本课题研究适用于目标识别的神经网络模型,方法和应用.从生物神经元接收和处理信息的基本实验事实出发,提出一种新的动态神经网络模型.其特点是更接近于生物实际,每个单元的输出是脉冲序列,并且强调了脉冲发放的动态过程.此外,还对一种模式识别的视觉神经网络模型作了改进,在结构原理上与生物神经系统更接近,并减少了计算复杂性.别一方面从目标识别的实用角度,提出了一种组合神经网络模型,理论与实验均证明该模型学习后从隐单元输出得到的特征接近最优,其性能优于聚类的无监督学习.利用这种组合神经网络实现了一个机械量件,飞机类型识别的实验系统,经鉴定认为识别率高,识别速度快,有通用性.在模型与方法上有特色,达国际先进.
{{i.achievement_title}}
数据更新时间:2023-05-31
基于被动变阻尼装置高层结构风振控制效果对比分析
基于改进LinkNet的寒旱区遥感图像河流识别方法
带有滑动摩擦摆支座的500 kV变压器地震响应
基于腔内级联变频的0.63μm波段多波长激光器
现代优化理论与应用
复合材料结构碰撞的有限元分析
汽车碰撞过程中计及侵入体的人体响应与结构安全性研究
基于驾驶意图与动态环境的汽车碰撞危险态势辨识研究
汽车车架碰撞变形安全性分析与结构可成形性研究