简介：随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。

简介：结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1～5].本文主要研究了小波神经网络在路面破损识别中的应用,并与传统的BP神经网络作了对比.试验结果表明,在相同的训练样本情况下,小波神经网络的精度高于BP神经网络.为开发更为高效的路面破损自动检测系统提供新的思路.

简介：在传统神经网络的基础上,引入小波函数而构成的小波神经网络具有极强的函数映射能力,在图像压缩领域有着较多应用.为了进一步提高图像的压缩质量,引入了遗传算法对传统小波神经网络算法进行改进,在对小波基平移和伸缩参数系数进行寻优时,将其作为种群初始化,经过选择、交叉和变异,获得最佳染色体,最后将最佳染色体转化成对应的权值、伸缩系数和平移系数从而进行小波神经网络映射.实验结果表明,改进后的小波神经网络图像压缩方法相较传统小波神经网络法,均方误差分别降低了14.8%和16.7%,图像信噪比分别提高了9.15%和7.11%,图像压缩质量有了较大提高.

简介：小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度.从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生.

简介：摘要建立基于小波分析和神经网络现相结合的商业体电力负荷预测模型，通过修正网络权值和小波基函数系数，使网络模型的的输出无限逼近真实负荷，为商业体前期的方案设计和后期的运营管理提供了技术支持。最后通过Matlab仿真来验证了此法的可行性。

简介：城市交通流具有复杂性、随机性、模糊性和非线性的特点,城市交通流的准确预测对于解决城市交通问题具有现实意义。针对RBF网络存在的隐层节点中心难以求得的问题,通过构建的小波神经网络对扬州市文昌西路时代广场路口东西方向的交通流进行仿真预测。结果表明,小波神经网络可以准确地、实时地预测交通流,与RBF网络的预测结果对比,小波神经网络拥有相对较高的预测精度。

简介：摘要高铁隧道变形监测过程中有很多不确定因素导致获得的监测数据包含很多随机误差，利用小波分析理论先对数据进行降噪处理，再通过小波分析与经典的人工神经网络相结合，建立小波神经网络模型进行预测。与BP网络模型相比，经过小波函数降噪后再进行预测模型的建立所获得的预测结果精度更高，误差小，在高铁隧道的变形监测研究中有很好的应用前景。

简介：摘要在阐明绿色施工概念的基础上构建了绿色施工的评价指标体系。概括介绍了基于小波神经网络评价方法的基本原理,并分析了该方法应用于绿色施工评价的优越性。详细论述了基于小波神经网络的绿色施工评价模型的建立过程,包括小波神经网络的建立、学习训练,以及结果的检验等。实例证明该模型有效、可靠，对指导实际工程具有重要意义。

简介：图7优化小波神经网络函数逼近情况,图9BP算法训练的小波神经网络函数逼近情况,优化小波神经网络的函数逼近情况

简介：通过对仿射离散小波框架的分析，用离散仿射小波变换时频局部化集中与神经网络的有关理论，研究了前传神经网络的组织结构与简化，提出了处理方案，并利用此理论对波函数的逼近给出了一般算法．

简介：图7优化小波神经网络函数逼近情况,图9BP算法训练的小波神经网络函数逼近情况,图6BP算法训练的小波神经网络函数逼近情况

简介：为了提高P波检测准确率,利用小波变换模极大值对在多尺度上的变化规律能表征信号突变点的性质,结合人体生理特性的检测策略进行心电信号P波的跨尺度检测.同时,引入反向传播神经网络对已检出的准P波再次进行确认与识别.经MIT数据库实验表明,P波检测准确率达到97%.

简介：以风电功率预测为背景,将小波理论与神经网络结合,在BP神经网络模型的结构基础上构造了小波神经网络,并提出了基于附加动量法改进的小波神经网络。利用附加动量的小波神经网络建立天气预报数据与发电功率的映射模型,并进行实际预测。利用MATLAB进行仿真,验证了设计预测模型的实际可行性,并且预测精度满足相关要求。

简介：

简介：提出了一种将小波变换同神经网络相结合的方法,旨在克服由于广为采用的神经网络在对不定信息处理方面存在的不足和容易陷入局部极小值的问题,将小波变换与神经网络相结合,利用混沌轨道的游动性有利于系统跳出局域极值的束缚而寻求全局最优.仿真结果表明,此种算法快速、有效,能很好地解决某些复杂的辨识问题.

简介：摘要：随着人工神经网络在计算机科学、自动控制和人工智能等领域都获得了广泛的应用，同时也为查出潜在用电用户窃电行为提供了一种新的方法。利用改进后小波神经网络在非线性映射领域的独特优势，基于窃电用户用电数据信息构建反窃电指标评价体系，再通过在反窃电实例应用的对比分析来验证方法的有效性和优越性。

简介：摘要：电力工业在国民经济中扮演着重要的基础性产业的角色，电费的及时收回是确保电力发展的必要条件。但目前我国窃电现象仍普遍存在，且窃电行为变得更加复杂化、智能化，传统的反窃电手段无法有效辨识出用电用户的窃电行为，供电线路的线损率居高不下，我国电力企业每年因窃电产生的损失高达 200 多亿，严重影响了社会供用电的正常秩序。因此，对用户用电状态进行有效的评估，从而开展高效的反窃电工作，对于降低电力企业经济损失、保证电能的合理供用及电力发展的稳步进行具有重要的意义。

简介：摘要： 倒立摆控制系统是一个典型的高阶次、不稳定、多变量、非线性和强耦 合控制系统。本文先对基于 LQR的二级倒立摆进行建模，设计一个最优控制器，并对基于 LQR的二级倒立摆在 Matlab中计算模型参数，再建立 Simulink的模型，进行仿真实验，然后以其状态反馈为模板对神经网络进行训练，再用神经网络作为系统的控制器，在 Matlab中对倒立摆系统进行仿真实验。最后对 LQR和神经网络两种倒立摆控制方法的仿真结果进行对比。

简介：文章在介绍小波神经网络优点的基础上,提出了将小波神经网络优异的逼近能力应用于非线性系统预测控制的方案,并建立了预测控制系统的数学模型,通过仿真实验比较小波神经网络和同等规模BP神经网络的性能,对于非线性系统的预测控制具有一定的参考价值。

简介：摘要电力系统的运行设计很多设备，不同设备在整个电力系统中所承担的角色和任务也不同。电力变压器作为连接输电线路和用户的中间环节，对电力系统的安全稳定运行具有重要意义。正是因为其在电力系统中的重要地位，所以我们需要对电力变压器故障进行及时处理，并对各种潜在故障进行研究。基于此，本文结合小波神经网络，分析该网络在电力变压器故障诊断中的应用。