针对全驱动无人船轨迹跟踪控制问题，本程序基于自适应递归滑模动态面非线性控制方法设计轨迹跟踪控制器，并结合神经网络设计观测器增强系统鲁棒性。

在单图像去模糊中，传统的基于优化的方法和最近的基于神经网络的方法都非常成功，即在金字塔中逐步恢复不同分辨率的锐利图像。在本文中，我们研究了这种策略，并提出了一个规模递归网络（SRN-DeblurNet）来完成这项去模糊任务。与文献[25]中的许多基于学习的方法相比，它具有更简单的网络结构、更少的参数和更容易训练的特点。我们在具有复杂运动的大规模数据集上对我们的方法进行了评估。结果表明，无论在定量还是定性上，我们的方法都比现有的方法有更高的质量。

为了解决居民垃圾分类知识储蓄不足，难以对垃圾进行分类的问题，开发一款 Android 平台的应用软件，以满足居民对日常生活垃圾分类的需要。在 Android 本地部署垃圾分类神经网络模型 ResNeXt-101-32x16d-wsl 实现实时智能垃圾分类，同时在 Android 本地使用 SQLite 存储垃圾物品信息，实现离线文字查询垃圾类别，同时借助“讯飞开放平台”的语音识别功能和本地SQLite 数据库实现语音查询垃圾类别功能。Android 开发采用 Jetpack 组件和 MVVM 模式，经测试，软件及其各模块功能均能正常运行，能够实现辅助居民对垃圾物品进行分类。

一种新的基于神经网络的直线匹配算法，陈忠尧，李永，直线匹配是计算机视觉领域的重要技术之一，是图像拼接、三维重建以及图像配准的一个关键环节，具有非常广泛的应用场景。相比于特

车牌识别系统设计

随着深度互联网时代到来，大数据所蕴含的巨大科学、经济价值逐渐凸显。然而其数据分析方法却存在较高技术壁垒，想要发掘出大数据的价值空间，需要摒弃传统方案，采用新的分析方法。深度神经网络算法采用仿生学习算法整合庞大的异构数据，支持多源信息筛选，可实现时序动态捕捉，从而搭建起大数据转化为价值信息的桥梁。文中着重分析“大数据+神经网络”的深度学习算法在非结构化、模式多变的大数据群中的特征提取模式；并基于无限神经网络的前馈式连接方法，耦合时间参数进行更精确的特征提取与数据预测。最后对其在语音识别和图像分析中的应用进行实例测试，数据结果表明：无限神经网络在数据处理中具备更为强大的计算效率和性能优势。

针对存在不确定性的多机械臂系统,运用RBF神经网络,设计了一种新的滑模同步控制器,解决了多机械臂同步运动问题。根据无向图理论,定义机械臂之间的同步误差和交叉耦合误差。使用自适应律在线更新RBF神经网络权值,逼近并补偿机械臂的运动学不确定性和动力学不确定性。根据Lyapunov方法进行了稳定性分析。最后通过仿真验证了同步控制器的稳定性和有效性。

动员的人体自动测量系统具有高移动性，易于操作和合理的精度。 但是，现有系统专注于准确性和鲁棒性，而不是移动性和便利性。 为了克服这一缺点，这项工作提出了一种动员的自动人体测量系统，该系统使用神经网络（MaHuMS-NN）通过监督学习促进总体测量结果。 基于一般回归NN（GRNN）的MaHuMS-NN选择图像，执行图像处理，对图像进行分割并检测轮廓以提取轮廓中的特征点。 系统测量特征尺寸。 这项工作的重要贡献如下。 首先，MaHuMS-NN是Android平台中第一个用于人体测量的智能系统。 其次，与现有系统不同，MaHuMS-NN可以在优化模型进行预测时进行智能调整，并根据个人特征进行自误差校正。 实验结果表明，与现有系统相比，MaHuMS-NN表现出更好的性能，精度小于0.03 m。

基于神经网络的超临界机组过热汽温设定值优化补偿，知网论文。

恒定时滞下基于神经网络的双边遥距自适应位置跟踪控制