BP神经网络在清洁机器人路径规划中的应用

为了解决清洁机器人完全覆盖路径规划中最大覆盖率和最小重复率的要求,在清洁机器人犁田式全局路径规划算法的基础上,提出了BP神经网络方法作为清洁机器人的局部路径规划.运用基于深度优先遍历的改进型BP神经网络算法.解决清洁机器人的清扫死区问题.仿真的结果表明所提出的BP神经网络方法和改进型BP神经网络算法能够解决清洁机器人在家庭内的完全覆盖路径规划问题.     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

基于知识的模糊神经网络临床路径变异分析方法

探索了基于Mamdani、Takagi Sugeno模型的模糊神经网络，以及BP神经网络在临床路径控制中的应用.提出了基于知识的模糊神经网络临床路径变异分析方法，以骨肉瘤化疗临床路径肝中毒变异为例进行了实例验证.分析了几种方法的有效性以及各自的优缺点.结果表明，在处理临床路径变异方面，基于知识的模糊神经网络与标准的BP神经网络相比，具有明显的优越性.     

基于混沌PSO—DV优化BP神经网络的汽车故障诊断

针对传统的PSO优化BP网络的局限性,提出了一种混沌PSO—DV算法和BP神经网络的混合算法．该算法具有混沌算法的局部搜索遍历性,DE算法的种群多样性及BP神经网络的快速搜索能力等优势．仿真结果表明,混沌PSO—DV优化的BP神经网络应用于汽车发动机故障诊断,使得故障诊断的效率和准确率得到了很大的提高．     

重置变结构神经网络的算法

神经网络的结构直接影响到网络性能的优劣，进而影响其推广使用，是目前研究的焦点之一．尝试将重置算法应用于经典BP神经网络的结构优化，研究了重置算法中最佳重置时间的性质，同时提出一种重置变结构经典BP神经网络．     

基于遗传算法的神经网络算法研究

针对神经网络存在许多局部最小点，在某些初值的条件下，算法的结果会陷入局部最小等问题．文章将遗传算法和神经网络相结合，用遗传算法替代BP算法学习网络权值，并将其应用于聚类分析．计算结果表明，遗传算法和神经网络的结合将具有良好的全局搜索能力。     

基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

基于最小二乘法的BP算法

标准BP神经网络算法收敛速度慢是限制其广泛应用的主要原因．为此，以标准BP算法为基础，应用最小二乘法理论，提出了一种收敛速度快的BP算法——NLMsBP算法．仿真结果表明，和标准BP算法及其它改进形式比较，NLMSBP算法收敛速度大大提高，稳定性并未降低，这为BP神经网络应用于实时性要求高的场合提供了算法基础．该算法缺点是计算量大，所需计算机内存大，不适于大型网络的计算．     

用神经网络预测矿渣与粉煤灰混凝土的强度

利用目前神经网络中使用最多的BP网络的模型来预测矿渣粉煤灰混凝土的3天、28天的抗压强度。结果表明，由于神经网络具有很强的非线性表现能力，计算精度高，预测能力强．将神经网络方法应用于矿渣、粉煤灰混凝土的强度预测中，可为工程人员提供很大的方便，以指导生产，适应时代发展的要求。     

基于Simulink的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表,但利用BP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BP神经网络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中的Simulink提供了大量的可用于实现BP网络的模块,本文通过应用Simulink中的模块构建了一个BP网络,并通过一实例验证了所构建的BP网络的可行性.从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效.     

基于三维区域标记对太阳活动区低色球层亮点的统计分析?

研究太阳活动能量的统计分布,以探索日冕物质加热的物理机制.利用一种基于三维区域标记的算法,使用"日出"卫星拍摄的低色球层λ3968.5单色像时间序列,观测一个处于衰减阶段且爆发频繁的活动区,对多个数量级尺度的亮点进行识别和统计.获得了2.09×104个亮点样本,分析了太阳耀斑基本物理量的频数分布与幂律的关系,以及影响该分布的观测效应.数据分析的主要结果如下:1)低色球层亮点的尺度、面积、光通量服从幂律分布.2)寿命的频数在中等时标呈幂律分布,在长时标呈指数分布;大尺度亮点的等待时间符合指数分布.3)亮点发生率的信噪比随其尺度的增加而减小;小尺度亮点持续的产生有可能向日冕稳定地提供能量.4)微小尺度亮点的频数低于幂律分布,相当程度上受观测数据的低时间分辨率所造成的低采样率影响.     

