基于多分类器--并行计算的车牌识别算法

针对已有车牌识别中技术存在的不足，提出了一种多分类器——模板匹配和神经网络并行计算的识别算法，这一方法对于汉字、英文和数字混杂、数字的识别，分别采用粗分类和面向汉字的双进程计算方法、面向字母的双进程计算方法、简单的数字神经网络方法。这些方法的采用可以缩小检索范围，充分利用模板匹配和神经网络算法各自的识别优点，提高车牌字符识别准确率，并进一步提高运算速度。     

基于人工神经网络的高速公路入口匝道控制算法

利用BP人工神经网络对高速公路单个入口匝道进行控制。根据具体问题对神经网络控制器的设计进行了讨论，利用BP改进算法对神经网络控制器进行训练。利用Matlab对控制器的控制效果进行了仿真，将仿真结果与车道、需求-容量控制的效果进行了比较，结果表明，该神经网络控制器可以获得优良的控制效果。     

遗传神经网络在轮载动态称重辨识中的应用

动态称重系统在测量的过程中为一时变系统，难以对称重系统建立精确的数学模型。采用遗传神经网络对动态称重系统作了非线性建模，并且对该网络进行了训练以及仿真，结果表明遗传神经网络比一般的神经网络有着更好的优越性。     

基于遗传算法的工程车辆自动变速神经网络控制

为了提高工程车辆传动系统效率，保持液力变矩器工作在高效区，提出了基于径向基函数神经网络的工程车辆自动变速控制方法，利用车辆传动试验台换挡控制试验的数据作为学习样本，采用遗传算法对径向基网络进行训练，并进行了验证性的仿真试验。仿真结果表明：该算法收敛速度快，能够满足工程车辆对换挡实时性的要求，可以根据车辆运行状态确定最佳挡住，并能够保证液力变矩器经常工作在高效区。     

大跨径连续梁桥施工预拱度预测

建立预应力混凝土连续梁桥施工预拱度控制的BP神经网络模型，根据施工过程中桥面实测标高与设计值的差异，用BP神经网络识别预应力损失等参数，预测后续节段的预拱度。在湖北襄樊汉江四桥的施工控制中的应用表明该方法是有效的，与实测的结果较吻合。     

基于遗传算法和神经网络的高路堤沉降预测研究

依据高路堤填土施工期路基沉降实测资料,运用遗传算法和人工神经网络构造了预测路基沉降的等时距遗传神经网络模型, 并且对该网络进行了训练以及仿真,对预测结果运用3次样条插值可得到预测时间段内的任一时刻沉降结果,通过和实测沉降结果对比可知遗传神经网络比人工神经网络节省大量的调试时间和计算时间,而且其预测精度优于BP算法和指数拟合方法,显示其明显的优越性.     

基于B-P神经网络的道路交通事故微观预测模型

运用B-P人工神经网络建立了道路交通事故的微观预测模型,通过实例验证了其结果的合理性和准确性。研究结果表明,该预测方法具有很强的学习与泛化能力,预测结果对改善道路交通安全管理有较强的借鉴作用,为交通部门的决策提供重要的依据。     

BP神经网络在挖掘机电气系统故障诊断中的应用

介绍了BP网络的结构及学习算法,阐明了电气系统故障诊断的实现过程.通过对挖掘机蓄电池常见故障进行试验和测试,验证了该神经网络收敛速度快、学习记忆稳定,具有很好的学习功能.     

刚性路面脱空声识别集成神经网络方法

基于集成神经网络对刚性路面脱空声的识别与分类能力,用简单的敲击法获取了刚性路面的声响应信号,通过对声信号的频域特征提取,应用集成神经网络对刚性路面脱空状况进行了识别.实验表明所给出的特征提取方法和集成神经网络模型是解决刚性路面脱空识别的一条较为有效途径.     

区域物流线路网络双层规划研究

研究政府和运输企业、物流企业博弈情况下物流线路网络容量最优设置问题。运用系统分析和博弈理论,通过对政府从宏观角度进行物流线路网络规划、建设与管理,运输与物流企业从企业微观角度进行物流线路优化调度的目标与博弈过程研究,建立上层政府追求系统广义物流费用最小化,下层企业追求自身企业费用最小化均衡配流的两级Stackelberg模型,具体优化采用基于ANN的优化计算、非线性规划灵敏度分析和多目标决策置换率相结合的综合仿真,例子仿真计算显示采用双层规划进行物流线路容量最优设置思想方法的正确性与可行性。