提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

应用灰关联分析原理讨论了海水环境与金属腐蚀性之间的关系.基于灰关联度的计算,找出了在全浸带条件下,海水中对A3钢具有腐蚀影响的主要因素,利用人工神经网络BP算法建立了海水环境对A3钢的腐蚀作用模型,用该模型预测了新海水域环境下金属的腐蚀速度,取得了较好的结果

提出一种基于模糊逻辑和神经网络的专家系统,它是一种集信息表达,生成与求解为一体的新型求解系统,本系统的核心——学习推理网,网络的知识表达是分布的,可实现并行推理。不需要进行搜索和匹配

对复合地基全过程沉降预测模型与方法进行了研究.分析了改进泊松模型的特点和适用性,提出了改进泊松-复合小波神经网络修正模型.结合实际工程数据对CFG桩复合地基全过程沉降进行了分析和预测,并与改进的泊松模型进行了对比分析.结果表明,提出的模型适用性强,具有更高的预测精度,其绝对误差在1mm以内

为实现对热轧带钢的屈服强度、抗拉强度、断裂延伸率等力学性能的预测及控制,利用人工神经网络技术,分别建立了根据生产工艺参数预测力学性能的质量模型,以及根据力学性能要求对生产工艺参数进行优化的逆质量控制模型.利用质量预测模型,分析得出屈服强度随卷取温度的上升而下降的变化规律,进而可以对组织性能进行在线调整,实现在线应用

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题

把可拓学中定量化描述解决矛盾问题过程的工具——关联函数——引入到电弧炉可拓专家系统中,用以解决电炉出钢前钢水成分不合格的矛盾问题.电弧炉终点目标神经网络预报模型作为可拓专家系统评价机构的基础.终点预报模型用混合遗传算法训练,达到了较高的预报精度.仿真结果表明电炉可拓专家系统可以指导技术人员进行更合理的炼钢操作

提出了一种在抗癌免疫监视下的肿瘤生长细胞神经网络(GISAC CNN)模型.用具有3个端口4个态变量CNN的解析判别法研究了GUSAC CNN的分歧图.数值模拟了癌细胞扩散和清除过程.研究结果似乎表明:效应细胞对癌细胞的清除起着至关重要作用,细胞组织中存在免疫缺陷,可能导致癌细胞的转移与扩散

分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义