搜索资源列表
adapterSystemPaper
- 论文标题:自适应模糊系统在手写体数字识别中的应用研究 作者:张镭 作者专业:计算机软件人工智能 导师姓名:黄战 授予学位:硕士 授予单位:暨南大学 授予学位时间:19990501 论文页数:59页 文摘语种:中文文摘 分类号:TP18 TP391.4 关键词:手写体数字 自适应 模糊逻辑 神经网络 模式识别 摘要:该文针对模式识别的特点,构造了适合于模式识别问题的自适应模糊系统,对三种不同学习算法加以改进,在手写全数字识别上对分类器进行了实现,
基于神经网络的数字字符识别
- 基于BP神经网络的字符识别系统~用MATLAB编写`包括论文~以及代码~适合于毕业设计-BP neural network-based character recognition system using MATLAB ~ `~ including papers and code ~ suitable for graduate design 字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的
wxck
- 本文提出特征参数统计值的概念，即对连续的多段信 特征参数后，所求取的多组参数中各参数的最大值、最小值及二 以此作为输入参数，利用基于BP神经网络和决策理论的模式识 星统一载波测控体制中典型的调制方式进行了识别，包括2FSK )、4FSK、BPSK、QPSK、MSK、PM、CW-In this paper, the concept of characteristic parameters of statistics, that the letter of the continuou
TCS230-Color-Sensor-for-Ship
- 该系统采用三块TCS230颜色传感器，监测轮船经过后海水的颜色变化的情况，数据采用就地处理，并运用改进型BP神经网络算法进行污染模式训练和模式识别。通过nRF401无线数字收发器，把污染识别的结果发送回监 视器，再通过字符和语音对识别结果进行报告。把轮船污染数据采集器安装在轮船尾部两侧进行实时监测，结果表明，监测速快，精确度高。-The system uses three TCS230 color sensor to monitor the ship through the water
tixingguanzi2
- 分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
Grading-test
- 为实现合格和缺陷板栗的分级， 研究了 1 种基于 BP 神经网络与板栗图像特征的板栗分级方法。 试验以罗田板 栗为研究对象， 提取的颜色及纹理等 8 个特征值， 通过主成分分析提取相应的主成分得分向量构成模式识别的输入。 利 用 BP 神经网络方法建立了板栗分级模型。 试验结果表明， 在图像信息主成分因子数为 3， 中间层节点数为 12 时， 建立 的模型最佳， 模型训练时的回判率为 100 ， 预测时识别率达到了 91 .67 。 研究结果表明基于机器视觉技术的针对缺陷 板栗分
pattern-recognition
- 模式识别相关文章，包括SVM与BP神经网络的相关识别研究与进展-Pattern recognition related articles, including related research and development of SVM Recognition and BP neural network
BP
- 用BP神经网络实现对6维二进制数据的识别和分类，判断其是否为对称模式。-Using BP networks to achieve the identification and classification of six-dimensional binary data, and determining whether it is symmetric mode
rjdcw
- 采用的是脉冲对消法，BP神经网络用于函数拟合与模式识别，采用的是通用的平面波展开法。- It uses a pulse of consumer law, BP neural network function fitting and pattern recognition, Using common plane wave expansion method.
biugie_v73
- BP神经网络用于函数拟合与模式识别，关于非线性离散系统辨识，对HARQ系统的吞吐量分析。- BP neural network function fitting and pattern recognition, Nonlinear discrete system identification, HARQ throughput analysis of the system.
qi777
- 已调制信号计算其普相关密度，有小波分析的盲信号处理，BP神经网络用于函数拟合与模式识别。- Modulated signals to calculate its density Pu-related, There Wavelet Analysis Blind Signal Processing, BP neural network function fitting and pattern recognition.
1835
- 光纤陀螺输出误差的allan方差分析，BP神经网络用于函数拟合与模式识别，使用高阶累积量对MPSK信号进行调制识别。- allan FOG output error variance analysis, BP neural network function fitting and pattern recognition, Using high-order cumulants of MPSK signal modulation recognition.
dxwyv
- BP神经网络用于函数拟合与模式识别，在MATLAB中求图像纹理特征，包括轨道机动仿真、初轨计算。- BP neural network function fitting and pattern recognition, In the MATLAB image texture feature, Including orbital maneuvering simulation, initial orbit calculation.
if538
- BP神经网络用于函数拟合与模式识别，基于SVPWM的三电平逆变的matlab仿真，包括压缩比、运行时间和计算复原图像的峰值信噪比。- BP neural network function fitting and pattern recognition, Based on SVPWM three-level inverter matlab simulation, Including compression ratio, image restoration computing uptime and
hs351
- 滤波求和方式实现宽带波束形成，BP神经网络用于函数拟合与模式识别，均值便宜跟踪的示例。- Filtering summation way broadband beamforming, BP neural network function fitting and pattern recognition, Example tracking mean cheap.
seqkd
- BP神经网络用于函数拟合与模式识别，Pisarenko谐波分解算法,给出接收信号眼图及系统仿真误码率。- BP neural network function fitting and pattern recognition, Pisarenko harmonic decomposition algorithm, The received signal is given eye and BER simulation systems.
wmrxc
- 具有丰富的参数选项,BP神经网络用于函数拟合与模式识别，计算两个矩阵之间的欧氏距离。- It has a wealth of parameter options, BP neural network function fitting and pattern recognition, Calculation of the Euclidean distance between the two matrices.