Hamilton Number Neural Network Model

The stability and the sequential dynamics of the sixteen-state Hamiltnn neural network model have been discussed with the energy function. The optical implementation scheme about Hamilton number vector-matrix multiplication is simply discussed.

四元数神经网络模型：彩色图象的识别

本文首次把四元数（Ｈａｍｉｌｔｏｎ量）引入到神经网络中，提出了四元数１６态离散神经网络模型，应用信噪比理论和计算机模拟考察了该模型的存储稳定性和存储容量该模型的存储容量比与Ｈｏｐｆｉｅｌｄ模型相同．该四元数神经网络模型可应用于１６色的彩色图象识别中．

人民币纸币冠字号码字符识别方法研究

以倾斜校正算法和模式识别算法2项核心技术为目标,充分利用霍夫变换法和最小二乘法在直线检测中的优点,采用一种结合霍夫变换法和最小二乘法的直线检测算法来求得人民币纸币图像的边缘直线及边缘直线的倾斜角度参数,并采用图像旋转变换算法实现对原倾斜人民币图像的倾斜校正。采用Hopfield神经网络的联想记忆功能,缩小待识模式与标准模板的差异,再用模板匹配法对Hopfield神经网络的输出结果进行识别,得到最终的识别结果。实验证明,结合Hopfield神经网络和模板匹配法的人民币冠字号码识别方法具备较高的识别率。

基于深度学习的高效火车号识别

基于高性能的YOLOv3目标检测算法,提出一种分阶段高效火车号识别算法.整个识别过程分为两个阶段:第一阶段在低分辨率全局图像中检测出火车号区域位置;第二阶段在局部高分辨率图像中检测出组成火车号的字符,根据字符的空间位置关系搜索得到12位火车号,并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号.另外,本文提出一种结合批一化因子和滤波器相关度的剪枝算法,通过对两个阶段检测模型的剪枝,在保证识别准确率不降(实验中略有提升)的条件下降低了存储空间占用率和计算复杂度.在现场采集的1072幅火车号图像上的实验结果表明,本文提出的火车号识别算法达到了96.92%的整车号识别正确率,平均识别时间仅为191 ms.

四元数神经网络模型的计算机模拟研究

用Ｄｉｒａｃ符号表示１６态四元数离散神经网络模型，用计算机模拟讨论了该模型的存贮容量和容错能力，与Ｈｏｐｆｉｅｌｄ模型对比。

异步四元数神经网络模型的能量函数研究

本文证明了异步离散四元数神经网络模型在其动力学演化过程中，网络的能量函数单调递减，网络最终将稳定在一个平衡态上，存贮图像在能量函数空间中对应一能量极小点，为网络的稳定吸引子。

用神经网络进行车牌定位的研究

该文采用BP人工神经网络模型 ,研究汽车图像中车牌定位的神经网络方法。选取训练样本图像 ,以人工定位后的图像为导师信号 ,将图像的灰度序列采用BP算法进行训练 ,获得有效的网络权值。试验结果表明 。

图像情境下的数字序列逻辑学习

针对未知的数字和规则的模式构建问题,本文提供了一种从图像角度解决数字序列逻辑学习问题的手段。该方法是在计算机不知道图像间关系和图像内包含的内容的意义的前提下,让计算机自主地学习出其中包含的内在逻辑模式,从而进行数字序列的预测。本文构建了4个大型数据集:Linear序列、Multiplication序列、Fio序列和Nested序列,然后使用几种代表性的深度神经网络来完成数字序列逻辑学习任务,并对实验结果加以分析比较,事实证明,本文所提出的方法在一定程度上可以解决未知的数字和规则的模式构建问题,这为一系列未知逻辑模式构建任务提供了一种可能性。

