基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型，计算出磨床部件的动态特性，快速采用得到BP神经网络模型的学习样本，建立基于BP神经网络的动态分析模型，将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系，从而方便地，快速地对磨床部件进行了动态灵敏度分析，结果表明，在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便，快速，该方法特别适用于对大型复杂结构的优化设计计算。     

基于BP神经网络的产品造型设计

提出了一种基于BP神经网络的产品造型设计方法，采用计算机建模、模糊集理论和语义差异方法进行模拟研究。研究结果对采用BP神经网络建立产品造型参数和形容词的形象之间关系进行了分析。依据设计要素、产品造型和形状规则建造一个新的数据库连接，设计师可以生成产品图像不同的三维模型的基本的设计元素和形状规则。因此，改变参数的配置得到可接受和可修改产品的形状图像，运用这种方法所设计的产品可以更密切地配合消费者的需求。     

发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法,包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理,变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外,用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证,其模型具有良好的收敛性能和泛化性能,可应用于发酵过程状态参数的在线预估和测量。     

基于BP神经网络的电解加工精度预测模型

为精确地预测电解加工精度，采用了BP神经网络的方法进行建模．在分析影响加工精度主要因素的基础上，确定了BP神经网络模型的特征参数，并根据实际情况，确定了输入层和中间隐层的维数，从而确定了模型的结构．用试验参数对模型结构进行训练，最终建立了一个用于电解加工精度预测的BP神经网络模型．利用该模型进行的精度预测结果表明，该模型的预测误差可以控制在10％以内，具有很高的精度预测能力．     

基于BP神经网络模型的机床大件结构动态优化方法及其应用研究

将BP神经网络理论与有限元建模方法相结合，提出了采用BP神经网络建立机床整机主要部件的动力学模型，并应用大型有限元分析软件ANSYS的APDL进行BP神经网络样本的快速采样的方法，根据所提出的方法，建立了机床双W筋板床身的筋板位置，厚度与床身前5阶频率之间的BP神经网络模型，并以床身第1阶固有频率最高为目标进行了设计变量的自动搜索寻优计算且获得了满意的结果，表明神经网络理论与传统的数值方法相结合应用于实体结构的动态分析计算具有重要的现实意义。     

基于改进BP神经网络理论的算法研究

研究了改进标准BP神经网络的方法，特别是研究加快标准BP神经网络收敛速度的方法。针对标准BP神经网络的收敛速度慢，分别采用3种方法修改网络的学习速率，然后建立了相应的改进BP网络模型，并把模型应用到实际生活中。和标准BP网络相比，提出的3种改进模犁都具有收敛速度快、精度高的优点。     

基于多值编码GA—BP混合算法的板形板厚综合预测控制

为克服BP神经网络存在的收敛速度慢、易于陷入局部极值等不足，提出了可以同时优化BP神经网络的结构和参数的基于多值编码方式的嵌入梯度下降算子的混合遗传算法（GA-BP）．并在此基础上针对板形板厚综合系统（AFC-AGC）具有强非线性、强耦合而难以建立精确的数学模型的问题，设计了基于BP网络板形板厚综合预测模型，引入了反馈校正的方法来提高板形板厚控制系统的抗干扰能力．仿真结果表明，该模型可以实现板形板厚的精确控制，为热连轧板形板厚综合控制提供了一个新的有效的方法．     

基于Bagging的交通拥堵预测研究

针对交通拥堵原因的多元性及单个神经网络拥堵模型准确率不高的特点，设计了一个以BP经网络为弱学习算法、基于Bagging集成学习方法的交通拥堵预测模型．与单个神经网络模型相比，Bagging后的预测模型具有更加优良的性能，可为市内交通预警决策提供分析与支持。     

基于BP神经网络的短期降水预报

人工神经网络(Artificial Neural Network，简记为ANN)是最近发展起来的十分热门的交叉学科，它涉及生物、电子、计算机、数学和物理等学科，并在工程上具有非常广泛的应用前景．本文介绍了BP神经网络的结构及算法，基于BP神经网络的短期降水预报模型的建立，并分析了BP算法在该应用中的优缺点．     

