基于神经网络的永磁同步电动机自调整速度控制器的设计与分析。

14篇论文内容分别如下： R-CNN，Fast R-CNN，Faster R-CNN，Cascade R-CNN，Mask R-CNN，Grid R-CNN，R-FCN，YOLO，SSD，FPN，RetinaNet，CornerNet，FoveaBox，Ours

基于神经网络的车牌识别，点击即可运行，内容包含：图像预处理，车牌水平矫正，字符分割，三层神经网络模型训练，字符识别显示，制作了简易的GUI界面，便于输出显示！

针对机械臂轨迹跟踪控制中存在建模误差以及外界干扰造成的控制性能下降问题，提出一种改进的自适应神经滑模控制方法。分别选取状态反馈和改进的神经网络滑模方法来控制系统的确定部分和不确定部分。利用神经网络的非线性 映射能力自适应地学习系统不确定性的未知上界，其输出作为滑模控制器的动态补偿项，Ｌｙａｐｕｎｏｖ函数法推导得到神经网络权值更新律。为保证神经网络映射的有效性，提高收敛速度，采用遗传算法对神经网络结构参数进行优化。双关节机械臂系统的仿真结果表明了该方案的有效性。

基于神经网络集成的单个飞行事件噪声预测模型

研究了离焦量、脉冲能量、扫描间距、扫描速度和重复频率等激光加工参数对金属表面着色及微纳结构制备的影响机理，诱导制备了氧化膜、类光栅、凹坑和柱状突起4种结构，这些结构会使不锈钢表面产生薄膜干涉、光栅衍射和陷光等现象。通过Matlab软件在工艺参数与颜色HSB值之间建立了一个单隐含层的反向传播（BP）神经网络，该神经网络的训练均方根误差为0.0078，色相H、饱和度S和亮度B的测试相对误差分别为23%，10.4%和5.6%。该神经网络在一定程度上揭示了工艺参数与颜色之间的映射关系，使用该神经网络模型可以对激光着色效果作出有效的预测。

脉冲耦合神经网络（Pulse Coupled Neural Network ， PCNN ）是一种新型神经网络模型，作为研究图像分割的常用方法，一直广受关注。针对目前大量文献关注PCNN模型仿真实现研究的情况，本文基于PCNN模型提出了将最小交叉熵分割算法在FPGA硬件平台上进行实现。相比于传统的PCNN软件实现以及最大信息熵分割算法实现的方案，本文提出的图像分割方案最佳分割精准度高，具有处理速度快，实时性强，图像分割效果好的优势，应用范围更广，因此该设计具有较高实际应用价值。

南阳陶岔作为南水北调中线工程的渠首闸所在地，掌握其水质变化情况、预防污染事件的发生至关重要。基于环保部门的水质检测数据，选取pH、溶解氧、高锰酸盐指数、氨氮作为研究指标，通过主成份加权分析模型和BP神经网络模型，对陶岔的水质进行了有效的评价和较高精度的预测。结果表明，陶岔水质总体较好，可达II级以上，评价准确率为81.25%；预测的最大误差为4.75%，平均误差0.7%，预测精度较高。

通过神经网络识别法对字符进行识别，进而实现车牌识别

基于神经网络的时间序列预测方法，林婉虹，周文龙，本文是一种基于神经网络时间序列来预测问题的一种优化算法，神经网络的并行处理强大的非线性映射能力，即它可以把许多非线性信号