导读:本文包含了模式识别与人工神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,裂纹,马赫,疲劳,干涉仪,图像,算子。
模式识别与人工神经网络论文文献综述
张鹏琴[1]（2018）在《探究人工神经网络图像模式识别的策略》一文中研究指出新时期,图像已经成为人类感知世界的基础方式,其中信息传输作为主要的载体,为人们带来了非常广泛的信息。而在信息技术以及计算机迅速发展的过程当中,图像识别技术水平逐步提升,在进行图像识别的过程当中逐渐开始应用神经网络的理论与技术。本文正是在此背景下对基于人工神经网络的图像识别技术进行研究以及分析。(本文来源于《计算机产品与流通》期刊2018年10期）
张东东[2]（2018）在《人工神经网络图像模式识别综述》一文中研究指出本文综述了模式识别、图像模式识别、人工神经网络的原理,讨论了人工神经网络的发展历史和优点,介绍了几种常用的人工神经网络算法,并对人工神经网络的应用特点和注意事项进行了简单说明。(本文来源于《电子世界》期刊2018年09期）
王烁,石全[3]（2017）在《基于人工神经网络的侵彻毁伤模式识别》一文中研究指出为了研究多因素作用下破片侵彻靶板的具体模式,利用人工神经网络方法,对输入参数进行识别,得到了相应的靶板毁伤模式。基于正交试验设计原则,利用ANSYS/LS-DYNA仿真出60组破片侵彻靶板的模式数据,作为神经网络训练的输入数据,对神经网络进行训练,另外选取3组数据作为验证数据对神经网络的训练效果进行验证。结果表明:该训练模式下,人工神经网络能够有效地识别多因素作用下破片对靶板的具体毁伤模式。(本文来源于《兵器装备工程学报》期刊2017年10期）
张鲁波[4]（2013）在《人工脑模式识别一种新的神经网络算法》一文中研究指出目前,各行各业对模式识别技术要求越来越多、越来越高。然而一些传统的模式识别技术由于没有考虑和利用“同源同类事物连通性”先验知识,正遇到正确识别率很难再提高的瓶颈。本论文以国家自然科学基金项目“人工脑的信息处理新神经网络模型研究”(NO.60673101)、“人工脑基于同源同类事物连通本性的模式识别新神经网络模型研究”(NO.61272077)为任务背景,针对大规模超多类模式识别问题,通过对“同源同类事物连通本性”的认知,提出了一类人工脑模式识别的分块并行优先度排序神经网络算法,特别提出了基于同源同类事物连通本性的分块并行优先度排序RBF神经网络算法。这种算法一方面能够确保任何同源同类事物局部直接连通两点连线上的任何点一定分到同一类中,提高模式识别的正确识别率,另一方面能降低大规模超多类模式识别问题的空间复杂度和时间复杂度。(本文来源于《青岛大学》期刊2013-06-01）
杨丽丽[5]（2012）在《基于人工神经网络的手写数字模式识别和分类》一文中研究指出随着科学技术的快速发展，计算机处理速度越来越快，用计算机解决现实生活中的问题是一个热点的研究方向。由于手写体数字识别技术无论是在科学研究还是日常生活中，都具有重要的理论意义和广泛的应用前景，是模式识别中的一个较为重要的研究方向，涉及到模式识别领域中的许多经典问题，如特征提取、分类器设计以及样本集的选择等等，如何提高识别正确率及其效率也是学者们科研的目标。人工神经网络因其所具有的并行计算能力、容错能力、自学习能力和分类识别能力，其在模式识别领域得到了充分的重视和利用。本文采用人工神经网络算法设计分类器，建立识别系统。我们首先对取得的样本进行去平滑噪、二值化、细化、和归一化等预处理，然后提取其像素特征，采用主成分分析法进行降维，以减少训练样本的时间，最后通过分类器对提取的样本特征进行处理识别分类。本文通过采用BP神经网络、径向基神经网络和概率神经网络等几种神经网络算法，建立神经网络分类器，进行识别分类，就各个分类器的识别效果作了详细的比较和分析。最后，对本文作了相关总结，并提出了以后研究重点和方向。(本文来源于《中北大学》期刊2012-06-04）
