模糊反向传播神经网络FBP的函数逼近能力研究

研究了模糊反向传播神经网络FBP(FuzzyBackpropagation)的函数逼近能力.给出了单调连续函数的FBP按序单调特性、连续映射定理以及非函数一致逼近定理,并且说明了FBP虽然能保持连续性映射,但不如原神经网络具有函数逼近能力.     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

层次模糊系统的全局逼近性质及其与多子波神经网络关系研究

讨论了B样条基函数的特性，在此基础上证明了基于B样条隶属函数的层次模糊系统（HBFS）是全局逼近器这一重要结论。同时，根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性，对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方法。     

层次模糊系统的全局逼近性质及其与多子波神经网络关系研究

讨论了B样条基函数的特性,在此基础上证明了基于B样条隶属函数的层次模糊系统(HBFS)是全局逼近器这一重要结论.同时,根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性,对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方法.     

基于小波神经网络的舰载雷达目标识别方法

介绍了用于雷达目标识别的小波神经网络的结构与算法。该方法基于子波变换进行特征提取和识别，在最小均方能量准则下，用共轭梯度算法求解子波函数线性组合的尺度和延时参数，以及神经网络的权值。结果表明，该方法的实际结果具子波的非线性，可有效解决雷达目标的识别问题。     

基于BP神经网络算法及推导的研究

介绍BP神经网络算法原理,就算法推导过程做出重点分析,给出构造BP网络模型的一般步骤以及该算法在曲线曲面函数逼近中的应用实例.实验表明,BP神经网络在曲线曲面函数中具有很好的逼近能力,训练后的模型具有较高的精度.     

模糊反向传播神经网络FBP的函数逼近能力研究

研究了模糊反向传播神经网络FBP（Fuzzy Backpropagation)的函数逼所能力。给出了单调连续函数的FBP按序单调特性、连续映射定量以及非函数一致逼近定理，并且说明了FBP虽然能保持连续性映射，但不如原神经网络具有函灵数逼近能力。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

一种基于舰船磁场的神经网络识别模型

为获得更为精确的识别结果,需要对舰船三轴磁场之间的相关性研究并进行融合。本文提出了一种将神经网络数据融合技术应用于舰船目标识别的模型,分析了舰船三个方向磁场的通过特性以及它们之间的相关性,并利用神经网络数据融合技术实现对舰船目标航速、横距和船型的模式识别。经过实测数据验证,该识别模型对舰船目标具有较高的检测概率。     

基于BP神经网络的磁异常向下延拓方法

舰船、潜艇等水中目标会产生磁异常场,这一物理场中包含丰富的目标固有信息。航空磁测是一种快速高效的磁测方式,通过一定的向下延拓算法,能够准确识别定位目标。但现有的磁异常向下延拓方法延拓深度有限,不能从航磁数据向下延拓至海面。BP神经网络方法具有较强的非线性映射能力,在函数逼近和模式识别等领域具有广泛的应用。本文以BP神经网络方法为基础,建立一种磁异常数据向下延拓方法,经理论模型验证,本方法准确可靠,能够较稳定地进行30倍点距的向下延拓,达到从航磁数据延拓至海面的目的。