简介:随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念,详细描述了BP神经网络的原理,并通过实例进行BP网络设计。同时提出了6种优化方式,分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值,并能通过各种优化方式提高识别精度。
简介:研究了改进的Morris—Lecar(ML)神经元模型的放电节律模式和模式转化的峰峰间期(interspikeintervals,ISIs)分岔结构,通过调节模型中的两个重要参数μ和Vk,发现对于固定的μ,改变Vk,神经元呈现出从倍周期级联分岔到加周期分岔的复杂结构,放电模式从静息态转化为周期、混沌簇放电状态;若选取此分岔过程中的某一Vk值,对μ进行调节,呈现出的ISIs分岔结构在很大程度上取决于单个神经元的放电节律模式,且单个神经元处于混沌簇放电时,肛带来的分岔动力学行为较丰富.由于神经元能够通过动作电位对信息进行编码,所以我们推测,研究神经元的放电节律模式和动作电位的ISIs分岔结构能为理解神经信息编码机制提供线索.
简介:在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。
简介:本文利用Lyapunov—Krasovskii稳定性定理和线性矩阵不等式技术,得到了多时滞区间神经网路全局鲁棒稳定性的一个新的稳定性规则。该规则推广了最近文献中的一些结果,并通过数值仿真证实了结果的正确性。