李冬梅[6]（2012）在《基于人工神经网络和模式识别方法的地震序列类型早期预测研究》一文中研究指出地震序列的类型判断及其成因机理研究是地震学的基本问题之一，对于揭示地震孕育、发生和发展过程物理本质具有重要理论意义。对于一个完整的地震序列，其类型的判别已有较为成熟的方法和参数。本文研究内容是在地震刚刚发生，序列还极不完整的情况下，对地震的序列类型做出快速判定，也即地震序列类型的早期快速预测问题。在系统总结地震序列类型研究现状的基础上，详细分析了以往的地震序列类型早期判断的单项和综合方法，包括灰关联分析方法、模式识别的CORA-3算法等等，肯定了它们在震后早期趋势判断工作中发挥的重要作用及存在的不足。分析了人工神经网络和模式识别的支持向量机(SVM)方法在处理复杂的非线性映射问题上的优势，搜集整理了国内180个中强以上地震序列资料，借用BP神经网络和支持向量机(SVM)方法构建两种地震序列类型早期预测模型。论文取得的主要成果有：①搜集整理了我国大陆地区180个地震序列，并根据能量比和震级差、序列地震次数等经典判别指标，对全序列进行了初始分类，将序列分为主震型、震群型、孤立型叁类；②通过不断的研究实验，确定BP网络的结构、选择激活函数、设置各项训练参数等步骤构造了BP神经网络地震序列类型早期预测模型。并用构筑好的模型对训练样本和测试样本分别进行内符和外推检验，得到理想的检验结果，使用1天（24小时）序列资料外推检验的正确识别率可达78%；③通过选择核函数及参数c&g寻优方法等构造了SVM地震序列类型早期预测模型。并进行相应的内符和外推检验。外推检验结果表明，使用第一大震后1天的序列资料正确识别率可达到82.2%，第一次大震后1、2、3、5、7天5个时间段序列，主余型和孤立型正确识别率基本都能保持在较高水平；④通过统计分析等途径对BP神经网络和SVM模型两种方法的的分类识别效果进行了评价，认为这两种方法应用于地震序列类型的早期预测可行、实用，且具有较好的类型早期识别能力，利用震后1天的序列资料就可以较准确地识别序列类型。比较分析认为，构造的SVM模型识别结果略优于BP神经网络模型。论文创新之处在于：①以较大样本量使用BP神经网络和支持向量机方法进行地震序列类型早期预测研究，涵盖的序列类型更广，使识别结果的普适应用性更强；②以往序列类型早期预测工作大多将序列类型合并为主震型和震群型两类研究，将分类目标划分为主余、震群、孤立叁种类型，分类结果更为精细、实用；③将BP神经网络和模式分类支持向量机方法用于地震序列类型早期预测研究，计算方法相对简单，进一步证实，使用主震后1天的序列资料可以较准确的判断序列类型，并对比研究了上述两种方法应用于序列类型早期预测的优劣。(本文来源于《中国地震局兰州地震研究所》期刊2012-04-20）
胡振龙,沈功田,邬冠华,刘时风,吴占稳[7]（2012）在《飞机疲劳开裂声发射波形信号的人工神经网络模式识别方法》一文中研究指出利用SOM神经网络,对分类挑选的飞机疲劳过程采集的声发射波形信号进行模式识别分析,得到一组(300个)疑似裂纹的波形信号。其特点有:频谱图上同时出现叁个明显的峰值,其能量相对较大,且频率基本固定。其中,第叁峰值频率(168.5kHz)与先前的试验数据(175.8kHz)相接近,已具备了较明显的裂纹特征。(本文来源于《无损检测》期刊2012年03期）
张威[8]（2011）在《人工神经网络用于传感信号的模式识别》一文中研究指出随着神经网络理论的飞速发展,对神经网络的研究几乎延伸到生活的各个领域。神经网络有很多优点,有很好的适应能力、较高的容错性、能适应超大规模集成电路等等。本文主要是将人工神经网络用于分布式光纤传感系统中光纤传感信号的模式识别,通过利用LABVIEW及MATLAB语言进行混合编程,获取传感信号的幅度和有效值,并利用神经网络分析方法对传感信号进行模式识别,通过该应用程序可以很容易实现实时的对传感系统输出信号进行检测并分析出外界干扰信号的类型,从而达到利用分布式光纤传感系统对监测对象的实时检测及判别。