一种卷积神经网络实现

1、一种基于二次特征提取的神经网络信号源个数估计方法张兴良* 王可人 樊甫华（电子工程学院信息工程系，合肥 230037）摘要：信源数目估计对阵列信号空间谱估计非常关键，但容易受到相关噪声环境和相关信号源的影响。为此，提出一种基于二次特征提取的源数估计算法。首先，利用阵列信号协方差矩阵的特征值和特征向量，提取 6 组二次特征参数；然后，利用这些参数对神经网络进行训练；最后，利用训练好的神经网络进行信源数目估计。由于稳健性强，该算法非常适合在复杂电磁环境下使用。仿真试验结果表明，该算法在低信噪比、相关噪声和相关信。

2、一 种 基于 自 适应 神 经网 络 的谐 波 电流 检 测方 法 的仿 真 1张国荣，王英，丁明教育部 光伏 系统 工程 研究 中心， 合肥 工业 大学 能源 研究所 ，合 肥 ()摘 要： 有 源电 力滤 波器 （A PF） 的性 能很 大程 度 上取决 于其 采用 的谐 波电 流检测 方法 。 本 文介绍 一种 基于 自适 应神 经网络 的谐 波电 流检 测方 法，这 种方 法能 实时 准确 地检测 出谐 波 ，很好地 弥补 了基 于 FFT 的 方法、 基于 瞬时 无功 理论 的方法 和基 于小 波变 换的 方法等 检测 方法的缺 陷 。 该 方法 的思 想 是根据 自适 应噪 声对 消技 。

3、一种可供选择的对交通数据建模和仿真的方法：人工神经网络论文出处：Simulation Modelling Practice and Theory 12 (2004) 351362原文作者：S. Figen Kalyoncuoglu, Mesut Tigdemir作者单位：SDU, Civil Engineering Department, Isparta 32260, Turkey原文相关时间：Received 25 November 2002; Received in revised form 9 March 2004; Accepted 20 April 2004;Available online 15 June 2004摘要假定在驾驶员特性和交通事故之间有复杂的关系。而与交通事故有关的这些驾驶员特性的影响是很难仿真的。由于人工神经网络 (ANN)的方法是一种。

4、一种基于 PSO-BP 神经网络的建筑物沉降预测模型 邓传军 欧阳斌 陈艳红 江西工业工程职业技术学院采矿与建筑工程系 摘 要： 为更好地预测建筑物沉降, 该文使用粒子群优化 (PSO) 算法 BP 神经网络进行建筑物沉降预测。利用 PSO 算法修正 BP 神经网络的初始权重和阀值, 优化 BP神经网络机构及算法全局收敛性, 建立基于 PSO-BP 预测模型。将所建立的预测模型应用于实际案例, 通过已有的监测数据, 分别进行传统 BP 神经网络预测和PSO-BP 神经网络预测, 对预测的结果进行对比, 结果表明, 基于 PSO-BP 神经网络的建筑物沉降预测结果明显优于传统 。

5、一种基于 ABC-BP 神经网络的指纹识别算法研究 文祝青 吴志攀 惠州城市职业学院信息技术系 惠州学院信息科学技术学院 摘 要： 针对 BP 神经网络存在着收敛速度慢、对初始值敏感以及容易陷入局部极小值等缺点而导致指纹识别效果不理想事实, 该文提出了一种基于 ABC-BP 神经网络的指纹识别算法, 将指纹的特征点坐标的数值归一化后输入到 BP 神经网络进行训练, 利用人工蜂群算法在训练过程中进行网络优化, 从而在 BP 神经网络的训练过程中获得最优的权值和阈值, 以更为准确地得到指纹识别结果。实验数据表明, 该算法取得了较好的识别结果, 具。

6、一种利用人工神经网络优化语音识别的方法 魏爽 三亚学院信息与智能工程学院 摘 要： 语音识别就是利用机器通过识别和理解, 将语音信号转变为文本, 已经在很多行业得到了应用。由于每个人说话的方式都不同, 其说话的特征都不一样。说话人识别就是通过一段语音识别出说话人的技术。结合人工神经网络对语音识别进行优化, 平均准确率达到了 94.5%。关键词： 神经网络; 人工智能; 语音识别; 数据挖掘; 反向传播; 作者简介：魏爽 (1984) , 女, 湖北鄂州人, 硕士研究生, 讲师, 研究方向:数据挖掘。收稿日期：2017-09-02A Method to Optimize Spee。

7、国内图书分类号：TP183国际图书分类号：621.38工学硕士学位论文一种新型的神经网络 PID控制器及其 FPGA实现硕士研究生：叶金芳导 师：王煜教授副 导 师：莫启良工程师黎淑芬工程师徐敬生工程师申请学位：工学硕士学科、专业：控制科学与工程所在单位：深圳研究生院答辩日期： 2007年 12月授予学位单位：哈尔滨工业大学Classified Index: TP183U.D.C: 621.38Dissertation for the Master Degree of EngineeringA NEW NEURAL NETWORK PIDCONTROLLER DESIGN ANDFPGA IMPLEMENTATIONCandidate:Supervisor:Co- Supervisor:Academic Degree Appl。

8、第14卷第33期2014年11月167l一1815(2014)33一024005科学技术与工程Science Technology and EngineeringV0114 No33 Nov20142014 SciTechEngrg计算机技术一种简洁高效的加速卷积神经网络的方法刘进锋(宁夏大学数学计算机学院，银川750021)摘要卷积神经网络是机器学习领域一种广泛应用的方法，在深度学习中发挥着重要的作用。由于卷积神经网络一般需要多个层，而且训练数据通常都很大，所以网络训练可能需要几小时甚至很多天。目前虽然有一些利用GPU加速卷积神经网络训练的研究成果，但基本上都是实现方式复杂，需要技巧很高，而且容易出错。。

9、一种卷积神经网络实现 黄飞龙 中国电子科学研究院 摘 要： 卷积神经网络 (Convolutional Neural Networks-简称 CNN) 是人工神经网络的一种, 由于其具有结构简单、训练参数少、适应性强、效率高等特点, 在模式识别、图像处理等领域得到了广泛的应用。本文从 CNN的发展历史开始, 对其网络结构、神经元模型和训练方法进行了简要描述。在此基础上, 实现了一个使用 Java语言实现的 CNN算法, 并给出了算法的的程序框架与代码实现, 该算法可以在不使用任何类库的情况下对 MINIST手写数字数据集进行分析识别, 达到了较高的准确率。关键词： 卷积神。