面向空间场景建模的三角网格神经辐射场模型压缩

为解决神经辐射场渲染方法模型内存占用过大的问题,提出了神经三角网格算法。通过在训练好的三维网格模型中构建顶点特征向量,利用传统渲染管线中的光栅化计算射线与三角网格的交点,并通过重心坐标获得对应交点的特征。在多个公开数据集上的实验结果表明:所提方法在保证渲染质量的前提下,只需要较小的存储空间来存储神经辐射场模型,模型的压缩率达到了25%。可视化的实验结果表明:所提方法能够得到高质量的新视角合成结果。该方法能够剔除场景中无用点的特征和场景内部的特征,减小模型的存储空间,此外三角网格的顶点特征能够直接利用顶点索引获取,从而能够在嵌入式设备上应用。

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.

基于固定网格小波神经网络的不规则波中船舶横摇运动在线预报

船舶横摇运动预报对于船舶安全与作业非常重要。本文应用固定网格小波神经网络在线预报不规则波中的船舶横摇运动。该固定网格小波神经网络由离散的小波激活函数组成,其结构和参数可以基于滑动数据窗在线调整;在每一个滑动数据窗,误差下降比判据被用来从小波函数库中选择重要的小波函数项来构建小波神经网络模型,直到该模型可以较好地表达所研究的非线性系统,获得的模型一般比较简洁。预报结果表明,仅仅几个小波函数项就可以很好地捕捉到不规则波中船舶横摇运动的非线性动力学内在特性,这不仅展示了小波函数很强的非线性表达能力,也证实了所采用的建模方法对于预报船舶在不规则波中的横摇运动的有效性。

人工神经网络及其在铸造工业中的应用

近年来,国内外掀起了人工神经网络研究的新热潮。本文简要介绍了人工神经网络的特点、理论和应用研究以及它在铸造工业中的应用与研究价值。

基于神经网络的异步电动机信息融合故障诊断系统

针对传统异步电动机故障诊断方法中存在的局限性,在对异步电动机故障诊断的特点和要求基础上,提出了一种基于神经网络的信息融合故障诊断方法。对所采集异步电动机的电压、电流、绕组温度等进行数据预处理与特征提取、归一化后,把这些特征参数作为神经网络的输入,经过学习训练,以判断系统状态,识别系统的故障。仿真实验结果表明其故障诊断是可行和有效的。

基于神经网络并行算法的海尔伯特变换器优化设计

研究了一种基于神经网络并行算法的海尔伯特变换器优化设计方法,提出并证明了神经网络算法的收敛性定理,给出了海尔伯特变换器优化设计实例.仿真结果表明用该算法设计的海尔伯特变换器具有高的计算精度和快的收敛速度,因而是有效的.

变时滞中立型BAM神经网络的全局稳定性(英文)

本文通过构造新型的Lyapunov-Krasosvskii函数并利用矩阵不等式技巧获得了一类变时滞中立型BAM神经网络的全局稳定性判据,该判据便于应用.数值例子表明,与已有结果相比,该判据具有较低的保守性.

神经网络在岩石高边坡稳定分析中的应用

本文对BP网的学习公式进行了详细推导 ,建立了岩石高边坡稳定分析的神经网络模型 ,并用样本对其进行了训练 ,预测了几个样本 。

小波变换人工神经网络测定复方药物多组分含量

通地小波变换压缩数据 ,以压缩后的数据作为人工神经网络的输入 ,极大地加快了网络的收敛速度 .将该法应用于测定撒痛风注射液 ,结果良好 .3组分的平均回收率及相对标准偏差分别为 :10 0 1% ,1 43 % ;10 0 0 % ,0 5 0 % ;10 0 6 % ,1 76 % ,优于单纯人工神经网络 .

用自组织人工神经网络进行含矿预测的探讨

本文运用Ｔ．ｋｏｈｏｎｅｎ自组织人工神经网络模型，处理矿产资源统计预测问题，得出与数量化理论Ⅱ处理极为相似的结果。

基于卷积神经网络图像分类的轴承故障模式识别

针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方法。首先,利用集合经验模态分解(EEMD)方法对轴承振动信号进行自适应分解并用相关系数对得到的本征模函数分量进行筛选。其次,对筛选得到的本征模函数分量进行伪魏格纳-威利时频分析(PWVD)计算得到信号的时频分布图,并对时频图进行预处理。最后,将轴承15种不同工况预处理后的时频图利用CNN进行特征提取与分类识别。将该方法与同类方法进行了对比,分类正确率提高了4.26%。

