IFA在知识可增殖神经网络中的应用

独立分量分析(ICA)将混合信号看作是相互独立的源信号的线性组合,近年来引起了神经计算和信号处理领域专家的重视.本文提出一种新的基于独立特征分析的知识可增殖人工神经网络模型,从而进一步完善了ICA的功能、增强了嵌入的独立学习人工神经网络功能的完备性.并且针对知识可增殖人工神经网络的要求提出相应的扩展EM算法,增加了运算速度.     

层次化混合神经网络分类器信念分配问题的研究

层次化混合专家神经网络采用"分治"原理,把一个大任务分成多个小任务由多个小网络进行处理,或者说多个具有不同功能的小网络组合成一个大的网络,用于实现复杂的或大数据量学习问题,提高单个网络的性能.在混合专家神经网络中,信念分配对神经网络性能起决定作用.本文研究混合神经网络中各子网络的协同工作方法,提出一种新的信念分配方法,实现层次化混合专家神经网络的信念分配与功能不断增强的分类器.     

一种自适应正则化参数和模数的图像去卷积方法

自适应正则化方法是解决图像去卷积问题中平滑噪声和保持边缘矛盾的一种方法,传统的自适应正则化方法只考虑到图像的整体信息而忽略了图像内部不同区域的细节信息,本文提出的自适应正则化方法,利用Katsaggelos自适应正则化参数,自适应的改变正则化参数,并通过图像内部不同区域的信息自适应改变正则化模数矩阵．从而实现了平滑噪声和保持边缘的平衡,既保持了边缘又抑制了噪声,取得了更好的去卷积效果．     

径向基函数神经网络的一种在线学习算法

用在线学习算法和梯度法为学习规则，推导了径向基函数神经网络的在线学习算法，将影响网络输出的各个参数的学习过程作为一个整体来处理，并用Matlab实现了此算法．最后用一个26个印刷体大写英文字母的识别来验证此算法．实验的结果表明了该算法的正确性和有效性．     

鲁棒实时钢轨表面擦伤检测算法研究

应用图像处理和模式识别技术,分析高速线阵扫描相机采集的钢轨数字图像,提出鲁棒实时的钢轨表面擦伤检测算法。这种算法首先分析采集图像在垂直方向的投影曲线,提取准确钢轨图像;之后,借鉴人类视觉对比度感知机理,将钢轨灰度图转换为灰度对比图,并基于最大熵原理进行二值化处理,分割出可疑擦伤区域;然后根据经验知识判定钢轨表面的可疑擦伤。实验验证表明:新算法的检测性能高,平均准确率为90.7%,平均漏检率为3.95%;检测速度快,平均检测时间不超过40 ms。     

一种新的神经网计算机结构

人工神经网络存在着广泛的并行机制，为此，人工神经网络计算机使用多个处理单元以适应行处理的需要。多处理单元之间的信息通信是并行研究的内容之一，作者提出了利用数据驱动思想和双口存储器技术实现人工神经网络计算机一种新结构。     

遗传算法神经网络的学习方法

提出了利用遗传算法的思想实现人工神经网络学习的方法，并具体讨论了在实现中的若干问题。     

人工神经网络寄生极值判别方法

根据人工神经网络自联想存在寄生极小值问题，提出了两种判别方法，这两者判别方案分别是混合人工神经网络方案和硬件判别电路方案，为人工神经网络模糊联想存储器的实际应用找到了较合理的方法。     

基于Java的Mobile Agent结构研究

与传统的分布式计算相比较,Mobile Agent模型无疑具有更广泛的发展前景.它采用面向对象的思想,使Agent具有了类的一切特性.Java语言由于其对网络和多线程支持还有与平台无关的特性使得它是一种适合开发Mobile Agent的语言.以Java为基础,提出了一种开发Mobile Agent的方案,并对相应的关键技术问题给予说明,讨论了系统的可扩展性和安全性,从而为实现Mobile Agent的开发开辟了新的途径.     

神经网计算机实现中重点考虑的几个问题

处理具有并行性人工神经网络算法的神经网络计算机结构实质上就是一个多处理机结构，但是在构造具体结构等方面还应根据神经网络的特点进行特殊考虑。本文论述了设计神经网络计算机时重点考虑的几个问题，如模式联想与自联想、紧耦合与松散耦合、容错等问题。