均匀设计法优化神经网络参数的研究

提出采用均匀设计法设计优化ＢＰ神经网络参数的方法,实验表明,通过采用均匀设计法可以有效地降低调节网络参数所需的实验次数,并降低训练误差,取得了良好的效果．     

基于正交设计的BP神经网络在油页岩渣制砖配方研究中的应用

采用正交实验设计与BP神经网络相结合,建立了油页岩渣砖配比与抗压强度之间的非线性关系模型,以正交实验数据为基础进行神经网络训练,得到了油页岩渣砖的BP神经网络预测模型.并对模型进行验证,预测结果基本满意.同时用训练好的BP神经网络预测模型建立了配方中单因素分析,对寻找最优配方有一定的指导意义.最终达到缩短实验周期,节省人力、物力的目的.     

Laguerre正交基前向神经网络及其权值直接确定法

根据多项式理论,构造了一种以Laguerre正交多项式作为隐层神经元激励函数的前向神经网络模型.根据标准BP算法,导出了权值修正的迭代公式(包括标量形式和矩阵形式).区别于这种需要迭代训练获得最优权值的方法,针对该网络模型,进一步提出了一种基于伪逆的直接计算权值的方法.该权值直接确定法避免了以往的权值反复迭代训练的冗长过程.仿真结果显示其具有比传统的BP迭代法更快的计算速度,并且能够能达到更高的工作精度.     

正交试验设计法简介

正交试验设计法（简称正交法）是统计数学的重要分支，主要应用于工农业生产和科学研究过程中的科学试验。该文介绍了正交法的基本概念、主要用途以及应用实例，为了解正交试验设计法提供了入门的钥匙。     

正交设计法在异步电机优化设计中的应用

本文针对三相异步电动机优化设计问题,根据正交设计理论,提出了一种新的电机优化方法——正交设计法。指出电机优化设计应属于求解非线性混合离散规划问题,正交设计法则是解决此类问题的一种有效的优化设计方法。通过对两台三相异步电动机的有效材料费用进行优化,优化结果表明:该法是一种实用和有效的电机优化方法。     

正交计算设计法

根据正交设计的理论,本文提出了正交计算设计法。该法利用正交表,用球域内随机点法确定计算点。该法是一种求解无约束或有约束优化问题的直接解法。它既发扬了网络法[3]的简单、直观,对目标函数无特殊要求、约束条件容易控制等优点,又避免了网络法计算量大的缺点。由于找到了按行构造正交表的方法,使得程序编制变得简便,且存储量也大为减少。计算实例表明:该法的计算精度能满足一般工程要求;它适用于中小型优化课题,是一种可行的实用优化法。     

正交设计法在公路工程材料试验方案设计中的应用

阐述了正交设计法的原理及试验结果的分析计算方法．以钢管混凝土配合比设计为例，说明怎样利用正交设计法来安排材料试验方案及4因素3水平正交表的使用方法，为公路工程材料试验及同类试验方案设计提供参考．     

基于正交实验的BP神经网络预测研究

用不同的L9(34)正交实验方案结果作为训练学习样本集，对BP神经网络预测应用过程的策略进行了探讨，结果表明：完备的正交实验样本集是基本训练学习单元，在完备的正交实验样本集上添加或减少样本数量，所预测的结果是不可靠的；在同一类型、同一实验的条件下，完备的信息量大的正交实验样本集，能以很高的精度预测完备的信息量小的正交实验样本集；提出了一条新的实验设计思路——通过实验得出一个完备的正交实验样本集，通过计算机用BP神经网络就可以把与已知样本集有相同影响因素和水平的所有样本的值以相当高的精度预测出来，从而大大节省时间和劳力。     

正交设计法在浑浊水净化中的实验研究及应用

采用正交设计法优选浑浊水净化最佳实验条件，实验次数少能准确反映多因素时沉淀水出水浊度的影响程度，是一种便捷而有效的实验方法。     

应用正交设计与BP网络优化制备改性活性炭

采用FeCl2·4H2O和KMnO4对活性炭进行改性.为获取高效的三价砷去除率,运用正交实验设计结合BP神经网络优化活性炭的改性方案.以FeCl2·4H2O和KMnO4的摩尔总浓度、FeCl2·4H2O和KMnO4物质的量比、水浴温度、干燥温度为正交实验设计因子,每个因子各取5个水平,以三价砷的去除率为目标因子,编制4因素5水平正交设计表.结合BP网络强大的函数拟合功能,以正交设计表中4因素为网络输入层,以三价砷去除率为网络输出层,建立BP神经网络模型,并通过该模型进行预测和优选,得到最佳的活性炭改性方案.即FeCl2·4H2O和KMnO4的摩尔总浓度为0.12mol·L-1,物质的量比为3∶1,水浴温度45℃,干燥温度190℃.此时三价砷的去除率为0.765,与网络预测值0.788相差3.00%.运用X射线衍射及SEM电镜扫描技术对最佳条件下的改性活性炭进行表面性能研究,并测定活性炭表面的铁锰的负载量,为进一步深入研究打下基础.     

