分享到:

人工神经网络和模式识别

80年代重新兴起的人工神经网络已成为世界人工智能研究的热门课题之一。本文介绍了人工神经网络的一般  (本文共6页) 阅读全文>>

中国地震局兰州地震研究所
中国地震局兰州地震研究所

基于人工神经网络和模式识别方法的地震序列类型早期预测研究

地震序列的类型判断及其成因机理研究是地震学的基本问题之一,对于揭示地震孕育、发生和发展过程物理本质具有重要理论意义。对于一个完整的地震序列,其类型的判别已有较为成熟的方法和参数。本文研究内容是在地震刚刚发生,序列还极不完整的情况下,对地震的序列类型做出快速判定,也即地震序列类型的早期快速预测问题。在系统总结地震序列类型研究现状的基础上,详细分析了以往的地震序列类型早期判断的单项和综合方法,包括灰关联分析方法、模式识别的CORA-3算法等等,肯定了它们在震后早期趋势判断工作中发挥的重要作用及存在的不足。分析了人工神经网络和模式识别的支持向量机(SVM)方法在处理复杂的非线性映射问题上的优势,搜集整理了国内180个中强以上地震序列资料,借用BP神经网络和支持向量机(SVM)方法构建两种地震序列类型早期预测模型。论文取得的主要成果有:①搜集整理了我国大陆地区180个地震序列,并根据能量比和震级差、序列地震次数等经典判别指标,对全序列进...  (本文共95页) 本文目录 | 阅读全文>>

黑龙江大学
黑龙江大学

人工神经网络模式识别的机理与意义

本文将在哲学视野下研究人工智能科学,把人工神经网络模式识别的学习过程作为研究的对象,通过在哲学视域下对有无监督学习的调节机制的探讨,以解决在人工智能的发展过程中引发的瞩目问题。并将对比有监督学习与无监督学习的不同学习阶段,指出经验与数据是人类和计算机进行模式识别的关键,从产生依据上明确人工神经网络模式识别和人类模式识别的过程和方法。本文通过将人工神经网络模式识别的方法与哲学学科古老问题智慧的研究相结合,丰富人工智能科学的研究领域,在这一研究过程中,试图找到研究哲学问题的新视角与新途径。首先,本文从人工神经网络模式识别的原理进行概述,依据生物神经网络模式识别过程与人工神经网络模式识别过程的差异,认为人工神经网络模式识别具备适应性、容错性和可调节性的特点,这些特点符合人脑模式识别的特征,所以在机器识别当中数据可以转换为人类模式识别的经验,成为人工智能科学智慧研究的对象。除此之外,人脑具有自我保护和自我意识等人类独有的能力,可以在无监...  (本文共61页) 本文目录 | 阅读全文>>

西北大学
西北大学

人工神经网络在多元校正及中药模式识别方面的应用研究

全文共分五部分,首先阐述了人工神经网络在多元校正和中药模式识别的发展情况和应用现状。接着运用人工神经网络多元校正方法解决样品分析中由于混合物光谱严重重叠所引起的组分分离和分析极为困难的问题,对重叠峰进行定量分析。与此同时,用人工人神经网络对不同产地的中药成功的进行了模式识别。第一章阐述了人工神经网络在多元校正和中药模式识别的发展情况和应用现状。第二章详细阐述了本论文所涉及的一些化学计量学方法基本原理。在第三章中,运用基于线性主成分分析的径向基函数人工神经网络和广义回归人工神经网络结合流动注射化学发光法同时测定槲皮素和芦丁。通过比较两种网络在没有进行输入变量选择时和进行了线性主成分分析变量选择后的预测结果,发现进行线性主成分分析变量选择后径向基函数网络和广义回归神经网络的预测性能都有了很大的提高,同时发现基于线性主成分分析的径向基函数人工神经网络有比较好的预测结果。可以认为,在本文的实验条件下,基于线性主成分分析的径向基函数人工神...  (本文共73页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

人工神经网络用于传感信号的模式识别

随着神经网络理论的飞速发展,对神经网络的研究几乎延伸到生活的各个领域。神经网络有很多优点,有很好的适应能力、较高的容错性、能适应超大规模集成电路等等。本文主要是将人工神经网络用于分布式光纤传感系统中光纤传感信号的模式识别,通过利用LABVIEW及MATLAB语言进行混合编程,获取传感信号的幅度和有效值,并利用神经网络分析方法对传感信号进行模式识别,通过该应用程序可以很容易实现实时的对传感系统输出信号进行检测并分析出外界干扰信号的类型,从而达到利用分布式光纤传感系统对监测对象的实时检测及判别。本文的意义在于为光纤传感信号的模式识别提供了一种新的思路,以期待能为进一步探索新的更加有效的神经网络及训练方法来实现传感信号的模式识别带来一定的帮助。该课题的研究重点在于MATLAB人工神经网络的设计及由MATLAB的模式识别程序向LABVIEW中的移植实现。本论文的主要研究成果包括:1)深入研究MZI分布式光纤传感系统及人工神经网络的结构及...  (本文共68页) 本文目录 | 阅读全文>>

武汉理工大学
武汉理工大学

模式识别—人工神经网络方法研究及其在材料领域的应用

本论文是对一种材料优化设计新方法——模式识别-人工神经网络方法进行研究,并用于解决新材料开发过程中常遇到试验周期长,影响因素复杂,反应机理不明等难题。这种新方法运用模式识别方法对样本数据进行定性分析和样本筛选,运用特殊的人工神经网络模型进行定量分析和精确预报,并在二维映照图上直观地显示出目标值的分布规律。其基本原理是:根据拓扑结构在映射过程中不变的原理,将多维向量首先映射到二维平面上,再通过非线形函数向高维空间扩展、迭加并输出,这样可以避免在传递过程中变量间关系被屏蔽或覆盖。由映射平面图像来展现数据所隐含的规律,从平面图象来直观地确定最优点或区域,为材料优化设计和试验设计提供了一种行之有效的决策支持方法。本文所作的主要研究工作如下:构建了人工神经网络实现模式识别的非线性映射模型,并引入“列队竞争算法”与“梯度法”结合产生的一种混合算法解决人工神经网络学习训练中容易陷入局部极小的问题,很好的兼顾了全局搜索和局部搜索的要求。其中,列...  (本文共52页) 本文目录 | 阅读全文>>