搜索资源列表
-
0下载：
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,
-
-
0下载：
通过采用神经网络中的Clipping方法和MonteCarlo修改学习算法，对用于光学模式识别的纯相位二值化匹配滤波器进行了优化设计。计算机模拟结果表明，和传统的纯相位匹配滤波器的相关输出结果相比，其识别输出的信噪比和信号相关峰值得到了明显的提高，从而为今后的光学实现奠定了良好的基础。-Through the use of neural network methods and MonteCarlo modify Clipping learning algorithm for optical pa
-
-
0下载：
基于RBF神经网络辨识的神经PID控制，两个神经网络，一个辨识，另一个控制
-Radial Basis Function (RBF) neural network (NN) is powerful computational tools,which have been used extensively in the areas of pattern recognition,
-
-
0下载：
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
-
-
0下载：
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
-
-
0下载：
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.
-
-
0下载：
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.
-
-
0下载：
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.
-
-
0下载：
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.
-
-
0下载：
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.
-
-
0下载：
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.
-
