人工神经网络在车船牌照定位中的应用

在车船牌照的识别系统中,牌照的定位是一个非常重的过程。它直接影响着牌照识别系统的准确性。本文利用人工神经网络中的自组织特征映射的方法进行定位,该方法能够克服噪音的影响,有较好的定位效果。     

四层神经网络设计零件曲面

作者建立了四层神经网络及算法过程，提出通过人工神经网络的学习、训练，建立零件曲面的数学模型和拟合曲面的方法。并给出了零件曲面设计实例，与三层神经网络比较，大大加快他网络的学习训练效率。     

指控系统中的数据融合与人工神经网络

本文研究了数据融合模型，分析了数据融合的方法，说明了数据融合在指控系统中的作用，最后对人工神经网络技术应用于数据融合作了初步探讨。     

一种基于ANN理论的谐波电流动态检测方法研究

基于自适应噪声对消技术及人工神经网络（ＡＮＮ）理论，提出了一种谐波电流以动态检测方法。所设计的谐波检测系统采取在线学习、二级ＡＮＮ滤波技术，能检测出所设定的ｎ次（如３、５、７次等）谐波电流及剩余的谐波总电流，并能同时测出基波有功、无功电流和基波位移因数。仿真结果证实，该系统所测出的各项参数与实际值的相移和畸变非常小，且系统的结构简单，计算量小。该方法可应用于有源滤波或混合有源滤波的谐波及无功补偿。     

基于人工神经网络的边坡稳定性评价

应用改进的BP神经网络模型对国道107线清连一级公路部分高危边坡进行了稳定性评价研究。研究表明，改进的BP模型具有收敛快、数据输入方便、预测结果准确可靠等优点*     

升船机厢内船舶最大纵向系缆力的计算模型

尝试运用人工神经网络原理，建立卧倒门启闭时升船机承船厢内船舶所受最大纵向系缆力的计算模型（NNCM－MLHF－SLC－TGO）；根据岩滩升船机和三峡升船机的模型试验资料对网络模型的性能进行了测试，结果表明，所建立的神经网络计算模型可用于船舶所受最大纵向系缆力的初步预测；同时为升船机承船厢水动力学的研究提供一种新的方法和途径。     

薄板小变形MAG焊焊接变形人工神经网络模型研究(摘要)

薄板焊接变形的多样性、焊接变形的多因素交互作用，导致了控制焊接变形技术的复杂性和相互制约作用，所以，进行规范参数优化研究的难度比较大。为此，建立薄板小变形MAG焊变形人工神经网络模型，作为进行规范参数优化的基础。     

校车周末高峰时段交通量预测与特殊日期调整

准确的校区间高峰时段交通量预测,不仅可以帮助校车运营部门在高峰时段确定合理的发车间隔提高运营效率节约运营成本;还可以减少师生的候车时间,改善校车服务水平减少拥挤保证运行安全都有重要意义。采用BP神经网络模型对校区间周末高峰时段交通量进行了预测,选择了温度和下雨量2个因素作为输入变量,在训练数据的选取上采用了移动窗口的方法。另外模型提供了对特殊日期运量预测的调整。通过对实测数据进行验证,结果表明该模型简单、快捷和实用。     

电控柴油机动态过程控制策略研究

采取人工神经网络方法将训练后的神经网络用于仿真柴油机动态过程，实验证明其精度达到了94％。并以此模型为对象设计了柴油机动态过程的模糊控制器，计算机仿真结果表明，控制系统的响应时间达到6s,瞬态调速率达到4％。     

人工神经网络在舰船火灾探测中的应用

舰船火灾探测系统的目的是能及时、准确地探测到舰船上发生的火灾。提出一种利用人工神经网络的舰船火灾探测方法，通过设计三层反向传播（BP）人工神经网络模型，使用改进的BP算法——LM算法，对多传感器（温度传感器、烟雾传感器和CO传感器）同时探测到的数据进行智能化处理。仿真结果表明：基于人工神经网络的舰船火灾探测系统能及时、准确地识别各种火灾信号。