公路隧道围岩变形时程曲线拟合的BP算法

运用 BP算法学习率自适应调整策略 ,对公路隧道新奥法正台阶施工开挖过程中围岩变形时程曲线的拟合进行了研究 。

基于均匀混合模型的运动检测

文章提出一种新的实时运动检测方法,即均匀混合模型运动检测法。该方法对每个象素用均匀混合分布建模,然后利用自适应的学习率在线更新模型,使背景模型更加准确。均匀混合模型运动检测方法显著的特点是,首先模型简单实用,适于运动检测的实时处理;其次利用帧间信息对学习率进行自适应调整,使算法在复杂情况下也能进行正确的运动检测。实验表明该方法较目前常用的高斯混合模型运动检测法有更好的实时性和可靠性。

断层推断的改进BP神经网络方法

断层可破坏煤层的完整性和连续性 ,对采煤工作面的生产具有重要的影响 ,在矿井投产前 ,必须准确地查明采区内的断层情况。文章运用动量法和自适应调整学习率的改进 BP神经网络 ,选取 5个地震特征参数进行了断层推断。结果表明 ,改进

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。