Matlab人工神经网络工具箱中的BP工具函数及其应用

人工神经网络中的BP网络模型在函数逼近、模式识别等领域得到了广泛的应用，但利用神经网络解决实际问题时，经常涉及到大量的数值计算问题，而运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情，为了解决这个矛盾，Matlab工具箱中专门编制了大量有关设计BP网络模型的工具函数。本分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数，并给出了部分重要工具函数的实际应用。     

基于在BP嵌入动量因子的IDSS函数逼近器

 在领域工程中,经验模型都有一定的适用范围和一定的时效性,这主要反映在参数和因子的选取上.加入动量项的BP算法能克服原来BP算法的缺点,运用于IDSS的知识推理、导则方面,能使模型的系数随环境的变化而变化.上述思想在“单流域多水库联合调度系统”和“云南城市圈域经济辐射力模型的构建及实证研究”的推理机的设计实验阶段中得到体现.把该算法用MATLAB和C++做成函数逼近器来进行曲线拟合,实验数据和结果证明,该改进的BP算法能自动对“新安江模型”和辐射力模型的参数进行调整使之适合不同时期段的情况,这大大加强了该模型对环境的适应性,将进一步提高该软件产品的通用性.     

一种用于非线性函数逼近的小波神经网络算法仿真

提出一种用于非线性函数逼近的小波神经网络算法,分析了网络的拓扑结构,给出了网络的参数估计方法.采用遗忘因子法训练网络的权值,利用具有优良渐近性质的递推预报误差算法训练尺度因子和平移因子,分析并给出两种小波元的个数选择方法.该算法用于非线性函数逼近时优于同等规模的BP神经网络.仿真研究表明,该方法具有收敛速度快,逼近精度高等优点,在为非线性系统建模提供一种新方法的同时,也为复杂非线性系统的辨识提供有益的参考.     

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...     

多层神经网络的快速BP算法

首先分析了BP算法中的误差函数对收敛精度的影响,给出了综合考虑绝对误差和相对误差的相差函数,其次利用优化方法中的共轭梯度算法来计算学习过程中的误差下降方向,并根据尺度公式对该方向进行修正,从而得到快速BP算法。经过对实际算例的模拟,结果表明本文给出的快速BP算法是一种适用于多层神经网络的、性能优良的学习算法。     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

小波神经网络用于非线性函数逼近的研究

神经网络具有良好的学习特性，而小波变换具有良好的时频局部化特性．将二者结合在一起构成小波神经网络，网络隐层采用morlet小波函数，输出层采用线性函数，使得该网络兼具神经网络和小波变换的优点．分别用小波网络和BP网络逼近一非线性函数，其结果表明，在相同的误差条件下，小波网络的收敛速度要远远快于一般的BP网络．     

函数的最佳逼近和对偶极值函数

讨论了通过利用Hahn-Banach定理得到的对偶关系将一维空间中函数的最佳逼近和对偶极值偶函数推广到高维中。     

谱估计中最佳高分辨率窗函数的逼近算法与实现

研究了用勒让德展开式逼近谱估计中最佳高分辨率窗函数的实现方法，讨论了逼近最佳窗的性能，给出了计算机模拟结果。理论分析和模拟结果表明，在保持数据长度、谱估计方差比和窗函数频谱最大旁瓣值相同的条件下，用本文提出的逼近算法实现的最佳窗的频谱主瓣宽度更窄，从而使得在采用这种窗函数后，所得到的谱估计分辨率较其他窗函数有进一步的改善。     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

基于人工神经网络的函数逼近法计量精度的提高

提出一种基于BP神经网络的提高激光干涉计量精度的数据处理方法，并将该方法与常用最小二乘法作二次曲线拟合进行比较。结果表明，用神经网络逼近函数方法，不但解决了光学干涉计量中像素尺寸以及图像采集卡空间量化误差对测量精度的影响，而且解决了目标函数多极值问题，从而干涉条纹可获得高于光敏像素级定位精度。最后将干涉条纹的光强精确地拟合出来，讨论曲线拟合误差，表明该算法具有很好的鲁棒性和自适应能力。     

基于交叉验证的神经网络实现

针对神经网络BP算法存在收敛速度慢、学习数据有限和网络学习过程易陷入局部最小值等问题,提出对标准BP算法相关参数进行调整并选择合适的隐藏层个数的方法,然后采用交叉验证方法对BP算法做了再改进。仿真结果表明基于交叉验证的BP算法优于传统的BP算法。     

基于多ANN的复杂函数学习策略

针对多层前馈人工神经元网络，提出了一种多ＡＮＮ逼近策略，与单ＡＮＮ方法相比较，逼近能力，适应能力，泛化能力等都有了很大的提高，它可应用于复杂系统的建模和辨识。     

隐节点竞争BP模型

通过分析ＢＰ网络在局部极小状态下的微观特性，给出一种在隐藏层引入竞争机制的网络模型──隐节点竞争ＢＰ模型，试验表明该模型不仅有效地克服了局部极小问题，而且加快了学习速度。另外，还对本文提出的Ｏ竞争和已有的δ竞争进行了比较，并验证了Ｏ竞争的有效性。     

基于动量BP算法的多元χ控制图的识别研究

采用增加动量项的权值调整公式, 运用3层的BP神经网络对χ控制图的失控信号进行识别, 诊断失控的质量特性, 并判断均值偏移的程度类别, 及时调整过程于稳定状态. 实例结果表明, BP网络结合χ控制图能有效地对过程进行监控.     

基于控件技术的前向神经网络实现研究

在分析前向神经网络应用特点的基础上,将其与ＡｃｔｉｖｅＸ技术相结合,提出了一种基于控件技术的前向神经网络体系结构,并用ＶｉｓｕａｌＣ＋ ＋ 的ＭＦＣ给出了该体系结构的实现方案．该方案具有实现简单,使用方便,宜于扩充,移植性强,界面友好等优点     

人工神经网络及其在电力短期负荷预测中的应用研究

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定.通过讨论短期负荷预测,来阐述Levenberg-Marquardt算法优于传统BP算法.并分别用BP算法和Levenberg-Marquardt算法对绥龙110 kV变电局所属供电网络远动采集来的负荷数据进行预测,来说明Levenberg-Marquardt算法优于传统BP算法.     

利用BP算法实现集装箱编号识别

研究集装箱字符识别,采用数字图像处理,模式识别与神经网络技术及改良BP算法实现集装箱编号的自动识别,该方法有较强的适应性,可在不同的光照条件下工作,在识别倾斜,变形,磨损,污染的集装箱时表现出较强的抗干扰能力,改良BP算法具有分类功能,可以实现字符的识别,并且具有较强的鲁棒性。     

BP神经网络在信用风险评估中的应用

采用人工神经网络模型研究信用风险评估问题。研究利用BP算法训练多层前馈神经网络,给出了基于BP算法的信用风险评估计算步骤,最后以对个人信用评估为例,说明了人工神经网络在信用风险评估系统中的应用。     

基于动量BP算法的多元χ控制图的识别研究

采用增加动量项的权值调整公式, 运用3层的BP神经网络对χ控制图的失控信号进行识别, 诊断失控的质量特性, 并判断均值偏移的程度类别, 及时调整过程于稳定状态. 实例结果表明, BP网络结合χ控制图能有效地对过程进行监控.