一种局域连接前向人工神经网络结构的研究

双隐层标准前馈（ＢＰ）网络只要其隐层节点数足够多就能解决任何形式的分类问题．应用标准（ＢＰ）网络识别多模式类分类问题时存在以下缺陷：（１）对不同模式类均使用相同数目的隐层元；（２）增加新模式类后，网络要重新学习；（３）网络识别的机理研究困难．笔者提出了一种局域连接前馈神经网络（ＬＣＮＮ）结构，其隐层神经元与输出神经元之间为局域连接，学习算法与ＢＰ算法类似．ＬＣＮＮ具有以下特点：（１）便于自构网络结构，提高网络的推广能力；（２）便于提取各模式类的不变特性；（３）具有较强的记忆能力，便于实现追加学习．以五种海底沉积层介质类型的分类识别为例，分别利用标准前馈（ＢＰ）网络与ＬＣＮＮ网络进行分类识别，结果表明：ＬＣＮＮ便于自构网络结构，具有追加学习的能力．     

基于 BP 网络的二维不变性目标识别

为识别坦克等较复杂的目标，描述了一种神经网络分类方法；利用傅立叶描述器提取目标的形状特征，它具有不变性特性；利用多层ＢＰ网络进行分类。讨论了网络结构及模拟实验结果，认为ＢＰ网络对２Ｄ不变性目标识别具有良好的鲁棒性；它的分类结果优于传统的近邻域分类器     

多层反馈BP网联想记忆分析

多层反馈ＢＰ网络是一种非线性动力学系统。为了对多层反馈ＢＰ网络进行形式分析，作者采用了电路类比的方式得到了它的数学模型。根据反馈ＢＰ网络的数学模型证明了反馈ＢＰ网络联想记忆过程的稳定性及有关性质，为反馈ＢＰ网络的应用奠定了理论基础。     

小角X光衍射研究HPAP液晶的有序近晶相结构

本文应用小角Ｘ光衍射（位敏探测器法）研究了ＨＰＡＰ液晶所呈现的两种有序近晶相ＳｍＥ和ＳｍＢ结构。测量了近晶相的层厚及其与温度的关系。结论表明．ＨＰＡＰ液晶分子在ＳｍＥ相的层内是倾斜排列的，属于Ｐｇ空间群对称，倾斜角随着温度增加而减小；而在ＳｍＢ相的层内分子是垂直排列的，属于Ｐ６ｍ空间对称群，也因此测量了ＨＰＡＰ分子的长度为３３．６Ａ。在ＳｍＥＳｍＢ相交点附近层厚变化很大。     

一种应用于水声目标识别的隐层结构自适应网络

提出了一种隐层结构自适应学习的径向基函数网络（ＨＳＡＲＢＦ）水声目标分类器,该网络可在训练中自适应调整隐怪节点数和设置新隐节点的初始权值,从而使网络输入样本的分类特征能有效地映射到隐节点输出,克服了一般ＲＢＦ网隐层初始权值及隐节点难以确定的缺陷,经对实测水声信号的识别试验表明,该网络隐层有较强的特征划分能力,识别率高于一般ＲＢＦ网或ＢＰ网分类器。     

基于遗传算法的最优模糊控制器设计

模糊控制规则集是模糊控制系统的核心部分,对控制的快速性和精度有很大影响,采用改进的ＧＡ算法优化ＢＰ网络,加快了ＢＰ网络的收敛速度,也避免了ＢＰ网络易于陷于局部极小的麻烦。用优化的ＢＰ网络生成规则集,经过优化的ＢＰ网络隐层神经元数减少,即优化了规则库,从而提高系统的精度,降低了对ＢＰ网络系统误差的精度要求。     

ARMAX模型与多层BP网络流量演算法比较

分别给出了将ＡＲＭＡＸ模型及多层ＢＰ网络应用于流量演算中模型参数确定的方法,提出了一种可进行误差实时校正的改进ＡＲＭＡＸ模型,并认为该模型实质上是一种特殊的两层ＢＰ网络,用一个实际算例将改进ＡＲＭＡＸ模型与多层ＢＰ网络两种方法作了对比分析。     

ARMAX模型与多层BP网络流量演算法比较

分别给出了将ＡＲＭＡＸ模型及多层ＢＰ网络应用于流量演算中模型参数确定的方法;提出了一种可进行误差实时校正的改进ＡＲＭＡＸ模型,并认为该模型实质上是一种特殊的两层ＢＰ网络;用一个实际算例将改进ＡＲＭＡＸ模型与多层ＢＰ网络两种方法作了对比分析．     

