张秀玲

作品数：87被引量：378H指数：10
导出分析报告
供职机构：燕山大学更多>>
发文主题：神经网络模式识别板形自适应控制RBF神经网络更多>>
发文领域：自动化与计算机技术金属学及工艺电气工程文化科学更多>>
发文期刊：《电气传动自动化》《中国机械工程》《小型微型计算机系统》《河北工业科技》更多>>
所获基金：国家自然科学基金河北省自然科学基金河北省教育厅科学技术研究计划燕山大学科技发展基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于科研平台的研究生创新能力培养被引量：5
《电气电子教学学报》2022年第4期21-25,共5页刘福才 李倩 刘林 魏立新 张秀玲 
教育部2021年第二批产学合作协同育人项目(202102341027);河北省研究生示范课程建设项目(KCJSX2021024);燕山大学研究生教育教学改革重点资助项目(JG201505);燕山大学研究生课程思政教学建设与改革项目(SZJG201922);燕山大学研究生教育教学改革项目(JG201610,JG201715)。
科研平台是培养研究生科研水平和创新能力的主要载体。建立具有实用价值的科研平台,对于专业硕士综合素质的提高和创新能力的培养具有重要意义。以燕山大学“电子信息类控制工程领域专业硕士培养”为例,介绍了近几年专业硕士研究生实践...
关键词：研究生 科研平台 创新能力 
基于改进LeNet-5网络的车牌字符识别被引量：12
《沈阳大学学报（自然科学版）》2020年第4期312-317,共6页张秀玲 魏其珺 周凯旋 董逍鹏 马锴 
国家自然科学基金资助项目(61573303)。
引入了Inception-SE卷积模块组来提升LeNet-5网络的广度与深度,运用SE模块增强了有用的特征并抑制了对当前任务用处不大的特征;使用BN层和Dropout优化网络,防止梯度弥散,提升精度;使用全局池化层(global average pooling,GAP)代替全连...
关键词：卷积神经网络 车牌字符识别 LeNet-5网络 Inception-SE卷积模块 识别精度 
混合优化RBF-BP网络的板形缺陷识别被引量：6
《模糊系统与数学》2020年第1期149-156,共8页张秀玲 李家欢 李金祥 魏楷伦 康学楠 
河北省自然科学基金-钢铁联合研究基金项目(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);秦皇岛市科技局自筹项目(201703A229);2016年燕山大学基础研究专项培育课题(16LGY015)。
针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法。首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法...
关键词：模式识别 RBF-BP 混合优化 自组织映射网络 遗传算法 板形 
基于多RBF神经网络的板形数据建模被引量：6
《矿冶工程》2019年第6期124-128,共5页张秀玲 代景欢 康学楠 李金祥 魏楷伦 
河北省自然科学基金-钢铁联合研究基金项目(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);2016年燕山大学基础研究专项培育课题(16LGY015)
常规单RBF神经网络板形识别模型不能全面分离出输入变化对每个特征参数的影响,为此设计了多RBF神经网络板形识别模型,用多个子网络分别识别不同的特征参数,能够更直接、更充分的提取出输入与每个输出的关系。仿真研究结果表明:所设计的...
关键词：板形识别 主成分分析 多RBF神经网络 遗传算法 
多通道交叉融合的深度残差网络脱机手写汉字识别被引量：8
《小型微型计算机系统》2019年第10期2232-2235,共4页张秀玲 周凯旋 魏其珺 董逍鹏 
河北省自然科学基金项目(E2015203354)资助;河北省高校创新团队领军人才培育计划项目(LJRC013)资助;河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100)资助;2016年燕山大学基础研究专项培育课题项目(16LGY015)资助;河北省高等教育学会高等教育科学研究课题重点课题项目(GJXHZ2015-1)资助
针对传统手写汉字识别特征提取过程复杂,识别率低及通用深度学习分类模型判别能力较弱的问题.本文设计了一种多通道交叉融合的深度残差网络模型并对中心损失函数做出了改进.首先,通过对原始数据集进行预处理来降低模型过拟合的风险;然后...
关键词：交叉融合 深度学习 残差网络 中心损失 手写汉字识别 
基于感兴趣区域的CNN-Squeeze交通标志图像识别被引量：13
《交通运输系统工程与信息》2019年第3期48-53,共6页张秀玲 张逞逞 周凯旋 
河北省自然科学基金(E2015203354);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);2016年燕山大学基础研究专项(理工类)培育课题(16LGY015)~~
在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于K-means对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squ...
关键词：智能交通 K-MEANS 感兴趣区域 CNN-Squeeze 交通标志识别 
基于PCA-RBF的板形识别及FPGA软实现被引量：3
《矿冶工程》2019年第1期109-113,共5页张秀玲 代景欢 李家欢 张逞逞 
河北省自然科学基金-钢铁联合研究基金项目(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD201610);2016年燕山大学基础研究专项培育课题(16LGY015)
针对常规神经网络板形识别方法中存在的不足,提出了以PCA替代欧氏距离作为提取特征的手段,并将所设计的PCA-RBF板形识别模型以FPGA为硬件实现载体进行了仿真研究。仿真结果表明,设计的PCA-RBF板形识别模型能够正确识别出板形缺陷,网络...
关键词：PCA RBF神经网络 板形缺陷 板形识别 现场可编程门阵列 
基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别被引量：3
《矿冶工程》2018年第3期127-131,共5页张秀玲 李家欢 魏其珺 董逍鹏 周凯旋 
河北省自然科学基金-钢铁联合研究基金项目(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);秦皇岛市科技局自筹项目(201703A229);2016年燕山大学基础研究专项培育课题(16LGY015)
针对传统优化算法(SNPOM)在辨识RBF-ARX模型参数时易陷入局部最优解的问题,将云遗传算法(CGA)和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM。并以某公司900HC可逆冷轧机板形识别为应用背景,设计了基于CGA-SNPOM优化RBF-ARX的板形缺...
关键词：板形识别 板形缺陷 SNPOM 云遗传 RBF-ARX 
GA优化T-S云推理网络火灾识别模型设计被引量：1
《模糊系统与数学》2018年第3期111-117,共7页张秀玲 侯代标 齐晴 李家欢 张逞逞 代景欢 
河北省自然科学基金-钢铁联合研究基金资助项目(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);2016年燕山大学基础研究专项培育课题(16LGY015);河北省高等教育学会高等教育科学研究课题重点课题(GJXHZ2015-1)
针对传统火灾报警系统存在着准确度不高、误报、漏报及泛化能力不强的问题,设计了一种基于GA(Genetic Algorithm)优化T-S云推理网络火灾探测模型,对模型进行训练和测试。并将T-S云推理网络与模糊神经网络对火灾信号的识别结果进行对比,...
关键词：GA 云模型 T-S云推理网络 火灾信号识别 
深度学习的MPCANet火灾图像识别模型设计被引量：10
《红外与激光工程》2018年第2期40-45,共6页张秀玲 侯代标 张逞逞 周凯旋 魏其珺 
河北省自然科学基金-钢铁联合研究基金(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);2016年燕山大学基础研究专项课题(理工类)培育课题(16LGY015);秦皇岛市科技局自筹项目(201703A229)
针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析(Multilinear Principal Component Analysis,MPCA)深度学习...
关键词：深度学习 MPCANet 张量对象分析 火灾图像识别 
全选清除导出
共9页<123456789>
检索报告 对象比较 聚类工具 使用帮助 返回顶部