简介：摘要基于BP模型的神经网络是一种用于前向多层神经网络的反传学习算法，目前为止应用最为广泛且最重要的一种训练前向神经网络的学习算法。本文详细介绍BP算法原理并剖析其性能不足的几个方面，简要介绍优化算法，对模型未来的发展方向进行展望。

简介：提出了一种光纤传感报警信号的处理技术,光纤传感具有高灵敏度、抗电磁干扰、耐高压抗腐蚀等优点,但报警信号的误报问题一直是光纤周界系统需要解决的问题,而传统的时域门限分析方法对信号的识别准确率不高,不利于降低安防系统报警信号的误报率。利用小波降噪技术,结合信号的时频域特征,构建基于概率的神经网络分类器,可以在很大程度上减少信号的误报。

简介：针对网络态势感知中的预测精度问题,提出了基于广义径向基函数（RBF）神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。

简介：针对信息质量评估系统中各环节影响因素的评估问题,提出了一种基于自适应模糊神经网络（FNN）的信息汇聚质量评估方法,从汇聚结果满足用户需求的角度判断信息汇聚质量的优劣。依据用户体验满意度调查数据,结合神经网络的自主学习与模糊控制的模糊推理能力,提出了该方法,并将生成的TS型模糊推理系统作为汇聚质量评估参考模型。试验结果表明,该方法预测汇聚质量可反映人工专家经验。

简介：利用机动飞行目标轨迹可预测飞行目标实时位置,针对灰色模型对快速飞行目标轨迹预测不准确的问题,引入神经元理论判断飞行目标状态,通过机器学习掌握飞行目标转弯模型,从而更准确地对飞行目标转弯进行预测。首先,分析了灰色模型预测方法的工作原理和特点;然后,借助反向传播(BP)神经元模型可判断飞行特征的优势,将灰色模型与神经元网络模型进行了结合;最后,通过仿真试验表明该飞行目标预测法可对飞行目标进行精准监视和控制。

简介：在铁路货运电子商务系统中,预订车票登录界面验证码图像中字符,提出了一种基于卷积神经网络（CNN）的铁路货运验证码识别方法.先对验证码图像进行预处理得到单个字符,再对单字符图像数据建立CNN模型进行迭代训练.该方法针对铁路货运验证码图像特征,图像字符分割正确率接近100%,单个验证码字符正确识别率达98%以上,单张验证码图像识别率接近93%.试验表明,该方法对铁路货运验证码识别率较高,可应用于验证码的自动识别.

简介：密歇根大学两位计算机科学家及IEEE院士DavidBlaauw和DennisSylvester日前在旧金山IEEE国际固态电路大会（ISSCC）上发表了10篇有关＂智能微尘（M3,MichiganMicroMote）＂毫米级计算机的论文。毫米计算机将搭载深度学习神经网络芯片,而且功耗极低。