基于高阶神经网络的机械零件形状识别

• 作者: 杨煜普 黄红艳
• 来源期刊: 上海交通大学学报
• 学科: 工学
• 关键词: 高阶神经网络 建模 形状识别 平移、尺度和旋转不变性
• 年，卷（期）: 2001,（8）
• 页码范围: 1144-1147
• 页数: 4页
• 分类号: TP273
• 字数: 2182字
• 语种: 中文
• DOI: 10.3321/j.issn:1006-2467.2001.08.009

摘要

提出了一种机械零件在线自动检测的形状识别系统.该系统以零件各边的长度、角度、圆心角和与邻边夹角4特征来表示零件的形状，并采用高阶神经网络(HONN)，实现了零件的平移、尺度和旋转不变性识别.由于特征参数本身的平移、尺度不变性和循环移位性，可采用二阶HONN构造系统，解决了高阶神经网络中连接的组合爆炸问题.仿真验证了该系统对机械零件的不变性识别能力以及不同参数系统的性能和实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨煜普	上海交通大学自动化系	125	1534	23.0	35.0
2	黄红艳	上海交通大学自动化系	1	35	1.0	1.0