生产作业计划专家知识的神经网络描述方法

研究了采用 BP神经网络描述生产作业计划决策知识和评价知识的原理和方法 ,针对决策知识 ,研究了 6种情形下规则的神经网络描述方法 ,在评价知识的描述中 ,采用层次分析法获取神经网络的训练样本 .     

基于BP神经网络的并行算法

对强激光与等离子体相互作用三维数值模拟程序LARED_P数据输出进行分析,针对大规模数据模拟数据的特点,提出了基于BP神经网络的并行算法,即在各个搜索子空间内对训练集合中的学习样本进行并行训练。实例表明:不仅可避免陷入局部极小点,提高网络训练速度,而且仿真效果较好。     

Application of New Type BP Neural Networks for Magnetic Measurement

Magnetic Measurement is a typical inverse problem in biomedical field.In this kind of problem we always need to locate the positions and moments of one or more magnetic dipoles.Although using the traditional methods to solve this kind of inverse problem has all kinds of shortcomings,BPNN(Back Propagation Neural Networks)method can be used to solve this typical inverse problem fast enough for real time measurement.In the traditional BPNN method,gradient descent search method is performed for error propagation.In this paper the authors propose a new algorithm that Newton method is performed for error propagation.For the cost function is highly nonconvex in the magnetic measurement problem,the new kind of BPNN can get convergent results quickly and precisely,A simulation result for this method is also presented.     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。     

二维灰色神经网络批处理梯度算法的收敛性

灰色神经网络GNNM(2,1)是灰色系统与BP神经网络相糅合的二维神经网络,给出了灰色神经网络GNNM(2,1)的网络结构和批处理梯度算法,研究了灰色神经网络GNNM(2,1)的收敛性问题,并证明了误差函数的单调性、弱收敛性和强收敛性.     

一种基于神经元网络优化的辨识方法

基于神经元网经络结构的优化，提出了一种新的辨识方法，并针对三层反向传播神经元网络，提出了该辨识方法的详细算法，通过实例仿真证实了该方法的有效性。     

BP神经网络在材料领域中的应用(综述)

成分一结构一性能之间的关系始终是材料科学研究的主题,传统的试错法等经验或半经验的材料研究方法造成了资源、人力和时间上的极大浪费,因此需要从理论上解决材料设计、评价、预报等方面问题．人工神经网络是具有在线学习、记忆和分析推理功能能力的数学方法,它能够获得输入与输出之间的相互关系．其中BP神经网络结构简单、理论研究比较成熟．在材料研究领域中,BP神经网络已用于材料性能的研究与预测,复合材料工艺参数优化和预报,以及对金属的腐蚀研究等方面．     

转换GPS高程的神经元网络方法

介绍了神经元网络BP算法的基本结构,提出了转换GPS高程的神经元网络模型－－经改进的5层BP网络结构。该BP网络结构包括：输入转换层,输入层,隐含层,输出层和输出转换层。由于BP网络激活函数的数据限定区间为[0,1],在工程应用中,增加设置输入转换层和输出转换层是必要的。通过某工程实例,对5层BP网络的具体模型结构进行了一些试验研究。如输入输出层的结构设计,隐含层最佳节点数的选取等。最后得到了一些有工程实用价值的结论。     

一种基于Legendre正交基变换的过程神经元网络训练

为解决过程神经元网络训练涉及的时域聚合运算问题,提出了过程神经元网络的一种学习算法。算法在网络的输入函数空间引入Legendre正交函数基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用Legendre函数基的正交性,避免复杂的积分过程,降低过程神经元在时间聚合运算中的复杂性,提高学习效率。仿真实验结果证明了算法的有效性。     

前馈神经网络结构自删除算法的研究

综述了利用删除法进行前馈神经网络设计的研究现状,并在重点分析根据隐节点输出相关性进行自删除的几种算法的基础上,在一个较高层次上提出了一种新的隐节点自删除算法。算例说明了这种法不仅可以压缩线性相关隐节点,而且可以删除不重要的隐节点。其重新计算量也大大减小。