基于人工智能的设备颜色特性化方法鲁棒性对比研究

设备颜色特性化是色彩管理技术得以顺利实现的关键技术之一,其核心是设备相关颜色空间和与设备无关颜色空间之间的相互转换。本研究首先定义颜色空间转换方法的鲁棒性概念及其评价方法,在此基础上,对基于模糊控制的颜色空间转换方法、基于动态子空间划分的BP神经网络颜色空间转换方法和基于模糊神经辨识的颜色空间转换方法等基于人工智能的颜色空间转换方法的鲁棒性做了比较研究。研究结果显示：基于模糊神经辨识的颜色空间转换方法能够结合BP神经网络和模糊控制的特点,使其鲁棒性得到很大的提高。     

基于神经网络的数码相机颜色空随转换方法研究

数码相机作为一种常见的图像采集设备被广泛应用,对其进行颜色空间转换的研究具有重要的应用价值。文中研究了基于神经网络的数码相机颜色空间转换中的6个影响因素,提出了利用数据归一化预处理解决函数收敛性问题的方法,并分析了合理设定目标误差对优化系统性能、提高运算效率的作用。实验在2种不同的光源下,采用该转换方法对3款不同型号的数码相机进行研究和评价,得到△E^＊ab≤6的转换结果,证明基于神经网络的数码相机颜色空间转换的实用性。     

彩色复制中颜色信息传递算法的研究进展

本文深入分析了彩色复制过程中造成阶调失真的主要原因,重点阐述了颜色传递过程中引入误差的影响。将颜色传递过程分解为色域映射和色空间转换两大类算法,首先对色域映射边界的描述以及基于图像的色域映射算法的选择问题进行了分析;对色空间转换常用的三种算法,即多项式回归、神经网络和三维插值等算法进行了对比和分析,并列举了当前这一领域的研究现状和今后的发展方向。     

全自动电脑调浆系统

主要技术特点: 1.色彩空间理论和范倒推算法 在全自动电脑调浆系统中,将色彩空间理论运用于印染调浆的颜色分析,利用测色仪将样品颜色转化为LAB颜色数据,通过LAB颜色空间与CMYK颜色空间的相互转换,从管颜色系统转换到染料颜色系统;并利用范例推理、比较等算法,对每种颜色的历史配方书进行智能化筛选,从而辅助人工专却、快速的制定工艺和染料配方方案.     

基于机器视觉的铁路信号灯检测技术

为解决铁路安全运输问题,对基于机器视觉的铁路信号灯检测方法进行仿真图像和视频检测实验研究。阐述了铁路信号灯图像在不同颜色空间下的特性及其对铁路信号灯识别的影响,将其由RGB颜色空间转换为HSV颜色空间。通过Canny算子、腐蚀膨胀以及开闭运算等技术提取铁路信号灯图像的几何特征,通过Hough检测,对图像中铁路信号灯进行定位。对定位的信号灯进行颜色提取,从而识别出信号灯的类别。根据多种天气情况下的铁路信号灯图像进行仿真实验分析,进一步对采集的列车行驶视频进行实验分析,优化检测方法。研究结果表明,提出的铁路信号灯检测模型,能够支持复杂背景下的铁路信号灯类别的有效识别。通过机器视觉技术实现铁路信号灯的检测和识别,是提高铁路运输安全性的一种有效方法。     

基于BP神经网络的短期负荷预测

电力系统负荷预测的重要性、分类和主要预测方法,BP神经网络算法的基本理论和预测过程,建立基于BP神经网络的短期负荷预测模型,以加州24 h的电力负荷预测为例进行MATLAB仿真,结果显示预测精度符合电力系统要求。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

基于改进BP神经网络的蜂窝纸板缓冲特性模型

本文利用BP神经网络在非线性建模方面的特殊优势,建立了蜂窝纸板缓冲特性的神经网络模型,并通过动态调整权值改进了BP神经网络的收敛速率。用MATLAB软件进行仿真试验,结果表明:蜂窝纸板的神经网络特性模型能较好地模拟实际的蜂窝纸板缓冲特性,可用于缓冲包装设计。     

基于BP神经网络的老汴河幸福河湖治理效果评价方法

为提高河湖治理评价效果,以老汴河某河道为研究区域,引入BP神经网络理论,设计幸福河湖治理效果评价方法。选取评价指标,构建河湖治理效果评价体系,并完成指标权重地计算;基于BP神经网络完成治理效果评价模型地构建,实现对老汴河幸福河湖治理效果的评价。实验结果表明,所提方法预测结果与治理期望结果较为吻合,应用效果较好,具有一定应用价值。     

BP神经网络的钢管纤维混凝土柱疲劳破坏研究

为了预测钢管纤维混凝土柱极限强度,提出基于BP(Back Propagation,反向传播)神经网络预测的方法。将基于BP神经网络预测的结果与试验和数值计算结果对比分析,验证了基于BP神经网络的钢管纤维混凝土柱疲劳破坏点预测具有正确性和有效性。     

高技术项目投资风险评价的研究

在对高技术项目投资风险因素分析的基础上,构造项目风险的评价指标体系,建立基于模糊数学和BP神经网络的项目风险评价模型,运用实例对BP神经网络进行了训练和检测,取得了较好的结果.该方法有利于技术创新的控制和创新项目投入的正确决策,提高企业稀缺技术资源的利用效率.     

