微粒群优化算法(Particle Swarm Optimization,PSO算法)源于鸟群和鱼群群体运 动行为的研究，是一种新的群体智能优化算法，是演化计算领域中的一个新的分支。它 的主要特点是原理简单、参数少、收敛速度较快，所需领域知识少。该算法的出现引起 了学者们极大的关注，已在函数优化、神经网络训练、组合优化、机器人路径规划等领 域获得了广泛应用，并取得了较好的效果。尽管粒子群优化算法发展近十年，但无论是 理论分析还是实践应用都尚未成熟，有大量的问题值得研究。 -

本文成功的开发了足球机器人视觉识别系统,首先应用基于LVQ神经网络的颜色识别算法进行指定颜色属性的物体的识别,接着提出小球和机器人小车的识别算法,应用训练收敛后的神经网络进行摄像机隐式标定。-In this paper, the successful development of soccer robot vision recognition system, first applied to identify the properties of the specified color based

在linux平台上运用caffe使用神经网络算法对图像进行分类，预测。在计算机视觉中（机器人视觉中）占主导作用。(On the Linux platform, Caffe is used to classify and predict the image using neural network algorithm. It plays a dominant role in computer vision (robot vision).)

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