基于两维WAVELET分解的纹理图像分割方法

提出了一种纹理图像的分割方法，主要利用ＷＡＶＥＬＥＴ变换的多分辨率分析的特性，通过两维分解抽取图像的纹理特征，并对图像小窗口区域的特征进行聚类，该聚类结果可作为多层ＢＰ网权值学习的训练样本，进而利用ＢＰ网对各小窗口的特征进行分类以实现纹理图像的分割，实验证明，该方法对于纹理图像具有较好的分割效果。     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

改进的 BP 算法及其应用研究

ＢＰ网络广泛应用于函数逼近、模式识别和系统辨识,但ＢＰ算法收敛速度很慢。为此提出了ＢＰ算法的一种新的改进方式,即在误差反向传播时,不仅改变网络的联接权值,也改变神经元模型参数。详细推导了改进ＢＰ算法的迭代公式。仿真研究表明,与传统ＢＰ算法相比,该算法具有收敛速度快,函数逼近精度高的优点。     

超宽带SAR成像的快速BP算法

在后向投影（BP）算法的基础上,提出了一种快速后向投影（FBP）算法。以点目标和多点目标为例,将该算法应用于超宽带合成孔径雷达成像并与原始（BP）成像算法进行比较,仿真结果证明了该算法的快速性和有效性。     

BP神经网络振荡和平台问题的解决

叙述了ＢＰ神经网络的基本思想，分析了ＢＰ网络产生振荡和平台的原因，给出了解决问题的方法．同时介绍了一个ＢＰ神经网络的数字识别系统（ＤＧＲＳ）．     

多变元非线性复杂系统的优化与模拟退火算法

为了解决高合金高强高韧钢的性能优化问题,以获得最佳的强度和韧性的配合,采用人工神经网络方法建立多变量与多目标函数之间的关系,并将MonteCarlo方法中的模拟退火算法与人工神经网络BP算法相结合,解决了这类复杂系统中多函数变量与多目标函数之间没有确定的解析关系因而无法进行直接优化的难题·解决了航天用高强高韧钢性能优化问题,并为解决多变元非线性复杂系统的优化问题提供了一种新的有效的方法·     

第二类Chebyshev前向神经网络权值直接确定及结构自适应确定

为克服BP神经网络模型及其学习算法中的固有缺陷,构造了第二类Chebyshev前向神经网络模型,提出该神经网络模型权值直接确定法和结构自适应确定法.理论分析及仿真实验均表明,该系统弥补了BP神经网络的某些固有缺陷.相比同构型BP神经网络,其计算速度和工作精度均有大幅提高.     

基于神经网络和遗传算法的舰艇声纳自噪声预报

研究了舰艇航行时声纳部位接收到的全艇自噪声的预报问题．分析了影响声纳部位自噪声的各种参数，将BP神经网络和遗传算法相结合用于舰艇声纳部位自噪声预报．通过使用遗传算法对神经网络的初始权值进行优化，可以在解空间中定位出一个较好的搜索空间，然后采用BP算法在这个小的解空间中搜索出最优解．通过整理大量的测试数据，对神经网络进行训练，训练好的神经网络能够迅速而精确地对舰艇各种航行状态的自噪声进行预报．结果表明，该方法不仅具有足够的精度，而且实用方便、适用性强．     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.     

BP小波神经网络在大断面隧道变形预测中的应用

将BP算法引入小波神经网络,自适应地调整小波系数和网络权重,同时利用自适应算法调节BP算法的学习率,提高收敛效率.以4车道隧道——前欧隧道的监测数据为基础,建立BP小波神经网络变形预测模型.预测结果表明:BP小波神经网络对地质条件相似,施工及初期支护方法相同的隧道断面变形进行预测,其预测结果满足工程精度要求,能较准确地...     

一种基于粗集理论的BP神经网络加速算法

应用粗糙集理论 ,对控制系统采样数据进行简化处理 ,构造一种新型神经网络结构 .提出一种误差反向传播BP(BackPropagation)神经网络加速算法 ,并将此算法应用于移动机器人的控制系统分析设计 .通过仿真结果的分析研究 ,验证了此算法在减少网络冗余 ,提高神经网络学习速度 ,提高网络实时控制能力等方面的良好的性能 .     

边坡弹性模量反分析的模拟退火BP网络方法

通过模拟退火算法,对BP网络进行优化并编写了模拟退火BP网络程序,应用该程序对三峡永久船闸高边坡岩体弹性模量进行了位移反分析.结果表明,根据模拟退火BP网络反分析得到的弹性模量计算出的位移值和监测位移值差别较小.因此,模拟退火BP网络方法可以用于边坡岩体力学参数的反分析.