分享到:

江苏科大神经网络应用研究通过鉴定

本报讯 日前,江苏科技大学电子信息学院陈小惠教授主持的“神经网络在多目标跟踪融合中的应用研究”项目通过了江苏省科学技术厅主持的科学技术成果鉴定。$$多传感器数据融合是一项新的技术。多传感器多目标跟踪是多传感器数据融合中的一个典型应用。其主要包括三大部分:数据配准、数据(航迹)关联和目标状态估计。它通常有分布式、集中式、混合式等结构。目前多...  (本文共1页) 阅读全文>>

《科技展望》2016年34期
科技展望

系统辨识中神经网络应用的初步研究与讨论

1内涵分析1.1系统辨识内涵分析在经济不断进步的今天,传统控制技术无法适应时代的发展诉求,建立多元化的控制结构和控制理论成为了社会发展的必然趋势,正是为了顺应这样的发展需求,神经网络控制结构应运而生。在控制理论解决实际问题的过程中,借助数学模型建立整合框架,利用系统辨识对其进行验证[1]。在辨识结构中,最基本的三要素包括基础数据、数学模型以及算法准则,也就是说,系统辨识框架的建立,要基于一个模型类群中选取另一个模型,借助算法准则进行项目分析,从而确保系统结构能真实还原和拟合实习需求以及动态化基础特征。特别要注意的是,在系统辨识结构中,数学模型只是一种特性等价的近似描述。目前,在系统辨识结构在工业发展中占据着非常重要的位置,其一,利用系统辨识进行控制结构的设计和系统分析,主要是借助数学模型对原有系统进行综合分析并提出改进机制。其二,在预报预测项目中借助系统辨识的数学模型结构,对参数和实时模型进行综合分析,实现了对一些参数结构的预测...  (本文共1页) 阅读全文>>

《自动化博览》1997年05期
自动化博览

神经网络应用范例及其实现方法

本文在描述神经网络的几个应用范例基础上讨论了神经网络应用的实现方法,通过本文,希望对研究神经网络应用的同行们能有一些启示。一、反向传把网络人工神经网络有各种不同的模式,在这里介绍反向传播网络。这种网络由输入层、输出层和隐层组成。隐层可以由一层或多层构成。各个层内的神经元数目主要依据具体求解的实际问题及采用的求解方式来确定。对于输入信号由输入层传递到隐层,经过传递函数,把隐层的输出信息传递到输出层,最后由输出层输出结果,这种认输人层到输出层的传递顺序称为正向传播。在这种传播中,每一层神经元的状态只影响下一层神经元的状态。如果在输出层得到的结果不是我们所期望的输出值,网络就转入反向传播,将误差信号沿着原来的通路返回,通过修改各层中的神经元的权值,使误差信号变为最小,从而获得期望的输出结果。二、神经网络的应用实例1.汽车驾驶与传感器装有三个传感器的汽车要通过一段会突然出现故障的路程,因此汽车的行驶速度以及向左。向右、离合器的运动状态都...  (本文共2页) 阅读全文>>

《半导体光电》1991年03期
半导体光电

神经网络应用于图像识别的实验系统

光计算的研究方向之一是结合光、电各自的优点,发展光电混合、规模混合的计算机。在图像处理、模式识别等领域要进一步充分利用光在互连和并行处理方面的优点。神经网络模型光计算模拟人脑的特征,在对一些随机问题的处理,如模式识别、联想记忆、学习、判断、决策等方面,是现有的基于冯.诺依曼结构的计算机所不能比拟的。由于光学本身固有的平行性、速度快、易于广泛互连等特点,尤其在模式识别等图像处理方面具有得天独厚的优势,在神经网络各种模型的理论研究的同时,也在广泛探索利用光学技术和电子学方法,以实现神经网络的实验系统。本文基于视感神经网络完成以判断字符图形为实用背景的实验基础。实验结果表明,这是一种图像识别可行的尝试。图2神经元功能的线性域值传导函数示意图而Wj。表示了域值这一概念。I,==E=Wj‘XJ,土八U﹄蕊了二宁l八曰n︸,1八U丁、刀‘tYj“1视感神经网络的基本原理 木系统采用了视感神经网络的基本结构。基本视感神经网络分为三层,即输入层...  (本文共4页) 阅读全文>>

《管理信息系统》1998年06期
管理信息系统

神经网络应用系统的开发方法研究

程也不同于一般的软件开发过程。借鉴软件工程的概念和方法,结合人工神经网络应用系统的具体情况,我们将人工神经网络应用系统的系统开发分为系统分析、系统设计、系统实现、系统维护等四个过程。2系统分析应该考虑采用神经网络技术:问题是半结构化的或非结构化的,数据的表达可能不完整,可能有噪音或错误,采用传统的数据处理和人工智能的方法都不能很好地解决问题,并且问题的解是由高度相关且没有精确值的参数导出的,需要高速复杂的计算、自动联想和记忆、多目标识别或多问题处理,而项目开发周期短或者要求信息处理的时间短。 人工神经网络应用系统的系统分析阶段的主要任务是深人研究问题,了解用户的目的要求,尤其是用户对数据的使用以及对数据的处理。具体来说,系统分析的工作是:3系统设计概述 人工神经网络的研究为人工智能开辟了一条崭新的途径。神经网络能够从数据中学习到最好地描述所有历史数据的一般性质的棋式,然后用这些棋式预侧将来的数据。目前神经网络越来越成为一种有价值...  (本文共3页) 阅读全文>>

《计算机仿真》2005年09期
计算机仿真

信息融合的神经网络应用研究

1引言现代社会,伴随着信息量越来越大,信息处理技术的研究引起了国际人工智能和数据库等领域专家与学者的广泛关注[1]。数据采掘的模糊规则提取是其中的一个重要方面。模糊系统具有将人类的知识和经验表示成模糊规则的特性,但模糊系统中模糊规则的确定是一个非常困难的问题。模糊规则的获取通常是按照操作人员和设计者的经验进行的。若完全按照经验来获取模糊规则,则很难得到优化的模糊系统。主要原因是缺乏学习,不易调整模糊规则和隶属度函数,参数选择的不当则可能误差较大。为解决这个问题,许多文献探讨了从神经元网络中提出取规则的方法[2-3]。利用神经网络的学习能力,我们可以从样本数据中提取语义知识,例如IF-THEN形式的模糊规则。但单纯的神经元网络(如传统BP网络)是一个“黑箱”,中间层节点以及连接层无特定的含义,而且中间层节点选取主要靠试凑,选取不当会影响学习速度和网络的训练时间。近年来,模糊神经网络为模糊规则的提取提供了一种新的有效途径。但一般神经...  (本文共3页) 阅读全文>>