本文的意义在于为光纤传感信号的模式识别提供了一种新的思路,以期待能为进一步探索新的更加有效的神经网络及训练方法来实现传感信号的模式识别带来一定的帮助。该课题的研究重点在于MATLAB人工神经网络的设计及由MATLAB的模式识别程序向LABVIEW中的移植实现。本论文的主要研究成果包括：1)深入研究MZI分布式光纤传感系统及人工神经网络的结构及功能,并对MZI系统的解调及解调的误差分析进行深入的分析研究。2)构建分布式光纤传感系统来获取样本数据,并利用LABVIEW对数据进行分析和处理,选取所获数据段的幅度值和有效值作为传感信号的特征量。3)设计了四种改进后的BP神经网络的MATLAB程序,并运用获得的样本数据的特征量对它们分别进行训练,对训练结果进行比较分析,选取最佳BP网络训练方法。以获取最理想的传感信号的模式识别效果。4)选取基于最优化数值理论算法的LMBP神经网络和概率神经网络及与其相对应的训练方法来进行传感信号的模式识别。设计相应的MATLAB程序,并运用获得的样本数据的特征量对神经网络进行训练,使其能够具备准确识别不同的外界干扰信号的模式的能力。5)深入研究MATLAB和LABVIEW混合编程的方法,设计并利用LABVIEW中的MATLAB script节点进行混合编程,从而实现利用LABVIEW实现相对友好的用户界面,同时提高了程序算法的高效性,同时保证了算法的实时性。(本文来源于《北京交通大学》期刊2011-06-20）
高虾虾,王玮,耿荣生[9]（2010）在《飞机疲劳试验裂纹声发射信号的人工神经网络模式识别》一文中研究指出对某型飞机疲劳试验过程中采集的信号,先后采用频谱、多分辨率小波方法对原始信号作了分析,但这两种方法的分析结果不甚理想,从而改用人工神经网络模式识别的方法提取出了可能是裂纹信号的波形信号。该试验为类似疲劳试验等强噪声环境下的声发射信号模式识别提供了一种可供参考的方法。(本文来源于《无损检测》期刊2010年05期）
代超[10]（2009）在《人工神经网络在局部放电模式识别中的应用》一文中研究指出探讨了放电模型的神经网络识别,研究了以统计算子为输入量的发电机局部放电信号的神经网络模式识别,通过神经网络模型的建立及学习,分析如何识别几种典型局部放电模型信号,为发电机绝缘故障类型的判别提供了理论基础。(本文来源于《机电信息》期刊2009年24期）
模式识别与人工神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文综述了模式识别、图像模式识别、人工神经网络的原理,讨论了人工神经网络的发展历史和优点,介绍了几种常用的人工神经网络算法,并对人工神经网络的应用特点和注意事项进行了简单说明。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模式识别与人工神经网络论文参考文献
[1].张鹏琴.探究人工神经网络图像模式识别的策略[J].计算机产品与流通.2018
[2].张东东.人工神经网络图像模式识别综述[J].电子世界.2018
[3].王烁,石全.基于人工神经网络的侵彻毁伤模式识别[J].兵器装备工程学报.2017
[4].张鲁波.人工脑模式识别一种新的神经网络算法[D].青岛大学.2013
[5].杨丽丽.基于人工神经网络的手写数字模式识别和分类[D].中北大学.2012
[6].李冬梅.基于人工神经网络和模式识别方法的地震序列类型早期预测研究[D].中国地震局兰州地震研究所.2012
[7].胡振龙,沈功田,邬冠华,刘时风,吴占稳.飞机疲劳开裂声发射波形信号的人工神经网络模式识别方法[J].无损检测.2012
[8].张威.人工神经网络用于传感信号的模式识别[D].北京交通大学.2011
[9].高虾虾,王玮,耿荣生.飞机疲劳试验裂纹声发射信号的人工神经网络模式识别[J].无损检测.2010
[10].代超.人工神经网络在局部放电模式识别中的应用[J].机电信息.2009
论文知识图
