神經(jīng)網(wǎng)絡(luò)技術(shù)在計(jì)算機(jī)通信中的運(yùn)用

陳效軍

摘 要

神經(jīng)網(wǎng)絡(luò)據(jù)有學(xué)習(xí)能力和聯(lián)想化的功能和混沌行為的特點(diǎn)，被廣泛的應(yīng)用于計(jì)算機(jī)網(wǎng)絡(luò)通信中。本文詳細(xì)論述神經(jīng)網(wǎng)絡(luò)的原理，在此基礎(chǔ)上以車牌計(jì)算機(jī)識(shí)別定位系統(tǒng)為例，對(duì)神經(jīng)網(wǎng)絡(luò)相關(guān)分類方法、工作流程等進(jìn)行了計(jì)算機(jī)通信的應(yīng)用解析，綜合分析其在通訊系統(tǒng)中的應(yīng)用。

【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò)技術(shù) 計(jì)算機(jī)通訊 運(yùn)用

由于神經(jīng)網(wǎng)絡(luò)的獨(dú)特性能，神經(jīng)網(wǎng)絡(luò)技術(shù)不但大量應(yīng)用于故障分析、模式識(shí)別、自動(dòng)控制領(lǐng)域，還在計(jì)算機(jī)網(wǎng)絡(luò)通訊領(lǐng)域也被廣泛的使用。正是因?yàn)樯窠?jīng)網(wǎng)絡(luò)具有學(xué)習(xí)映射、聯(lián)想花功能、混沌行為的特點(diǎn)，所以它可以在目前的寬帶網(wǎng)技術(shù)問題上提供理論上的解決辦法。當(dāng)前，計(jì)算機(jī)技術(shù)的車牌識(shí)別定位系統(tǒng)所需要識(shí)別的圖像大部分都是室外攝像頭拍攝到的，若是遇到強(qiáng)降雨或者大霧等惡劣天氣，車牌上面的數(shù)字就很難采集到，神經(jīng)系統(tǒng)可以有效解決這一問題，雖然神經(jīng)系統(tǒng)應(yīng)用于識(shí)別車牌是沒有必要的，但是本文將基于這個(gè)簡單的系統(tǒng)來介紹神經(jīng)網(wǎng)絡(luò)技術(shù)。

1 車牌計(jì)算機(jī)識(shí)別定位技術(shù)

車牌識(shí)別技術(shù)是我國智能交通系統(tǒng)的一個(gè)關(guān)鍵的組成部分，被廣泛的應(yīng)用于數(shù)字圖像技術(shù)、生物識(shí)別技術(shù)和人工智能技術(shù)領(lǐng)域。車牌識(shí)別系統(tǒng)被廣泛的用于公安刑偵部門的車輛違規(guī)行駛檢測(cè)、失竊車輛檢測(cè)、車輛違章停車，交通管理部門的實(shí)時(shí)路況檢測(cè)、高速公路收費(fèi)，物業(yè)管理部門的小區(qū)停車收費(fèi)系統(tǒng)、進(jìn)出入安全系統(tǒng)等。實(shí)際應(yīng)用中采用的較多的車牌識(shí)別系統(tǒng)方法有特征檢驗(yàn)法、模板匹配法和神經(jīng)網(wǎng)絡(luò)法。其中，大多數(shù)基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別定位系統(tǒng)都是首先要采集足夠數(shù)量的車牌圖像樣本作為帶檢測(cè)的圖像，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行識(shí)別，檢測(cè)達(dá)到預(yù)定的正確率后即可停止；然后對(duì)需要識(shí)別定位的車牌圖像用圖像二值化、直方圖等方法進(jìn)行預(yù)處理，降低外界光線對(duì)車牌圖像的影響，之后利用濾波器消除圖像的噪聲干擾，最后將完成預(yù)處理的車牌圖像傳送到神經(jīng)網(wǎng)絡(luò)搜索系統(tǒng)來對(duì)車牌進(jìn)行定位。

