神经网络模式识别技术在自动售货机中的应用研究
摘要 | 第1-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第9-21页 |
·神经网络与模式识别发展概述 | 第9-10页 |
·神经网络模式识别研究历史 | 第10-12页 |
·模式识别的原理和基本概念 | 第12-13页 |
·模式识别的基本要求及其困难 | 第13页 |
·模式识别的系统构成 | 第13-14页 |
·模式识别的传统方法 | 第14-17页 |
·统计模式识别 | 第15页 |
·句法模式识别 | 第15-16页 |
·模糊模式识别 | 第16-17页 |
·神经网络模式识别方法 | 第17页 |
·神经网络模式识别方法与传统模式识别方法的关系 | 第17-18页 |
·神经网络模式识别方法与传统模式识别方法的关系 | 第17-18页 |
·神经网络模式识别的特点 | 第18页 |
·本文研究背景与意义 | 第18-19页 |
·本文的研究内容 | 第19-21页 |
第2章 神经网络模式识别的预处理与特征提取研究 | 第21-29页 |
·引言 | 第21-22页 |
·模式的预处理 | 第22页 |
·消除稳态分量 | 第22页 |
·模式样本的标准化处理 | 第22页 |
·模式的变换域特征 | 第22-23页 |
·离散K-L变换及PCA主分量分析法 | 第23-28页 |
·离散K-L变换 | 第23-26页 |
·PCA主分量分析法的基本原理 | 第26-27页 |
·PCA主分量分析法的计算方法 | 第27-28页 |
·PCA方法的特点 | 第28页 |
·小结 | 第28-29页 |
第3章 人工神经网络理论基础 | 第29-39页 |
·神经网络的生物基础 | 第29-32页 |
·脑的宏观结构 | 第29页 |
·神经网络的结构与功能 | 第29-30页 |
·神经元模型 | 第30-32页 |
·神经网络的基本原理 | 第32-33页 |
·神经网络的结构 | 第32页 |
·神经网络的学习和训练 | 第32-33页 |
·一些典型的常用于模式识别的神经网络模型 | 第33-35页 |
·感知机及BP网络 | 第33页 |
·竞争学习与侧抑制 | 第33-34页 |
·自组织特征映射 | 第34-35页 |
·Hopfield网络 | 第35页 |
·神经网络用于模式识别 | 第35-39页 |
·神经网络模式识别系统概述 | 第35-36页 |
·神经网络模式识别典型做法 | 第36-39页 |
第4章 BP神经网络分析与设计研究 | 第39-51页 |
·引言 | 第39页 |
·基于BP算法的多层前馈网络模型及其学习算法 | 第39-41页 |
·BP多层前馈网络的主要能力 | 第41页 |
·BP算法的局限性及其改进 | 第41-42页 |
·增加动量项 | 第41-42页 |
·自适应调节学习率 | 第42页 |
·BP网络设计 | 第42-48页 |
·信息容量与训练样本数 | 第42-43页 |
·训练样本集的准备 | 第43-46页 |
·初始权值的设计 | 第46页 |
·BP网络结构设计 | 第46-47页 |
·网络训练与测试 | 第47-48页 |
·神经网络的高级开发环境 | 第48-51页 |
·神经网络的开发环境及其特征 | 第49页 |
·MATLAB神经网络工具箱概述 | 第49-51页 |
第5章 神经网络模式识别应用-自动售货机系统设计 | 第51-64页 |
·自动售货机研究的现状及意义 | 第51页 |
·系统概述 | 第51-52页 |
·自动售货过程的控制子系统简述 | 第52-53页 |
·自动售货过程的通信子系统简述 | 第53-54页 |
·硬币的识别原理及其贮退机构简述 | 第54页 |
·纸币识别子系统原理及其设计 | 第54-57页 |
·纸币器数据采集设备的基本原理及设计 | 第54-55页 |
·纸币器硬件设计 | 第55-57页 |
·纸币器软件设计 | 第57页 |
·基于BP神经网络的纸币器货币识别算法设计 | 第57-63页 |
·概述 | 第57-58页 |
·数据预处理 | 第58-60页 |
·货币识别的BP神经网络算法设计与实现 | 第60-63页 |
·小结 | 第63-64页 |
结论 | 第64-66页 |
参考文献 | 第66-69页 |
致谢 | 第69-70页 |
附录A(攻读学位期间所发表的学术论文目录) | 第70页 |