基于偏移量近似的改进型RA译码算法研究

RA码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂。虽然最小和译码算法能够简化BP译码算法,但它是以牺牲性能为代价的。为了让译码算法在复杂度和译码性能之间取得较好的折衷,提出一种改进型RA译码算法。该算法采用偏移量近似的方法来逼近于BP译码算法,能够降低BP译码算法的复杂度。仿真结果表明,与BP译码算法相比,改进型RA译码算法能够在降低算法复杂度的同时保持良好的译码性能,与最小和译码算法相比,改进型RA译码算法的复杂度几乎不变,但译码性能得到了明显的提高。     

一种改进的BP算法

传统的BP算法收敛速度慢，利用附加动量因子和自适应学习速率改进了传统的BP算法，它对于BP网络结构优化，提高收敛速度有明显效果.     

脑梗死急性期血压调控及其与预后关系研究

目的 研究脑梗死急性期血压的变化规律,探讨脑梗死急性期血压调控对预后的影响,为临床治疗提供依据.方法 以北华大学附属医院神经内科发病24 h内入院的脑梗死患者为研究对象,记录其人口特征、既往病史、入院时血压、CSS评分、Barthel指数,将患者随机分为两组:实验组和对照组.对实验组患者的血压进行调控,并连续观察两组患者入院后1周内的血压情况,观察两组患者1周内的血压变化规律,及15,30,90,180 d两组患者的死亡、复发、残疾(CSS评分和Barthel指数)情况,比较两组患者预后的差异.结果 两组患者急性期血压变化的规律不同,两组患者的近期和远期预后均有显著性差异.结论 脑梗死患者发病时血压增高,实验组血压24 h内迅速下降,第4天稳定;对照组血压3 d内迅速下降,第5天稳定;实验组预后优于对照组,脑梗死急性期宜适量调控血压;病灶数量影响患者预后,两者呈正相关.     

用BP网求解模糊控制器输入量的隶属函数

在模糊控制器设计中,需要对输入数据进行模糊化处理,用隶属函数描述;模糊变量隶属函数的选取对模糊推理有很大影响.利用BP网的分类性可以将采集到的清晰数据集广义地分成模糊类.选取具有一个隐层的PB网,输入层和隐层变换函数采用S函数,输出层用线性变换函数,在MATLAB环境下采用动量算法和自适应学习速率,调用trainbpx函数,对BP网进行训练,在训练时最后一层的输出越接近目标值越好.利用训练好的神经网可以对具体的输入数据求解对应于不同模糊区间的隶属值.用这种方法,速度快,误差小.     

BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的为进一步提高该车辆制动性能预测的精度,引入了神经网络技术使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型结果表明使用神经网络模型可以提高车辆制动性能预测的精度     

Surface Quality Evaluation of Fluff Fabric Based on Particle Swarm Optimization Back Propagation Neural Network

Aiming at the problem that back propagation(BP) neural network predicts the low accuracy rate of fluff fabric after fluffing process,a BP neural network model optimized by particle swarm optimization(PSO) algorithm is proposed.The sliced image is obtained by the principle of light-cutting imaging.The fluffy region of the adaptive image segmentation is extracted by the Freeman chain code principle.The upper edge coordinate information of the fabric is subjected to one-dimensional discrete wavelet decomposition to obtain high frequency information and low frequency information.After comparison and analysis,the BP neural network was trained by high frequency information,and the PSO algorithm was used to optimize the BP neural network.The optimized BP neural network has better weights and thresholds.The experimental results show that the accuracy of the optimized BP neural network after applying high-frequency information training is 97.96%,which is 3.79% higher than that of the unoptimized BP neural network,and has higher detection accuracy.     

BP人工神经网络在聚合物溶液体系活度预测中的应用

应用不同BP人工神经网络对不同聚合物溶液体系的活度进行了训练,共12个系统,613个数点,总的平均相对误差为0．0263,在采用相同BP人工神经网络对聚合物PS与不同溶剂溶液体系的活度进行试练时,总的平均相对误差为0．0212,而利用相同BP人工神经网络对同一聚合物不同溶剂溶液体系的活度进行预测时,总的平均相对误差为0．0484。     

78例鲍温样丘疹病临床病理分析

目的：探讨鲍温样丘疹病的病因、临床表现、临床病理特征、诊断、鉴别诊断及预后．方法：对78例鲍温样丘疹病进行临床和病理分析并随访．结果：78例鲍温样丘疹病．病变外观为色素性扁平丘疹，组织学与鲍温病相似，但异型性较小．结论：鲍温样丘疹病的诊断应结合典型临床特征，该病属良性病变，但伴有重度非典型增生病例可视为癌前期病变．