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。     

BP网络的抗干扰性研究及误差分析

从ＢＰ网络对信息存储的分布式特点出发，分析了连接权系数及输入变化对输出的影响，探讨了ＢＰ网络的容错性及抗干扰特性，得出了一些有益的结论。     

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。     

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。     

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。     

提高BP神经网络学习速度的算法研究

本文在深入分析了ＢＰ人工神经网络学习算法的基础上，研究了采用加动量项法、成批训练法及综合法来提高ＢＰ网络的学习速度，取得了显著效果．     

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。     

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     

在片学习及权值刷新神经网络硬件实现方法

提出几种电流模式电路块，并用这些模拟电路块构成一个电流模型式ＢＰ人工神网络，该ＢＰ神经网络具有在片学习和在片权值存储能力。对所设计的模拟电路块进行了理论对构成的ＢＰ神经网络作了应用实例研究，并提供了ＰＳＰＩＣＥ仿真结果。     

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。     

基于人工神经网络的模糊宗地地价评估模型研究

针对传统市场比较法中可比实例选取较随意且特征权重确定较主观等问题,引入了基于人工神经网络的地价影响特征权重学习机制.以地价影响特征向量作为输入空间,土地价格作为输出空间,通过神经网络的反馈学习机制不断调整神经元之间的连接权重,建立地价与多维特征之间的精准复杂映射关系,并基于网络参数提取输入特征权重系数,然后耦合模糊数学方法选择比较案例,通过比较案例的加权价格最终计算得到评估对象价格.以湖北省武汉市某宗地评估为实例,结果表明:改进后的市场比较法的估价准确度要比现行土地估价市场比较法平均高出3.69%.     

搅拌设备控制系统的输入信号预处理电路设计

为了提高沥青混凝土搅拌设备计算机控制系统的可靠性，针对其工作环境对输入信号预处理电路的特殊要求，通过比较的方法，论述了温度检测和配料称量等模拟信号及开关量输入信号处理电路设计的依据，并设计了相应的电路。针对变频器输出频率显示信号中的高频噪声，设计了相应的噪声消除电路，给出了进一步提高系统抗干扰能力的措施。将设计的电路应用于LB2000和LB3000型沥青混凝土搅拌设备计算机控制系统，进行了测试。测试结果表明：输出信号稳定，且消除了高频干扰，提高了系统的可靠性和抗干扰能力。     

Modeling Thermal Protective Performance of Multilayer Fabrics for Firefighters

This paper is to report a prediction model for thermal protective performance of multilayer fabrics based on Matlab neural network toolbox.Then a back propagation (BP) neural network model is developed to predict thermal protective performance of multilayer fabrics for firefighters.The network consists of twelve input nodes,six hidden nodes,and one output node.The inputs are weight,thickness,density of warp and weft,limited oxygen index (LOI),and heat conductivity of each-layer fabric.Thermal protective performance (TPP) rating of multilayer fabrics is the output.In this paper,the data from the experiments are used as learning information for the neural network to develop a reliable prediction model.Finnally the model performance is verified,and the proposed model can be applied to predict the thermal protective performance of multilayer fabrics for firefighters.     

基于反向传播神经网络模型的公交进站换道决策行为分析

公交车准备进站时将发生强制性换道,容易造成城市道路通行能力降低,诱发交通拥堵;还会对道路安全构成威胁。首先立足于现状调查,分析了进站决策点;并对公交车在车站上游的进换点分布情况进行了描述。其次提出了交通量、公交车数和离站路程为影响公交车换道的最主要因素;并将这3个因素作为输入变量,建立了以上游各区段进换点数量为输出的BP神经网络模型。最终,利用权积法对所建模型中的各输入变量进行敏感性分析。结果表明:交通量、离站路程与进换点数成负相关;而公交车数与之成正相关;其中,敏感系数最大的为离站路程,达0.220;3个影响因素在增加20%的扰动后,公交车数的敏感系数增速大于另外两者。     

红边光谱谐波分析的神经网络法叶绿素含量反演研究

叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。     

基于BPNN/HMM神经网络的声学模型研究

研制了一种基于BP神经网络和隐马尔可夫模型(HMM)的混合声学模型，BP神经网络的主要功能是把失真语音特征矢量转换成纯净语音特征矢量，而删则对转换后的纯净语音特征矢量进行分类，从模型级补偿的方面来提高语音识别系统的鲁棒性．讨论了一种基于线性预测的MKCC语音特征提取方法，该方法把提取出的失真语音特征矢量作为神经网络的输入，从而实现了特征参数级去噪处理的目的．     

一种可提高试井模式识别准确度的改进HT-BP方法

在用BP神经网络进行试井问题模式识别的过程中 ,若将现场试井数据简单地以点对的方式送入BP神经网络进行识别 ,则与训练模式无法对应 ;若在用BP神经网络学习和识别曲线之前进行归一化处理 ,则会引起曲线的尺度变化和空间位移。结合试井问题对Hough变换进行了改进 ,提出了与改进Hough变换相应的比例变换和空间压缩方法。用比例变换和空间压缩方法及改进Hough变换法对试井曲线进行预处理后再送入BP神经网络 ,可以大大改善识别能力。实例说明 ,改进Hough变换与BP神经网络相结合的方法 (MHT BP)对试井模式识别的准确性较高。     

Soft Fault Diagnosis for Analog Circuits Based on Slope Fault Feature and BP Neural Networks

Fault diagnosis is very important for development and maintenance of safe and reliable electronic circuits and systems. This paper describes an approach of soft fault diagnosis for analog circuits based on slope fault feature and back propagation neural networks (BPNN). The reported approach uses the voltage relation function between two nodes as fault features; and for linear analog circuits, the voltage relation function is a linear function, thus the slope is invariant as fault feature. Therefore, a unified fault feature for both hard fault (open or short fault) and soft fault (parametric fault) is extracted. Unlike other NN-based diagnosis methods which utilize node voltages or frequency response as fault features, the reported BPNN is trained by the extracted feature vectors, the slope features are calculated by just simulating once for each component, and the trained BPNN can achieve all the soft faults diagnosis of the component. Experiments show that our approach is promising.     

PMSM调速系统新型抗扰动模型预测控制策略

提出一种基于灰预测理论的抗扰动模型预测控制方法。首先推导出模型预测控制系统中干扰量与输出误差之间的解析关系;利用系统已知输出误差建立稳定灰预测模型,预测系统未来时刻的输出误差;根据干扰量与输出误差之间的关系,采用反馈输出误差预测值的方法,实现对系统干扰量的前馈补偿控制。对模型预测控制PMSM调速系统进行仿真实验,选择出干扰观测器抗扰动方法中的最优干扰模型结构;对两种抗扰动方法比较分析得出,基于灰预测理论的抗扰动模型预测控制不需要考虑干扰模型结构,简化了系统设计、提高了系统自适应性,同时能够获得与优化干扰观测器模型预测控制一样的性能。     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。