汽车性能数据库的建模

基于人工神经网络在非线性系统辨识中的优越性，依据整车的各项参数、动力性及经济性的试验测试结果，分析了系统辨识精度的评价指标，确定了两隐层BP神经网络的神经元数、初始权值及初始阈值，建立了汽车性能数据库的神经网络模型．该模型可实现正向预测与逆向推理功能，可缩短汽车的研发周期，并利用实例进行了说明与验证．     

Prioritizing Maintenance Spare Parts Based on Supportability Analysis and Neural Network

In order to facilitate spare parts management,an integrated approach of BP neural network and supportability analysis(SA)was proposed to evaluate the criticality of spare parts as well as to prioritize spare parts.Influential factors of prioritizing spare parts were detailedly analyzed.Framework of the integrated method was established.The modelling process based on BP neural network was presented.As the input of the neural network,the values of influential factors were determined by supportability analysis data.Based on the presented method,spare parts could be automatically prioritized after supportability analysis for a new system.A case study results showed that the new method was applicable and effective.     

基于人工神经网络的冲裁件缺陷诊断专家系统

说明了冲裁件成形缺陷分析人工神经网络专家系统的总体结构框架。系统分为综合信息处理模块和缺陷分析推理模块两大部分,有针对性地综合提取了冲裁件缺陷信息加以分类,采用了双3层BP神经网络来分析和处理输入参数,并对系统知识表示、知识获取、知识库的构造及推理机策略的选用进行了深入的阐述,同时还对数据系统原理编写的BDAES（v1．0）软件作了简要介绍。     

基于GA-ANN的高速烟支切割支撑装置结构优化

提出了一种基于人工神经网络技术和遗传算法的结构优化设计方法,在ADAMS软件环境中建立高速烟支切割装置的刚柔耦合虚拟样机模型进行仿真,得到64组实验数据构成样本,在MATLAB软件环境中,用BP神经网络构建支撑装置的数学模型,为遗传算法提供适应度函数,通过遗传算法完成最小值优化,得到的结果为原仿真样本中最小值的1/5．     

基于AP和BP神经网络算法的手写数字识别

针对现有的手写数字识别技术不适合大规模应用的问题,提出了一种基于AP和BP神经网络的快速手写数字识别算法。首先对预处理后的样本通过AP算法(affinity propagation)聚类消除冗余,重新构造样本空间;然后构造BP(误差反向传播)神经网络模型,学习测试集合样本。采用UCI机器学习数据库中的数据进行实验,结果表明,算法的识别正确率可达96.10%,高于BP神经网络算法的识别正确率94.88%,且执行时间约为后者的10%,具有较高的实用价值。     

基于BP网络的气敏传感器阵列测试分析

将BP人工神经网络应用于气敏传感器阵列测试系统中,对测试系统进行了详细的论述.用改进BP算法对不同浓度的目标混合气体进行了定性及定量分析,并以图表形式输出结果.研究表明,网络经过多次训练及测试后,基本上克服了半导体传感器因存在"交叉敏感性"而影响输出的缺点,提高了测试准确度,总体性能较好.     

模糊神经网络在信息系统安全评价中的应用

随着科技的发展信息系统也越来越复杂化,传统的方法已不能满足信息系统安全评价准确度的要求。为了能进一步提升信息系统安全评价的准确性,通过将模糊评价方法与BP神经网络方法相结合,提出了模糊神经网络综合评价方法。充分利用了模糊评价方法强的模糊性识别能力和BP神经网络的非线性处理能力,从而更为有效地对系统进行安全评价。实验结果验证了算法的有效性,并通过与模糊评价方法和BP神经网络方法进行对比验证了算法的优越性。     

粗糙集-BP神经网络组合方法及其应用

将神经网络与数据挖掘的知识相结合,提出粗糙集-BP神经网络组合方法,并将其应用于围岩稳定性判别。首先,基于山东兖州矿区煤巷信息数据库,建立回采巷道围岩稳定性知识表达系统,对数据进行离散化处理;其次,针对传统BP神经网络收敛速度慢、容错性差、结果不唯一的缺点,采用MATLAB软件开发的粗糙集数据分析程序,对生成的决策表进行挖掘分析,通过挖掘的决策知识引导训练样本的选取和神经网络的建立;最后,在煤巷围岩稳定性判别中予以应用。研究结果表明:BP神经网络克服了传统BP神经网络的缺点,具有容错性好、训练速度快、全局逼近性好、精度高等优点,此方法能较好地用于解决巷道围岩稳定性判别问题。     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.