手写体数字识别的一种模糊神经网络方法

将模糊特征取技术与区组设计前馈网络相结合用于手写体数字识别。实验表明，该方法对５００个未学习样本的识别率达到了９５．８％。这一结果，相当于或优于目前已经发表的先进成果。     

基于VC++.net的多线程串口通信实现

介绍了应用Win32API进行编程的基础知识,并详细介绍了一个可重用的多线程串口通信类的功能,及其通过VisualC++.net开发工具实现的框架,最后给出了已经实现的工程应用。     

基于BP神经网络的手写体数字识别系统

针对传统的数字识别方法的复杂性和局限性,提出了基于BP神经网络的手体数字识别系统,通过对样本抽取特征向量,并在选取了足够的样本对BP神经网络进行训练,将代表手写数字存储的样本输入给训练好的神经网络,可以根据神经网络的输出得到识别的数字,仿真结果表明手写体数字识别系统是非常有效的。     

基于Measurement Studio的数字滤波器设计与实现

介绍了一种新的数字滤波器设计与实现方法,采用最新的虚拟仪器软件NI Measurement Studio,实现了IIR数字滤波器的功能,设计程序在VC .net环境中调试通过.该设计的整个界面可以动态显示,相应参数设置及函数自动弹出,便于分析、理解.具有灵活、易实现和功能强等特点.     

BP神经网络在健康监测基准模型损伤识别中的应用

本文针对ASCE提出的健康监测基准问题的结构模型,分析了基于固有频率的结构损伤识别方法,使用MATLAB软件模拟不同的结构损伤情况,根据得到的固有频率构造BP神经网络输入参数并进行相应的训练,通过神经网络对结构损伤分步分层次的进行诊断。通过数值分析结果说明这种方法可以取得较好结果,也进一步说明神经网络技术是进行结构损伤识别有效方法。     

神经网络参数识别法在重庆石板坡大桥中的应用

BP神经网络法的自适应学习能力、非线性映射能力、鲁棒性和容错能力以及快速收敛能力可有效解决连续刚构桥施工控制中参数估计的核心问题,通过实例证明,其参数估计结果与实测数据吻合性较好,识别精度较高,有相当的实践意义.尤其是对于必须考虑非线性影响、不确定系统的控制等问题,如果经典算法识别精度低,可考虑采用非经典神经网络算法进行重要参数的识别.     

神经网络参数识别法在重庆石板坡大桥中的应用

BP神经网络法的自适应学习能力、非线性映射能力、鲁棒性和容错能力以及快速收敛能力可有效解决连续刚构桥施工控制中参数估计的核心问题,通过实例证明,其参数估计结果与实测数据吻合性较好,识别精度较高,有相当的实践意义.尤其是对于必须考虑非线性影响、不确定系统的控制等问题,如果经典算法识别精度低,可考虑采用非经典神经网络算法进行重要参数的识别.     

小波神经网络在交通标志识别中的运用研究

小波神经网络 小波自80年代提出以来,理论和应用都得到了巨大的发展．小波分析的出现被认为是傅立叶分析的突破性进展。目前,神经网络的理论研究日趋深入,其重要发展方向之一,就是注重与小波、混沌、模糊集等非线性科学理论相结合。小波变换具有时频局部特性和变焦特性,而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力．如何把两者的优势结合起来．一直是人们关注的问题。     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

具有峰值识别的神经网络模型对水沙过程的预报

在经典BP神经网络模型的基础上,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值.同时提出了一种计算输入输出向量的归一化公式.在此基础上建立了具有洪峰识别的BP网络预报模型.该模型能根据实测资料模拟和预报不同特征年的流量或含沙量过程.采用建立的模型,对宜昌水文站典型年实测流量过程及含沙量过程进行了预测检验,其结果与实测值吻合较好,对峰值的预报较经典BP模型有所提高.     

基于神经网络的手势识别

在机器人对手势识别的实验中,利用BP神经网络对连续手势进行识别。对采集到的彩色图像进行基于肤色的提取后,从复杂背景的彩色图像中划分出手部图像,进一步处理后输入神经网络进行识别。实验结果表明,该方法比较简单,识别效果也较为理想。     

基于RBF神经网络的复杂场景人群目标的识别

大型公共建筑内人群数目及分布的在线监测是有效控制和疏散客流、保障人员安全的重要依据之一．利用公共建筑内现有的闭路电视监视系统,通过计算机视觉技术实现人群数目的自动识别是目前国外普遍采用的一种方式．文中提出了一种基于RBF神经网络的复杂场景人群目标的识别算法,利用包含行人数目信息的前景图像的投影曲线等特征数据,通过训练好的RBF神经网络直接得到该前景图像中包含的人群数目．与其他算法相比,该算法具有较高的识别准确率,在一定误差范围内可以达到较好的效果．     

基于BP神经网络的公路平曲线自动识别分析

针对公路平面线形自动选择技术中的平曲线识别展开研究,首先根据平曲线的识别原理设计平曲线的识别过程,然后建立基于神经网络的曲率图识别模型,该模型以曲率图的特征向量为输入,以曲率图的识别向量为输出,并采用试算法确定隐层的神经元个数,最后进行案例分析。     

基于BP神经网络的某型发动机万有特性实验数据拟合

介绍了BP神经网络的基本原理,借助Matlab软件的BP神经网络工具箱函数,通过建立相应的BP网络模型,对某型发动机的万有特性实验数据进行拟合,并将拟合结果与实测值进行比较。研究表明,采用BP神经网络拟合发动机万有特性数据,能取得较高的精度。     

基于EKF学习方法的BP神经网络汽车换道意图识别模型研究

实时准确地识别驾驶人的换道意图有助于提高车辆行驶的安全性,达到安全辅助驾驶的目的。文中提出了一种基于EKF（extended kalman filter）学习方法的BP神经网络模型,用于识别驾驶人的换道意图,并进行短时行为预测。通过实验采集了20组高速公路实车行驶数据,利用前方车头时距、转向盘转角值、驾驶人头部水平位置数据,以及车道偏离量4类数据样本进行训练得到结果。实验结果表明：本模型较传统的神经网络识别模型具有更短的识别时间,且模型的可信度更高。在车辆换道和直线行驶2种工况下,本模型对换道意图的识别准确率达到了95％。     

基于神经网络的汽车发动机故障诊断研究

将BP神经网络应用于汽车发动机故障诊断.利用实际测试的怠速不稳故障样本训练网络并进行测试.结果证明,BP神经网络应用于汽车发动机故障诊断,效果良好,具有较高的诊断效率和准确度.