一种识别交通标志的多层次化神经网络结构

The categorical distribution (figure 3.3) is a discrete distribution that determines the probability

多层光学神经网络

popfnn神经网络,它是一种模糊伪输出的神经网络(pseudo-outer-production fuzzy nerual network).可用于模式识别

设计了一种二级网络结构的仓库参数检测系统,增强了系统安全性和可靠性,提高了整体性价比:底层的无线射频网络避免了烦琐的布线工作,同时降低了成本;高层的以太网具有远距离传输优点,并实现了数据资源的共享;系

针对在线模块化神经网络难以实时有效划分样本空间,提出一种改进的在线自适应模块化神经网络.首先,基于距离与密度实时更新样本局部密度及RBF神经元中心,实现样本空间在线划分;然后,将子网络模块数根据划分样

借鉴仿生学原理, 基于大脑皮层结构提出一种新型侧抑制神经网络(S-LINN) 模型. 通过模拟大脑皮层内锥体神经元和抑制神经元的连接特点, 在多层结构的S-LINN 的不同层神经元之间引入跨越连接,

通过变换RGB空间颜色值并分割图像, 利用标记图为特征的形状分类器检测城市环境中的交通标志. 为了 提高分类准确度, 用两种模型表示方法分类交通标志: 1) 结合二元树复小波变换和二维独立分量分析提取

gtsrb.torch,基于Torch的交通标志识别gtsrb.torch本文介绍了如何使用Torch在GTSRB数据集上训练卷积神经网络，以及如何用空间转换器层来提高state-of-the-art

linux下的无人车交通标志牌识别

在恶劣的天气条件下，驾驶员对路上交通标志的识别变得异常困难，为了解决这一问题，我们基于MATLAB设计了一个交通标志识别系统，不仅具有简洁易懂的GUI界面，还可以通过语音播报将识别结果直接传递给驾驶员