基于样条权函数神经网络的人脸识别研究

文章对人脸识别技术进行了调查,对比分析了传统识别技术以及基于深度学习识别技术的不同,指出由于深度学习的网络结构较为复杂,在人脸识别过程中容易出现算法过拟合的现象。针对上述过拟合问题,文章对基于权函数神经网络的人脸识别算法进行了研究,此类神经网络结构简单,仅有输入、输出两层结构,将人脸图片作为输入信息,网络训练目标为计算三次样条权函数,仿真实验证明该类网络具有较好的识别准确度和识别效率。

移动最小二乘近似函数中样条权函数的研究

局部边界积分方程方法是无网格方法的一种,它采用移动最小二乘近似试函数,且只包含中心在所考虑节点的局部边界上的边界积分.本文详细研究了移动最小二乘法中样条权函数的构造及其性质,并将各种样条权函数应用于弹性力学平面问题的局部边界积分方程方法中,研究了它对计算结果的收敛性、稳定性和精度的影响.算例表明,高阶样条权函数在局部边界积分方程方法中有好的收敛性、稳定性和精度.

基于样条权函数神经网络的入侵检测

通过分析当前运用较多的入侵检测模型的缺陷,提出了一种基于样条权函数神经网络的新型入侵检测系统模型。网络拓扑结构简单,网络训练所需要的神经元个数与样本个数无关。训练后的权函数由三次样条函数构成,而不是传统方法中的常数。该模型克服了传统入侵检测系统所存在的局部极小、收敛速度慢、初值敏感性等问题。

样条权函数神经网络算法在超前锚杆加固方式中的应用研究

针对BP神经网络算法存在局部极小问题、收敛对初值敏感问题及收敛速度慢问题,首次采用了一种新的神经网络算法,即样条函数神经网络算法,在破碎带工程围岩稳定性影响因素分析的基础上,来研究在破碎带工程围岩超前锚杆加固方式的优选问题。研究表明,超前锚杆拱部的支护参数在间距为0.4～0.6m,排距为0.4～0.5m,外插角10°～20°,锚杆直径在20～22mm的效果最佳。由此来研究锚杆超前支护的参数设置及如何提高岩体的稳固性,为破碎带岩层施工安全和局部强化支护提供理论依据。

样条权函数神经网络在机械手逆运动学中的应用

针对传统神经网络算法中存在的缺陷,提出了一种样条权函数神经网络,并将其应用于机械手的逆运动学求解中。该类型的神经网络结构简单,训练得到的权值是由三次样条函数组成,而非传统神经网络的常数,通过求解线性方程组得到三次样条函数的表达式。所以本算法不存在局部极小、收敛慢等缺点,仿真证明该算法具有较高的精度。

基于三次样条权函数神经网络的钢坯温度预报

针对传统神经网络对钢坯温度预报存在的一些缺点,如:隐层数不易确定,网络训练对初值敏感等。该文利用三次样条权函数神经网络建立了钢坯温度预报模型,克服了传统神经网络的缺点。仿真结果表明该模型具有较高的精度。

一类乘性有理样条权函数神经网络灵敏度分析

样条权函数神经网络是一种新型的神经网络,它克服了传统神经网络收敛速度慢、初值敏感、局部极小的问题。因其能精确学习给定的样本,并且结构简单、训练速度快,因此被广泛关注。结合分子三次、分母一次的有理样条函数和样条权函数神经网络的优势,研究了分子三次、分母一次乘性有理样条权函数神经网络,并对其灵敏度进行了理论分析和实验仿真。通过理论分析和仿真可以看出,该神经网络具有分子三次、分母一次的有理样条和样条权函数神经网络的优越特性,在一定扰动范围内,该样条权函数神经网络的灵敏度稳定,具有很强的抗干扰能力。

新型样条权函数神经网络在路面谱识别中的应用

针对传统方法获得路面功率谱密度的不足,提出了一种基于新型样条权函数(SWF)神经网络的路面功率谱密度识别方法。建立了4自由度汽车的振动系统模型,推导出了汽车振动系统的输出响应谱密度与输入激励谱密度之间的非线性关系,采用样条权函数神经网络对这种非线性映射关系进行了仿真。结果表明,基于样条权函数神经网络的路面功率谱密度识别方法比较成功地克服了传统算法的缺点,具有更高的识别精度。

