值,提高网络的推广性能。

前馈型神经网络中隐藏层神经元的研究

本文采用前馈型神经网络及 BP算法对 3种飞机模型的复合畸变不变性识别进行了研究。结合以前用级联神经网络及聚类编码方法对同一问题的研究结果 ,对神经网络的隐藏层神经元的个数及其对识别率及权重训练的影响进行了研究 ,提出了减少隐藏层神经元的一种方法 ,以简化识别网络的结构。

基于BP模型的中国水产品出口规模预测研究

由于我国的信息咨询体系发展落后,水产品国际贸易缺乏及时、可靠的预测,导致我国水产品生产存在一定的盲目性,因此信息技术领域已经作为渔业科技十大重点发展领域之一,被列入农业部的工作重点。但是,水产品贸易受许多因素的影响,是一个高度复杂的非线性系统,使用传统的预测方法建立的模型很难对水产品贸易进行较为准确的预测,而利用BP神经网络建立的水产品贸易模型,己利用历史数据对模型进行了训练,最终可得到较为满意的结果。

三种智力作业下的脑电信号分类研究

为了识别三种智力作业下的 EEG信号 ,用 AR模型表示 EEG信号 ,用含一个隐层的前馈型神经网络作分类器 ,用误差弹性反传法训练网络 ,用重叠交互确认方式防止过拟合并对分类结果进行了测试。结果显示 ,测试集的平均正确率为 76.7%。

光计算

TP381 2002031996前馈型神经网络中隐藏层神经元的研究=Study ofproperty of hidden neurons in feed-forward neu- ral networks[刊,中]/盛积德,张延欣,常胜江,陈戍(南开大学现代光学研究所,国家教育部光学信息技术科学重点实验室.天津(300071))//光电子·激光.-2001,12(6).-620-622,626采用前馈型神经网络及BP算法对3种飞机模型的复合畸变不变性识别进行了研究。结合以前用级联神经网络及聚类编码方法对同一问题的研究结果。