BP神经网络在企业财务预警中的应用

根据预警系统体系指标的要求,对企业财务预警指标进行了筛选。采用BP神经网络预测与Adaboost算法相合的分析方法,对采集的样本数据建立了强分类器并进行了分类误差分析研究,完成了公司财务预警系统分析。结果表明:用BP_Adaboost分类算法建立的强分类器的分类误差率低于仅用BP算法建立的弱分类器的分类误差率,此法具有可行性和一定的计算精度,能为企业财务预警提供一定的理论指导。

智能网格入侵检测系统

结合智能检测技术,并采用先进的分布式体系结构是当前入侵检测研究的一个主要方向.通过对网格与智能检测技术的深入研究,提出了一种智能网格入侵检测系统(intelligent grid intrusion detection system,简称GIDS).该系统部署于网格环境并采用基于神经网络的检测技术;为了实现各数据分析引擎的负载平衡,采用基于资源可用度的调度算法决定任务的分配;为了减少告警数量,采用基于乘性递增线性递减(multiplicative increase linear decrease,简称MILD)的动态窗口调整算法进行警报合成.该入侵检测系统不仅能够充分利用网格上的资源进行入侵行为的发现,而且实现了资源使用的负载均衡,在网络流量大的情况下能够获得较高的检测效率.最后介绍了相应的实验结果分析,表明了该系统的优越性.

应用神经网络理论实现智能控制

本文对新兴学科智能控制，神经网络理论进行了介绍。

人工智能从未止步“神经核心”芯片更进一步

日前，美国加州斯坦福大学的实验室内，几名科学家一起研究发明了一种新型电路板，它能够帮助人们了解他们自己大脑的真正力量。这种神经网格是以人类大脑为模型的，它能够模拟一百万神经细胞和数十亿突触，远超其它模仿大脑的设备。

我国铁矿石现货市场短期价格预测研究

由于铁矿石市场自身的变化复杂,影响因素众多,而且不少因素的影响性还有待探讨。在分析我国铁矿石现货市场现状基础上,运用灰色关联度模型对各影响因素进行了选取,从中选取出与铁矿石现货价格最为相关的航运价格、进口数量、长协价格四个要素作为预测的控制变量,并使用BP神经网络模型对我国铁矿石现货市场进行短期的验证性预测,取得了良好的效果。

双向联想记忆模型的改进及其在智能故障诊断中的应用仿真

在讨论对基本的双向联想记忆模型(BAM)的各种改进方法的基础上,提出了利用误差逆向传播算法的新双向联想记忆模型(BAM-EBP).在 BAM-EBP 的结构中,引入了隐含层和隐节点,并应用改进的快速 EBP 算法实现两个空间的联想映射。然后,对基本的 BAM 和 BAM-EBP 模型在控制系统中的智能故障诊断进行了应用仿真和分析比较.结果和分析表明,两种模型用于对控制系统进行智能故障诊断均是有效的,而 BAM-EBP 模型更好地汲取了人的认知能力,特别在容错、信息存储量、适应性等方面具有更高的性能.

宇称模糊逻辑与自然语言理解

宇称模糊逻辑通过波函自组规范全息算子变元(相序语素)的几何演示预解、进化协同规划宇称参照示性的组频叠加运筹、自然辩证规则自组衍生集成(相干语法)的形象混沌虚拟和时态宇称规律辩证递归格局的网格重组自适,为自然语言的理解开创了一种中华文化的研究思路。

四配流窗口轴向柱塞泵三角阻尼槽结构优化

为优化四配流窗口轴向柱塞泵配流特性,降低配流过程中的振动与噪声,以三角阻尼槽的结构参数作为设计变量,两排油口的流量脉动率和压力脉动率作为优化目标。依据拉丁超立方抽样方法获得设计变量样本点,并通过流体仿真软件PumpLinx获取各样本的仿真结果。基于RBF神经网络构建三角阻尼槽结构参数与优化目标间的映射关系,通过NSGA-Ⅱ算法实现多目标优化。仿真结果表明:RBF神经网络模型预测值与流场仿真值基本吻合,采用该方法能够得到三角阻尼槽的最佳设计参数,柱塞泵两排油口的流量脉动率降低了11.3%和11.8%,压力脉动率降低了7.6%和10.5%。