BP网络在建筑物变形预报中的应用

为探索人工神经网络用于建筑物变形预报的可能性，采用BP网络代替传统的回归分析方法，处理变形观测数据．结果表明，当影响建筑物变形的因素较多，且各因素间存在非线性关系或关系不确定时，回归分析预报的结果存在较大偏差，BP网络有助于提高建筑物变形预报的精度．     

基于BP网络的非线性广义预测学习控制器

本文提出了一种基于ＢＰ神经网络的非线性义预测学习控制器，它由一个ＢＰ网络构成。在整个学习与控制过程中，首先根据被控对象的输出与ＢＰ的学习输出之间的误差来修改网络的权值，以逐步建立被控对象的合理的多步预报模型；然后，根据网络的多步预报输出序列与设定值序列的偏差修改控制律。     

基于神经网络的采场底板分类与顶板来压预报

建立了长壁工作面底板分类及单体液压支柱底座选型的人工神经网络（ＢＰ网络）模型，并通过网络自适应学习与匹配联想，得出了采场底板类别与单体液压支柱底座型式相对应的结果。同时，通过邻城相互作用算法与ＢＰ网络耦合，预报了采煤工作面顶板来压。网络试验表明，所得结果与实际吻合良好。     

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。     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重要课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

轧制力预报中的神经网络和数学模型

采用ＢＰ神经网络方法预报热连轧精轧机组轧制力·通过训练数据预处理、利用遗传算法优化网络结构和参数、按钢种划分训练样本等方法,提高了网络的预报精度,优于传统的数学模型方法·ＢＰ神经网络与数学模型相结合的综合神经网络方法,进一步提高了轧制力的预报精度·预测结果与实测数据比较表明,相对误差基本在±７％以内,实现了精轧机组轧制力的高精度预报     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重点课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

神经网络应用于烧结矿质量在线推断

针对烧结过程生产实际，运用神经网络中的ＢＰ学习算法设计了分类器，用于在线推断烧结矿的质量，为了加快ＢＰ学习算法的收敛速度，采用了自适应变步长学习算法，实验结果表明，由此建立的烧结过程神经网络质量预报模型，预报正确率高，具有很好的泛化能力。     

用于BP网络的样本添加法

提出了一种改善ＢＰ网络学习能力的样尊添加法，它是根据人类学习知识时存在遗忘现象而设计的。首先阐明其工作原理与学习算法；接着将它用于ＢＰ网络之中，以处理三倍冗 表决问题。     

共轭梯度神经网络的研究

针对ＢＰ人工神经网络存在的两个缺点：（１）局部收敛问题不能很好解决；（２）收敛速度慢，提出应用改进共轭梯度算法建立人工神经网络，以获得共轭梯度网络的全局收敛特性和快收敛速度。计算机仿真结果表明：改进巫轭梯度网络优于ＢＰ网络。     

基于卡尔曼滤波的BP网络模拟系统

提出了一种基于卡尔曼滤波的ＢＰ网络模拟系统，用滤波后的样本数据训练网络，使网络能够反映系统真实的输入输出关系，并给出了仿真算例，效果十分明显。     

连续参数小波网络在机械状态预报中的应用

研究了连续参数小波网络的原理及其构造,通过仿真数据的比较分析,说明了连续小波网络较传统ＢＰ网络有更快的收敛速度和更好的非线性逼近能力。同时,在用连续参数小波网络对实际机组振动峰峰值数据的预报中,收到了满意的效果。     

局部反馈函数联接网络及其应用

结合时间序列分析提出了一种具有局部反馈回路的函数联接网络（ＬＲＦＬＮ）模型，并利用ＬＲＦＬＮ对非线性时间序列进行了建模与预报，对网络扩展函数选取，初始权集的设定，以及网络结构选择和学习算法进行了研究，同时，通过对模拟数据和机切削颤振数数据的建模与预报，将其与常用的时间序列模型（ＡＲ，ＡＲＭＡ和指数自回归模型）以及ＢＰ网络进行比较，研究结果表明该方法是可行和有效的。     

人工神经网络的改进训练学习算法BPGA

作者通过引进神经元增益参数和记忆上一次网络状态改变量的冲量参数，设计了ＢＰＧＡ算法，对标准的ＢＰ算法进行了改进，提高了网络的学习速度和收敛性，并与标准的ＢＰ算法进行了比较。     

基于步长优化和共轭梯度法的改进BP算法

本文针对传统ＢＰ算法存在的两个常见问题进行了讨论，提出了基于步长优化和共轭梯度法的改进ＢＰ算法。新的算法避免了目前由人为经验确定迭代步长的缺陷，并能有效克服局部极小值。这样可使网络加快收敛，稳定性变好。     

神经网络在光栅系统动态测量精度分析中的应用

设计了一种基于计量光栅的光栅全系统动态测量精度分析装置。针对实验所得的此光栅系统在五种不同速度下的动态测量误差，对误差特性进行了分析，并应用ＢＰ神经网络进行其误差分布特性的预测及动态测量误差的预报，结果表明ＢＰ神经网络可用于动态测量中的误差预报，从而可为动态测量误差预测、修正与补偿提供有效的手段和依据。     

GM(1,N)模型在工程建筑物变形分析中的应用

针对工程建筑物变形中存在的变形因素复杂、变形大小不确定性、点位间主次关系不明确等情形,将灰色系统中的多维GM(1,N)模型引入到工程建筑物变形监测分析中进行多点分析,研究工程建筑物的变形规律,合理预测未来的变形趋势。利用关联分析方法确定有效因子,综合分析系统受不同监测点影响的因素,通过工程实例进行了分析、建模和验证,建立了相应的GM(1,2)或GM(1,3)模型,提高了模型精度,为工程建筑变形分析提供了有效的分析方法和手段。     

BP网络的BP-G-S学习算法

为了解决ＢＰ网络在学习过程中存在收敛慢的缺点,文中将ＧａｕｓｓＳｅｉｄｅｌ 迭代法的基本思想与ＢＰ算法结合,将每一个最新修正的权值反映到下一个权值的修正中,提出了一种新的ＢＰＧＳ学习算法来加速ＢＰ网络的收敛。文章最后的计算机仿真说明ＢＰＧＳ总体上可以减少学习的时间,尤其当误差值逼近最小点时效果明显。     

沙体本构特性的神经网络模拟

采用人工神经网络（ＢＰ网络）进行了沙的本构关系模拟，建立了沙体三点式神经网络本构模型，并通过网络自适应学习，使本构模型不断改进，试验表明，网络本构模型与实验结果吻合良好。     

机械系统传动方案的人工神经网络决策初探

以机械传动系统特征因素做为输入，利用ＢＰ网络构成了机械传动方案的决策系统，为传动方案的制定提供了一条新的途径。