2 神經(jīng)網(wǎng)絡(luò)技術(shù)介紹

2.1 神經(jīng)網(wǎng)絡(luò)的分類方法

常見的神經(jīng)網(wǎng)絡(luò)的分類方法有遵循網(wǎng)絡(luò)連接拓?fù)浣Y(jié)構(gòu)的分類方法和遵循網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)流向的分類方法。按照網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可以將神經(jīng)網(wǎng)絡(luò)分為層次型結(jié)構(gòu)和互聯(lián)型結(jié)構(gòu)，其中層次型結(jié)構(gòu)式指網(wǎng)絡(luò)中層與層之間有神經(jīng)元相互連接但同一層次的神經(jīng)元之間沒有連接；而互聯(lián)型結(jié)構(gòu)網(wǎng)絡(luò)中的每個(gè)神經(jīng)元之間都可以相互連接，互聯(lián)型結(jié)構(gòu)還可以細(xì)分為稀疏互聯(lián)型、局部互聯(lián)型和全部互聯(lián)型。按照內(nèi)部數(shù)據(jù)流向可以分為前饋性神經(jīng)網(wǎng)絡(luò)和反饋型神經(jīng)網(wǎng)絡(luò)，前饋性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與層次型網(wǎng)絡(luò)結(jié)構(gòu)相似，數(shù)據(jù)流的方向統(tǒng)一從網(wǎng)絡(luò)輸入層傳遞到網(wǎng)絡(luò)隱藏層，最后傳遞到網(wǎng)絡(luò)輸出層，傳遞過程中網(wǎng)絡(luò)沒有反饋回路，應(yīng)用比較廣泛的是BP神經(jīng)網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)。反饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)域單層互聯(lián)網(wǎng)結(jié)構(gòu)相似，反饋型神經(jīng)網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)都可以進(jìn)行數(shù)據(jù)處理和向外界輸出數(shù)據(jù)，其代表是Hopfield神經(jīng)網(wǎng)絡(luò)。并且一般前反饋型神經(jīng)網(wǎng)絡(luò)的識(shí)別能力和分類能力都優(yōu)于反饋型神經(jīng)網(wǎng)絡(luò)。

2.2 前反饋型神經(jīng)網(wǎng)絡(luò)

前反饋型神經(jīng)網(wǎng)絡(luò)的基本數(shù)據(jù)信號(hào)包括函數(shù)信號(hào)和誤差信號(hào)兩種，其中函數(shù)信號(hào)是要由網(wǎng)絡(luò)輸入端傳遞進(jìn)入經(jīng)過網(wǎng)絡(luò)隱藏層神經(jīng)元的處理，逐步傳遞到網(wǎng)絡(luò)的輸出層形成正向傳播的輸出層函數(shù)信號(hào)。誤差信號(hào)是在網(wǎng)絡(luò)實(shí)際輸出的誤差高于設(shè)定的預(yù)計(jì)誤差時(shí)產(chǎn)生的信號(hào)，它的傳遞方向與函數(shù)信號(hào)相反，從網(wǎng)絡(luò)輸出層傳遞到網(wǎng)絡(luò)隱藏層到網(wǎng)絡(luò)的輸入層，通過修改權(quán)值使誤差達(dá)到最初的要求。

