简介：

简介：Adesignmethodfornoisecancellerusingrecurrentneuralfilter，ADRNN-baseddirectmulti-stepadaptivepredictorforintelligentsystems，Agenerationalterationmodelforevolvingrecurrentneuralnetworktopologiesalongwithweights，AHIGH-PERFORMANCEMULTI-PURPOSEDSPARCHITECTUREFORSIGNALPROCESSINGRESEARCH……

简介：AChaoticNeuralNetworkforReducingthePeak-to-AveragePowerRatioofMulticarrierModulation；Acombinatorialoptimizationmethodbychaoticneurodynamics；Amultistageself-organizingalgorithmcombinedtransientlychaoticneuralnetworkforcellularchannelassignment；AreductionmethodforPAPRinOFDMvianeuralnetworks；ASearchingAbilityofSolutionsofN-QueensProblemUsingChaotic；Atheoreticalstudyonaneuralmethodforcombinatorialoptimizationproblems；AdaptiveMemoryDynamicsinaChaoticNeuralNetwork；

简介：

简介：

简介：[篇名]AHamilton-JacobiSetupforConstrainedNeuralNetworkControl，[篇名]ANEURALNETWORKCONTROLBASEDOBSERVERFORROBOTMANIPULATORS，[篇名]Aneuro-controllerwithguaranteedstability，[篇名]AnewRBFneuralnetworkcontrolstrategybasedonnewobjectfunction，[篇名]ANovelNeuralNetworkControllerandItsEfficientDSPImplementationforVector-ControlledInductionMotorDrives，[篇名]Asinge-phaseactivepowerfilterwithneuralnetwork-basedcontroller，[篇名]AStudyonNeuralNetworkControlofExplosion-Proof2-LinkPneumaticManipulator，[篇名]Activepowerlineconditionerwithaneuralnetworkcontrolscheme。

简介：

简介：

简介：ApplyingthegeneticprogrammingtomodelingofdiffusionprocessesbyusingtheCNNanditsapplicationstothesynchronization.Cellularneuralnetworkanditsapplicationinthediagnosisofabnormalautomobilesound.Cellularneuralnetworkinimagefiltrationtasks.Cellularneuralnetworksanditsapplicationforabnormaldetection-optimizationofthecellularneuralnetworksbydesigninganoutputfunction.

简介：针对智能车模型,提出了基于机器视觉的神经网络转向控制算法。该算法的输入为一张道路图的黑线位置值,输出为前轮转角。试验结果表明,这种算法能够很好地学习操作员给定的控制策略,具有较好的稳定性和鲁棒性。

简介：讨论了一类递归神经网络算法的稳定性问题。给出了增广的Lyapunov-Krasovskii泛函,考虑了更多激活函数的信息。在Lyapunov-Krasovskii导函数中引入了自由权矩阵,降低了保守性,同时结合凸组合理论,处理了时变时滞,得到了以线性矩阵不等式形式的稳定性判定准则,此判定准则易于验证和推广。数值例子和仿真验证了文中方法的可行性。

简介：粒子群优化(PSO)算法是一种新颖的演化算法,粒子群优化算法,PSO算法是一个新的基于群体智能的进化算法

简介：以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注，并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率，本文设计了2种改良的深度卷积神经网络，这些改进加快了神经网络的训练速度．有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型，该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验，改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型，这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后，构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”，该系统能够自动检测出CT影像中肺结节，并给出结节的良恶性概率评估。通过该系统的应用，可以有效缓解放射科医生超高的劳动强度，提高阀片效率，服务更多患者；减少漏诊和误诊发生的次数，有助于提高肺结节的诊断准确率；从而促进我国肺癌早筛工作的推广。

简介：摘要本文针对车牌字符识别问题进行研究。在设计过程中，分别训练了三个BP神经网络来对数字，字母和汉字进行识别，并得出结论。在识别过程中，需对图像进行预处理来降低神经网络训练的复杂度。由于是针对单个字符进行识别，对图像进行手动分割后，图像会由于缩放、裁剪等原因而产生噪声，因此在图像去噪方面，采用中值滤波。在图像字符识别中，选择了BP神经网络的方法来进行识别，与其他方法相比，该网络不仅有较强的鲁棒性，还具有较强的自学习能力。该系统的开发环境为MATLAB，能够直接调用神经网络工具箱，使设计过程降低了难度。

简介：从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。

简介：针对传统应用于CIFIR-10数据集的基于tensor-flow神经网络算法需要对数据集进行人为预处理、容易过拟合和准确率低等缺点,改变特征维度和加入卷积层CNN以提升迭代速率,通过dropout、权重衰减和L2正则化方法改善过拟合问题,并使用梯度下降法对神经网络模型进行优化,得到了收敛速率局部波动,但准确率、迭代效率都有较好的结果,为神经网络的设计提供了理论参考。

简介：摘要：作为计算机视觉中最基本和最具挑战性的任务之一，目标检测旨在找出图像中具体的目标，并对目标进行定位和分类，目前已经在工业质检、视频监控、无人驾驶等领域得到了广泛的应用。近年来随着计算机硬件资源和深度卷积算法在图像分类任务中取得的突破性进展，基于深度卷积的目标检测算法也逐渐取代了传统的目标检测算法，在精度和性能方面取得了显著成果。

简介：摘要：作为计算机视觉中最基本和最具挑战性的任务之一，目标检测旨在找出图像中具体的目标，并对目标进行定位和分类，目前已经在工业质检、视频监控、无人驾驶等领域得到了广泛的应用。近年来随着计算机硬件资源和深度卷积算法在图像分类任务中取得的突破性进展，基于深度卷积的目标检测算法也逐渐取代了传统的目标检测算法，在精度和性能方面取得了显著成果。

简介：摘要：随着大数据时代的来临，复杂系统的模式识别问题变得越来越重要。BP神经网络作为一种重要的机器学习算法，已经在许多领域中得到了广泛的应用。本文主要研究基于BP神经网络的复杂系统模式识别算法，通过构建具有多层隐藏层的神经网络，实现复杂系统的模式分类和预测。实验结果表明，基于BP神经网络的模式识别算法具有良好的分类和预测性能。

简介：兵棋推演作为预测和控制现代战争的利器，正逐渐被各国重视。本文利用人工神经网络能并行处理信息和学习的特点，从理论层面研究了如何将其应用于兵棋推演实现辅助决策，使兵棋系统能自主完成方案制定、预案分析、胜率分析、结果裁定等一系列工作，达成精简指挥系统、快速决策的目的。该研究对于推动兵棋推演的发展具有一定的现实和战略意义。