BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议。     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

BP网络及其应用

基函数选取和系数求解是函数逼近中的两个关键问题，目前广泛应用的回归分析或其它映射方法均有局限性。采用人工神经网络中的ＢＰ网较好地解决了这两个问题，对理论和实际的数据进行了比较与验证。结果表明，ＢＰ网络有助于提高数据处理的可靠性与预测的精度。     

BP网络的最大误差学习算法*

综合了标准ＢＰ算法与“批处理”ＢＰ算法的各自特点,提出了一种新的ＢＰ网络的学习算法,该算法既具有“批处理”ＢＰ算法收敛时迭代次数少的优点,又能克服“批处理”算法对大样本集进行学习时每次计算量较大且收敛时间长的缺点,该算法具有“批处理”算法同阶的迭代次数,但每次迭代所需计算工作量大约是“批处理”算法的样本几分之一。     

多时滞泛函微分方程初值问题的一种数值处理方法

本文研究了多时滞泛函微分方程初值问题的数值处理.通过对处理非时滞系统一种隐式格式Runge-Kutta方法的修正,提出一种数值处理该类问题的简单实用迭代格式.     

泛函预测的模糊逼近与最佳逼近

主要对以模糊逼近和泛函微分方程进行时间序列预测问题作进一步的理论研究，给出了几个有关使用该预测方法时，模糊逼近与最佳逼近及其关系的定理，证明了逼近方面及预测方面的一些有意义的结果．     

一类泛函的临界点的存在性定理

基于逼近理论的思想,我们对无穷维实Hilbert空间上一类泛函引入了一种序列指标(或简称S-指标),并对它在泛函的多重临界点问题中的应用作了讨论,从而在理论上为直接处理无穷维Hilbert空间上一类泛函的临界点问题提供了一种新工具。     

提高BP网络性能的一种方法

分析了ＢＰ网络在目标量的极值区存在较大误差的原因,提出了目标量扩展的数据标度化方法·检验结果表明,该方法不但可以消除目标量极值区的大误差现象、提高网络训练的收敛速度,而且还可以使网络具有外推预测功能,即同时提高了ＢＰ网络的训练性能和应用性能·     

基于进化泛函网络的云安全访问控制模型研究

基于角色访问控制模型,结合泛函网络和进化算法得到进化泛函网络,通过重组、变异、计算、选择四项操作形成新群体,直至符合终止条件获取最优结果,构建了具有高动态灵活性和可扩展性的云安全访问控制模型.     

x/sinx频响的网络近似

本文探讨用于数字传输的x/sinx频响网络近似的幂级数方法。与常用的等波纹误差的最小均方误差近似技术相比,幂级数方法提供的逼近是一种匀滑的、真正的逼近。理论和实验表明,采用二阶网络逼近,在0～0.75R(R为传输速率)范围内,逼近误差仅为1.2％,完全符合实际幅度均衡的需要。     

基于多分辨分析神经网络的函数逼近

基于小波分析的基本理论,提出了迭代求解Daubechies小波函数和尺度函数,并用多项式最小二乘曲线拟合离散数据点,得到小波函数和尺度函数的近似封闭解析式的方法。最后基于L^2的多分辨逼近思想,构造了基于尺度函数的多分辨分析网络,用迭代的梯度下降算法训练网络,并用此网络对有局部奇异性的函数进行学习,获得了很好的逼近效果。数值仿真结果表明：本文提出的方法是可行的,它避免了无封闭解析式的小波和尺度函数在实际应用中需要大量进行插值运算的繁琐和求导运 算的不便。     

自组织逼近神经网络模型及其应用

针对动态范围较大的多峰函数逼近问题,提出了一种自组织逼近神经网络模型。仿真实例表明：这种模型对动态范围较大的多峰函数逼近问题较经典的BP模型优越得多,为解决复杂函数逼近问题提供了一条有效的途径。     

线性泛函的广义Sard逼近

本文利用具有重结点的自然样条函数,讨论了线性泛函Ff=sum from i=0 to n-1[integral from a to b a_i(x)D~i f(x)dx+sum from j=0 to L~1 b_(ij)D~i f(x_(ij))]的广义Sard逼近问题。文中给出了线性泛函Lf=sum from i=0 to k sum from j=0 to k_1-1 a_(ij)D~j f(x_i)逼近F为n-1阶准确的存在定理与唯一性定理;给出了L做为F的广义Sard逼近的充分必要条件。     

联合QL近似与迭代Born近似法电导率散射成像

对于多维电磁响应的数值模拟和成像反演，积分方程法只需对异常体进行剖分和积分，不涉及复杂的吸收边界条件等问题，具有计算速度快和计算输度高等特点。用于电磁场数值模拟的近似法同样可以用于快速成像反演，它们的模型都是建立在散射电磁场积分方程的线性化基础之上的。联合运用QL近似法与迭代Born近似法进行电导率成像反演，将QL近似法得到的结果作为Born迭代法的初始模型，不用人为的设置初值，尽管方法简单，但却较为有效。     

基于人工神经网络的手写数字识别

基于手写体数字的几何结构提取端点及其方向、凸点及其方向、三叉点数和四叉点数等数字特征值,运用单字单网的10个并行BP神经网络进行数字识别,达到很好的识别效果.     

基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。     

神经网络控制系统仿真

利用基于神经网络修正误差ＢＰ学习算法的多层网络和间接学习或专门学习的动态逆特性控制方法＾［１］编制的神经网络控制系统的仿真软件（ＳＣＳＢＮＮ），给出了调节时间和最大超调量与神经网络中间层节点数的关系曲线，同时给出了各种学习率和神经元作用函数增益的响应曲线。ＳＣＳＢＮＮ也可用于神经网络非线性控制系统。仿真结果说明神经网络非线性控制系统具有良好的控制性能。     

基于神经网络计算的子波变换实现

本文首先阐明了子波变换理论利用可变时域和频域分辨特性表达信号、获取信号特征的原理，提出了利用神经网络计算方法计算子波变换系数的新方法，并讨论了与人视觉系统密切相关的子波变换神经元的特性，提供了计算机仿真子波变换信号的结果。理论分析和实验结果表明，子波变换不仅具有对信号多分辨表达的特性，而且可以有效地压缩被处理信号。     

THE SARD BEST APPROXIMATION OF LINEAR FUNCTIONAL

In numerical analysis, it is significant to approximate the linear functional Ef=sum from i=0 to m-1([integral from a to b(a_1(x)f~(1)(x)dx+ sum from f=0 to i_1(b_1f~(1)(x_1))]) by a simpler linear functional Lf=sum from i=1 to m(a_1f(x_1)) In this paper, making use of natural Tchebysheff spline function, we give existence theorem and uniqueness theorem of L that is exact for the degree m to F; we also give three sufficient and necessary conditions in which L is the Sard best approximation to F.     

基于改进的BP神经网络的入侵检测研究

本文提出了引入可调因子和遍历局部最小并逃逸的方法,以解决标准BP算法中误差曲面过于平坦导致迭代次数增加、易陷入局部最小的缺点,并将此算法应用到网络入侵检测系统,对五类入侵行为进行检测。实验结果表明,改进后的BP算法大大缩短了系统响应时间并降低了检测系统的漏检率和误检率,极大改善了入侵检测系统的性能。