基于人工神经网络BP算法的可编程控制器的设计与应用

本文介绍了一种基于人工神经网络ＢＰ算法的可编程控制器的设计法，此种方法可用于对复杂的工业生产过程量进行控制。     

人工神经网络在ZnO压敏陶瓷材料研究中的应用

本文将人工神经网络应用于ＺｎＯ压敏陶瓷电性能参数的预测。结果表明ＢＰ网络运用于处理象ＺｎＯ压敏陶瓷材料预测这类从配方工艺到性能能数的非线性问题，该方法可望成为电子陶瓷材料研究的有效的辅助手段。     

焊接工艺参数中的BP神经网络与遗传算法结合

为了解决焊接工艺参数的确定问题,提出了BP神经网络与遗传算法相结合的研究方法,根据BP神经网络的非线性映射功能,得到不同条件下的焊接效果;利用遗传算法全局最优值的搜索功能,不断地进行焊接参数的全局寻优;通过旋转电弧熔化极气体保护焊的试验数据进行了参数求解.结果表明该方法具有准确、高效的优点,适用于焊接工艺参数的研究.     

BP网络在漏钢模式识别中的应用研究

介绍了连铸结晶器中常见的四种温度模式 ,设计了几种漏钢预报神经元网络模型 ,并进行了训练和测试 ,对 BP网络在漏钢模式识别中的应用进行了研究     

Linearization learning method of BP neural networks

Feedforward multi-layer neural networks have very strong mapping capability that is based on the non-linearity of the activation function, however, the non-linearity of the activation function can cause the multiple local minima on the learning error-surfaces, which affect the learning rate and solving optimal weights. This paper proposes a learning method linearizing non-linearity of the activation function and discusses its merits and demerits theoretically. Supported by Wuhan Shenguang Project, the National Natural Science Foundation of China and the 863 High Techology Project Zhou Shaoqian: born in Mar. 1962,Ph. D graduate student     

考虑自然灾害等多因素的BWM-GIS城市医院选址

为实现城市医疗资源合理配置,对城市现有医院位置进行科学性评估和对新建医院优化性选址.首先,应用ArcGIS软件构建泰森多边形,对现有医院的分布进行合理性评判,并考虑安全性、可达性和经济性等影响因素构建医院选址评价体系.其次,应用最优-最劣法(BWM)计算指标权重,并将其输入Spatial Analyst叠置分析中,根据加权线性组合(WLC)得到适宜新建医院的选址备选点.最后,采用BP神经网络算法对备选点进行比较,得出最优新建医院选址位置.研究结果表明:考虑自然灾害等多因素的医院选址模型优于仅以可达性为目标的选址模型,同时,也验证了该模型和算法在城市医院选址定量分析中的适用性和准确性.     

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.     

基于混沌天牛群算法优化的神经网络分类模型

针对传统BP神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logisitic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立IBAS-BPNN（Improved Beetle Antennae Search and Back Propagation Neural Network）分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他六种典型的分类算法进行比较,实验结果表明IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。     

基于神经网络的车辆交通协调性评价模型

为了研究自动驾驶汽车交通协调性的主客观映射评价模型,以高速公路匝道汇入为研究场景,首先基于自然驾驶数据的交互样本数据,以自车平均行驶速度、并线时刻侧向速度、并线时刻车头TTC、并线时刻两车相对侧向速度和对手车减速程度等客观指标数据和交通协调性主观评价结果作为模型输入和输出,构建映射评价模型;然后设计2×2交叉对比实验,并分析数据预处理方法及神经网络类型对评价模型效果的影响。研究结果显示,基于线性函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为95.71%和80.00%,基于阶梯函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为94.60%和73.25%。由此可见,模型评价效果较好,所建立的客观表征指标集能够较好地表达专家对车辆交通协调性表现的评价。在建模方法方面,基于BP神经网络的映射评价模型的表现优于Dropout神经网络模型,能够根据客观数据更准确地得到符合专家评判标准的评价结果。在样本数据预处理方法方面,线性函数归一化处理方法能够在消除数据间数量级差异的同时保留客观表征指标集数据在不同样本之间的差异,能提高映射评价模型的评价精度。因此,在小样本数据量下,基于线性函数归一化和BP神经网络的映射评价模型构建方案的评价效果更优。