基于模糊神经网络的燃煤锅炉炉膛结渣特性研究

当前,我国电力行业仍以煤炭为主要能源消耗品,加之电站锅炉常用燃煤中的硫含量与灰分较高,易造成受热面的积灰和结渣,而炉膛严重结渣将限制锅炉出力,威胁机组运行的经济性与安全性,因此,开发一种全面、综合的结渣预测模型对锅炉炉膛结渣程度有效监测非常关键。将模糊数学理论与BP神经网络相结合,构建适用于燃煤电站锅炉炉膛结渣特性判定的模糊神经网络。在选择输入评判指标时,从煤灰本身考虑其结渣特性,同时将无因次炉膛最高温度纳入模型,考虑锅炉运行情况,使判别依据更加全面,共选取了分辨率较高且最具代表性的6个因素作为本模型的输入判别指标。采用4种不同类型的隶属函数,将判别指标模糊化后,作为模糊神经网络的模型输入,并与不进行模糊化处理的神经网络对比,根据统计学原理,选用出现概率最大的结果作为最终评判指标,增加预测结果的精确度。针对华能秦岭电厂660 MW超临界锅炉BMCR负荷运行时炉膛结渣情况,采用构造好的炉膛结渣模糊神经网络模型进行预测。结果表明,该机组在燃用华亭煤时,炉膛结渣判别指标软化温度、硅比、硅铝比、碱酸比、综合指标、炉膛无因次最高温度分别为1220℃、58.71、1.63、0.48、2.55、0.982,为重度结渣。在适当掺烧黄陵1号煤时,各项指标则分别为1255℃、71.02、2.04、0.31、2.15、0.958,为中等结渣,因此可采用掺烧优质煤来改善炉膛结渣状况。该模型预测结果准确,为综合评价锅炉炉膛的结渣特性提供了新方法。

基于分支前馈神经网络的数字字符识别算法

将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。

2^n元数神经网络模型：存贮容量分析

在神经网络中引入了量子力学的Ｄｉｒａｃ符号表示，采用算符形式统一描述了２￣ｎ元数神经网络模型，从理论和数值模拟比较了各模型的存贮容量，该模型可应用于灰度图象或彩色图象的识别．

BP算法在发票号码识别中的应用研究

针对发票号码印刷字体比较特殊、号码有防伪处理信息,造成通用的OCR数字识别的识别率不高,本文结合BP算法研究适合于发票号码数字识别系统,并在自助办税终端等设备中进行应用验证。

2^n元数神经网络模型：多值图象的识别应用

对２￣ｎ元数神经网络模型的计算机数值模拟结果表明，其存贮容量和纠惜能力随ｎ的增大而降低，讨论了四态复数模型或十六态四元数模型的四态或十六态多值图象的识别应用实例，并对其光学实现进行了初步的探讨．

八元数神经网络模型：256色图像的识别

首次把八元数（Ｃａｙｌｅｙ代数）引入到神经网络中，提出了八元数离敬神经网络模型，并用信噪比理论初步考察了模型的稳定性和存贮容量。八元数神经网络模型可应用于高精度的２５６级的灰度图像或２５６值的彩色图像的识别中。

训练模式对的摄动对折线模糊神经网络稳定性的影响

引入折线模糊数及其扩张运算,针对折线模糊神经网络,定义折线模糊数的最大摄动误差、训练模式对的γ摄动等概念,并基于纠错规则设计该网络连接权的学习算法.其次,当转移函数满足Lipschitz条件和训练模式对发生γ摄动时,在定义折线模糊神经网络对训练模式对摄动的全局稳定性的基础上,应用归纳法证明三层折线模糊神经网络的连接权具有稳定性,进而获得该网络关于训练模式对的γ摄动也具有全局稳定性.最后,通过模拟实例说明训练模式对的摄动对该网络稳定性的影响.

运用四元数神经网络模型识别16色彩色字符

本文把四元数离散神经网络模型应用于十六色彩色中英文字符的识别中,讨论了彩色文字识别中的一些特点,如由于颜色的改变,导致信噪比发生变化,所以网络的存贮容量和纠错能力也随之而改变.