前反饋型神經(jīng)網(wǎng)絡(luò)包括學(xué)習(xí)和識(shí)別兩個(gè)過程，學(xué)習(xí)是把準(zhǔn)備好的信息樣本輸入到前饋神經(jīng)網(wǎng)絡(luò)中，通過網(wǎng)絡(luò)隱藏層和輸出層的處理得到實(shí)際的輸出數(shù)值，將輸出數(shù)值與預(yù)定的期望數(shù)值進(jìn)行比較，確定誤差數(shù)值在允許的范圍之內(nèi)后輸入下一個(gè)樣本；若是超出允許范圍，就要進(jìn)行反向傳播并修改權(quán)值，再繼續(xù)下個(gè)學(xué)習(xí)過程，重復(fù)上述過程。識(shí)別過程是把待識(shí)別的信息樣本傳遞輸入到前反饋型神經(jīng)網(wǎng)絡(luò)之中得到識(shí)別結(jié)果，由于神經(jīng)網(wǎng)絡(luò)具有良好的記憶能力和聯(lián)想能力，識(shí)別與之前的學(xué)習(xí)樣本相似待識(shí)別的信息樣本，得到正確識(shí)別的幾率很高，又由于神經(jīng)網(wǎng)絡(luò)具有良好的糾錯(cuò)性和容錯(cuò)性，就算待識(shí)別的樣本與之前學(xué)習(xí)的樣本不同，甚至是有較大的噪聲和干擾，按照整體的特征對(duì)樣本進(jìn)行記憶，依然能夠有效地對(duì)樣本進(jìn)行正確識(shí)別。

3 車牌識(shí)別定位系統(tǒng)

本文中介紹的車牌定位識(shí)別系統(tǒng)中包括車牌定位模塊、字符分隔模塊和字符識(shí)別模塊。車牌定位模塊包括車牌圖像的灰度化、圖像平滑化、圖像增強(qiáng)和車牌定位；字符分割模塊包括車牌圖像為之校正、提出車牌上下便可、車牌字符分隔、車牌字符歸一化處理；字符識(shí)別模塊則包括神經(jīng)網(wǎng)絡(luò)訓(xùn)練和識(shí)別。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自適應(yīng)能力、學(xué)習(xí)能力強(qiáng)、聯(lián)想容錯(cuò)功能強(qiáng)、抗噪聲干擾能力強(qiáng)的優(yōu)點(diǎn)，使其在各個(gè)領(lǐng)域都被廣泛的研究和應(yīng)用。目前，大多數(shù)車牌識(shí)別定位技術(shù)都是基于BP算法的前饋性神經(jīng)網(wǎng)絡(luò)，并且具有很好的效果，但是其中還是存在一些問題，車牌定位識(shí)別技術(shù)還可以進(jìn)一步發(fā)展。由于BP算法是基于梯度不斷下降的，很容易在學(xué)習(xí)的過程中陷入到局部尋優(yōu)中，從而無法得到全局的最優(yōu)解，除此之外，BP算法的網(wǎng)絡(luò)初始值的是根據(jù)經(jīng)驗(yàn)而設(shè)置的，若是初始值的選擇不合理，就會(huì)出現(xiàn)算法收斂速度下降甚至是不收斂的現(xiàn)象。若是在其中引入遺傳算法，就可以彌補(bǔ)其中的不足之處，可以取得更好的效果。

4 總結(jié)

科學(xué)技術(shù)的不斷發(fā)展，使人們的生活越來越方便，神經(jīng)網(wǎng)絡(luò)技術(shù)在通信中的運(yùn)用，可以幫助解決之前無法解決的一些技術(shù)難題，除了在車牌定位識(shí)別系統(tǒng)中的應(yīng)用之外，還應(yīng)用于ATM網(wǎng)絡(luò)通訊系統(tǒng)、輔助測(cè)量識(shí)別系統(tǒng)等系統(tǒng)中，它在各個(gè)領(lǐng)域應(yīng)用的同時(shí)也存在著一些問題，需要專業(yè)人士不斷地改進(jìn)，為人類的生活提供更加便利的條件。

參考文獻(xiàn)

[1]孫蓓蓓.神經(jīng)網(wǎng)絡(luò)技術(shù)在計(jì)算機(jī)通信中的應(yīng)用[J].煤炭技術(shù)，2014，33（01）：202-204.

[2]單元偉.神經(jīng)網(wǎng)絡(luò)技術(shù)在錄井參數(shù)解釋中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2014（04）：21-24，27.

[3]郭麗娟.神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)中的應(yīng)用[J].價(jià)值工程，2012，31（21）：187-189.