南开大学现代光学研究所,国家教育部光学信息科学技术开放实验室, 天津 300071
利用级联神经网络模型对多个三维目标进行识别,为提高其正确识别率,提出多种优化方法,它们可单独使用,也可以联合使用。对不变性编码、算法、互连权重的二值化方法、样本优选等进行了研究和探讨。利用优化后的模型对三个飞机模型在视场内的任意位置、任意取向(面内旋转360°,面外旋转大于45°)的投影进行识别。计算机模拟表明正确识别率达到96%以上。
神经网络 级联模型 模式识别 互连权重
南开大学现代光学研究所,国家教委光学信息科学技术开放实验室, 天津 300071
提出了一种适于光学实现的神经网络模型和算法,通过对3种飞行器平面内旋转投影图的识别,证明了该方法具有对多目标转动不变的模式识别能力。
互连权重 灰度阶 适应截值
在增量算法的基础上,利用截断(Clipping)方法和蒙塔卡罗(Monte Carlo)算法,对以四类飞行目标平面旋转投影作为学习样本的级联神经网络互连权重进行了二值优化处理,并用非学习样本进行了容错性检验,计算机模拟得到了满意的结果。
模式识别系统 神经网络互连权重 灰度阶 二值化
针对Hopfield网络模型在存储模式不满足0和1状态均匀分布及数目对等的条件下存储容量及寻址能力下降的缺点,提出并用光束方向编码光学实现了三值(1,0,-1)互连的分区适应截值模型,并把这一模型应用到交通标志的识别中,结果表明该模型及光学系统有很好的稳定性。
神经网络 互连权重 分区适应截值 正交化算法