搜索资源列表
ocr0
- 基于人工神经网络的光学字符识别系统及硬件实现 研究了人工神经网络及光学字符识别的基本理论、一般方法： 对人工神经网络的发展、现状、理论做了深入的研究。重点研究了BP网络的原理、特点、应用方法。研究了脱机光学字符识别的方法、理论。重点研究了基于K-L变换的字符图像的特征抽取方法。 研究了基于ARM技术的嵌入式系统的构造、设计： 通过实际动手，研究了基于ARM技术的处理器的基本构造、使用方法；使用并比较了三星4510b、atmel at91rm9200芯片的性能；掌握了高频印刷
part_237010_200311202__
- 山 东 大 学 硕 士 学 位 论 文：图像边缘检测算法的研究本 文 分 为 七 个 部 分 。第一部分首先阐述了课题的研究背景、意义以 及该领域的发展现状；第二部分介绍了几种经典的边缘检测方法，给出 了这些方法的图像边缘检测结果，并且进行了相关的分析比较；第三部 分阐述了BP 神经网络的结构以及数学模型等相关知识；第四部分具体 介绍了一种新的基于统计向量和BP 神经网络的边缘检测方法；第五部 分介绍了一种有效的边缘细化算法，它可以对新方法得到的图像边缘进 一步处理以达到
letterrecognition
- 利用BP神经网络实现字母识别；由于是新手，大家指正；-Using BP neural network implementation letter recognition are because novice, everyone correction
Gesture-Recognition-
- 本文提出一种用于手势识别的新方法，它将图像的方向直方图矢量(0Hv)与神经网络相结合。其特点在于选用 图像的方向直方图矢量作为手势的特征矢量，该特征矢量对于光线和手的平移变化具有较强的鲁棒性，这正是手势识别所要 解决的关键问题。在训练阶段，首先需要建立手势样本的特征矢量库；在识别阶段，本文选用三层BP网络作为分类器，获得 了90％以上的识别率。本文还对手势进行一定角度的旋转后的识别进行了讨论，识别结果达到预期要求。-In this paper，a new method of gest
bp_network
- 对两种类型的纹理图像，各选取30幅，计算灰度共生矩阵，提取特征向量；构件BP神经网络分类器，用每种类型的前20幅对分类器进行训练，后10幅用来测试分类效果。-Two types of texture image for each select 30 calculated GLCM, extracting feature vectors member BP neural network classifier, before use each type of 20 pairs classifier
bpshuzi
- 通过Matlab基于BP神经网络实现数字0~9的识别。首先创建50个训练样本供网络学习，根据训练样本的特点确定输入层、输出层神经元个数，并确定隐含层神经元个数，完成对BP神经网络的设计；然后将训练样本输入BP网络中，完成对网络的训练；最后通过20个测试样本测试训练完成的网络性能，并显示识别结果。-Digital recognition based on BP neural network.First according to the characteristics of th
Untitled2
- BP神经网络基本原理概述：这种网络模型利用误差反向传播训练算法模型，能够很好地解决多层网络中隐含层神经元连接权值系数的学习问题，它的特点是信号前向传播、误差反向传播，简称BP（Back Propagation）神经网络。BP学习算法的基本原理是梯度最快下降法，即通过调整权值使网络总误差最小，在信号前向传播阶段，输入信号经输入层处理再经隐含层处理最后传向输出层处理；在误差反向传播阶段，将输出层输出的信号值与期望输出信号值比较得到误差，若误差较大则把误差信号传回隐含层直至输入层，在各层神经元中使用
matlab程序
- 完成水果的尺寸形状表面缺陷的判别，BP神经网络的训练判别表面缺陷(Fruit size, shape and surface defects are identified. BP neural network is used to identify surface defects.)