基于样条权函数神经网络的传感器故障诊断

在技术高速发展的今天,传感器用于各行各业,加之这些年来,家用电器、汽车、信息产业三方面的飞速发展,传感器需求量增大,传感器故障诊断技术变得尤为重要,并且对提高系统的可靠性具有重要意义。利用神经网络对传感器故障进行诊断的方法克服了分析冗余方法需要的系统精确数学模型的问题,并且可以处理非线性数据。文中详细阐述了样条权函数神经网络的结构、原理,在分析传感器主要故障的基础上,提出了样条权函数神经网络的传感器故障诊断方案。Matlab仿真和模拟实验结果表明,样条权函数神经网络可以解决传感器故障检测问题。

样条权函数神经网络在指纹识别中的应用

样条权函数神经网络克服了很多传统神经网络(如BP、RBF)的缺点:比如局部极小、收敛速度慢等。样条权函数神经网络的拓扑结构简单,训练后的神经网络的权值是输入样本的函数,能够精确记忆训练过的样本,可以很好地反映样本的信息特征,亦可以求得全局最小值。为了克服传统网络在指纹识别中的弊端,文中利用了样条权函数神经网络的优点,介绍了其在指纹识别中的应用。首先通过主成分分析方法对指纹图像进行特征提取,然后利用样条权函数神经网络进行指纹识别,最后通过Matlab仿真与其他传统的神经网络进行比较,验证了样条权函数在指纹识别方面的可行性且比传统神经网络效率更高。

基于样条权函数神经网络P2P流量识别方法

样条权函数神经网络是一种新兴的神经网络,克服了很多传统神经网络(如BP、RBF)的缺点:比如局部极小、收敛速度慢等。它具有拓扑结构简单,精确记忆训练过的样本,反映样本的信息特征,求得全局最小值等优点。基于这些优点,文中提出了一种基于样条权函数神经网络P2P流量识别方法。通过提取P2P流量特征,运用样条权函数神经网络结构对P2P流识别。Matlab仿真和模拟实验结果表明了这种方案的可行性,与传统神经网络相比,样条权函数神经网络在时间效率上具有明显优势。

基于改进SWF神经网络多因素行程时间预测模型与算法

行程时间预测一直是交通领域研究的重点问题之一,道路系统的复杂性使预测工作变得困难。将影响路段行程时间的多种因素和改进后的样条权函数神经网络结合起来,根据机动车运行特点,建立行程时间预测模型,可以刻划道路运行的多种状态,能较准确的估计出路段的行程时间,也继承了样条权函数神经网络算法的各种优点。

改进的ECT成像法在传送带检测上的应用研究

针对电容层析成像技术中的"软场"效应问题,在分析了样条权函数神经网络算法基本原理的基础上,指出了基于样条权函数算法的改进思想。并将改进后的算法应用在电容层析成像对传送带钢芯绳检测技术的图像重建中,同时利用仿真得到的电容值,对算法进行了成像计算。并且与神经网络算法中的BP神经网络算法和样条权函数算法的成像进行了比较。实验表明此方法能够精确记忆训练样本,这个特点对于实际应用中的ECT系统很有意义。

无网格伽辽金法在悬臂梁中的应用

无网格伽辽金法(EFGM)是一种刚刚兴起的数值算法,它在数值领域中表现出了精度高、收敛快、数值稳定、能消除体积闭锁等一系列突出优点。采用移动最小二乘法构造形函数,引入拉格朗日乘子满足位移边界条件,并选用不同的权函数对悬臂梁问题进行了分析。计算结果表明,只要恰当的选取权函数,该方法的计算结果与理论解还是相当吻合的,表明了无网格伽辽金法的可行性和有效性。

基于神经网络的数据挖掘模型研究

在实代数理论的基础上引入样条权函数实现一个神经网络数据挖掘模型,克服传统神经网络训练的权值难以反映训练样本信息的缺陷;优化神经网络结构,简化数据挖掘模型结构;增强神经网络的泛化能力;解决神经网络神经元个数与样本有关的难点;采用以上方式实现一个能解决传统神经网络数据挖掘模型存在的挖掘速度慢、收敛速度慢、初值敏感等缺陷的高效神经网络数据挖掘模型。

人工神经网络在船体放样中的应用研究

在造船业，人工神经网络技术已应用于船型的建模，并取得了一定的成果．目前在船体曲线拟合及光顺方面的应用研究工作大多停留在理论范围，实际工程中主要采用BP算法进行拟合，且大部分限于对小曲率、简单线型的船舶进行曲线拟合．本文采用了更新的样条权函数神经网络对较复杂的船型进行了曲线拟合，使得多组型线光顺成为可能．