基于BP神经网络的企业虚拟度评价与实证分析

虚拟企业是21世纪企业的潜在发展模式,在研究企业虚拟度内涵的基础上,全面考察影响企业虚拟化程度的各种因素,构建企业虚拟度评价指标体系,提出了一种基于BP神经网络的企业虚拟度评价方法.通过MATLAB神经网络工具对其进行模拟计算,并以浙江大唐袜业集群为例验证模型的可靠性.实证分析表明该方法为企业虚拟度评价提供了一种有效实用的方法.     

基于粒子群神经网络的供应商评价模型及应用

供应链管理成为当今的研究热点,能否选择合适的供应商成为供应链构建成败的关键,而供应商评价是这个选择过程的重要组成部分.本文比较了供应商评价的各种方法,在重点研究了BP神经网络算法的基础上,针对其训练速度慢和容易陷入局部极小点的局限性,提出了一种粒子群优化BP神经网络评价模型.通过实例用Matlab进行仿真,与传统的BP网络模型比较,得出粒子群神经网络在供应商评价中更加有效.     

基于CEEMD-BP神经网络大数据轴承故障诊断

基于BP神经网络的智能诊断方法,应用于离心泵的滚动轴承故障诊断中。将原信号经过CEEMD分解进行降噪处理,重构信号并求出时频域特征参数;选取合适的时域特征参数(峭度指标、峰值指数等)和频域特征参数(重心频率、均方频率等),作为BP神经网络的输入;确定网络层的数目、各层节点数目和初始权值大小,进一步明确诊断模型;对比实际输出值与理论输出,推导滚动轴承的故障状态。实践证明,由于BP神经网络在信号处理方面具有很强的数据拟合能力,这种方法在大数据滚动轴承故障诊断中取得良好应用效果。     

基于MEA-BP神经网络建筑工程造价指数预测

为了对建筑工程造价指数进行准确有效预测,提出一种基于MEA-BP神经网络的预测方法.在收集天津市2017年1月—2020年9月的45组建筑工程造价指数样本的基础上,利用思维进化算法(Mind Evoluti-onary Algorithm,MEA)对BP神经网络的初始权值和阈值进行优化处理,构建基于MEA-BP神经网络...     

基于回声状态神经网络风电齿轮箱故障诊断方法

增速齿轮箱是大型风力发电机组的关键部件,应采用合适的方法进行故障诊断对其运行状态进行预测。本文提出了基于小波包和回声状态神经网络的齿轮箱故障诊断方法。首先利用小波包分解风机齿轮箱的故障信号,能够得到振动信号位于不同频段的故障特征,接着对不同频段的故障特征频率做归一化处理,进而组成故障特征向量,最后将特征向量输入回声神经网络模型得到故障类型。该方法减小了传统的BP神经网络模型神经网络算法陷入局部最优解的风险,提高了网络的收敛速度。     

基于遗传神经网络的煤与瓦斯突出预测研究

为提高煤与瓦斯突出预测的效率和准确率,在煤与瓦斯突出影响因素分析的基础上,将遗传优化算法与BP神经网络相结合,对煤与瓦斯突出进行预测,避免了单纯神经网络易陷入局部最优问题。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的相关数据,选取典型的突出样本对建立的遗传神经网络模型进行训练,对训练好的网络进行仿真预测,结果与实际情况相一致。     

GA －BP 神经网络模型在地区工业技术创新能力评价中的应用

针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA－BP神经网络模型在以下几方面做出了改进：①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008～2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。     

L-M贝叶斯正则化BP神经网络在红外CO_2传感器的应用

针对温度会影响红外CO_2传感器的输出电压,造成对CO_2的浓度检测误差较大的问题,提出了一种基于L-M贝叶斯正则化BP神经网络的温度补偿方法。实验中将传感器输出电压比和温度作为神经网络的输入,CO_2浓度作为神经网络的输出,并通过L-M算法和贝叶斯正则化对神经网络进行优化。经过实验仿真证明,在温度补偿后红外CO_2传感器测量输出的浓度值最大相对误差为4.557 8%,具有较高的精确度。因此L-M贝叶斯正则化BP神经网络能对红外CO_2传感器进行有效的温度补偿,可为相关红外传感器仪器的改进提供参考。     

高斯型模糊逻辑系统的BP算法及其应用

在模糊逻辑控制和神经网络理论的基础上给出了高斯型模糊逻辑系统及其 BP算法 ,并给出了 BP算法的一种初始参数的选择方法和反向调整参数的公式 ;还构造了基于高斯型模糊逻辑系统的辨识器并在 Matlab5.1平台上作了仿真实验 ,仿真实例说明了这种算法的可行性和可靠性。有待进一步研究讨论的是如何更好地选择初始参数以获得更好的跟踪效果