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.     

一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。     

浅谈利用BP神经网络进行系统预测的方法

BP神经网络体现了人工神经网络最精华的部分,利用BP神经网络可以实现系统预测功能,本文就工程实际中利用BP神经网络进行预测的问题进行阐述.为BP网络的实际应用做了铺垫.     

BP算法及其应用实例

BP网络（也称激活函数采用Sigmoidal函数的多层感知器）是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP算法是一类有导学习算法,用于BP网权值和阈值学习,它的规则的推导是基于最小均方误差准则,它可实现函数逼近,同时利用Matlab进行仿真。     

基于MATLAB的神经网络在城市环境质量评价中的应用

应用人工神经网络网络模型,结合MATLAB中BP网络算法的基本训练函数,建立了城市环境质量评价的BP神经网络模型。应用该模型,对广州市1997年至2002年的环境质量进行综合评价。结果表明,人工神经网络用于评价城市环境质量是可行的,且具有客观性和通用性。     

神经网络结合遗传算法优化应用

神经网络特别是BP网络因其函数逼近能力已取得了广泛的应用,遗传算法因其解决优化问题的普遍适用性而在现实生活及科研领域获得了广泛应用。本文提出的优化策略是为解决一些工程优化问题,即用神经网络及遗传算法结合起来解决此类问题。以BP网络的函数逼近能力隐式地得到问题的函数表达式,再用遗传算法优化该网络的输出。     

基于RBF神经网络的Web分类挖掘研究

根据Web文档分类与人工神经网络理论，设计了一个Web分类挖掘系统。针对BP网络分类器的不足，提出了用径向基函数神经网络对Web页面中的文本信息进行分类的方法。实验初步证明，用径向基函数进行分类比BP算法构造的神经网络更具准确性，有效地提高了分类的正确率。     

基于BP神经网络的训练函数选取研究

首先介绍BP神经网络的特点,论述其在岩土工程中的实用性,以Matlab神经网络的作为工具,基于触探模型作为研究对象,对不同的训练函数进行了仿真比较,建立黄土旋转触探模型,以所采集的实验参数,进行BP神经网络的训练函数研究。结果表明采用不同的训练函数其存在明显的差异。综合考虑干密度误差,含水量误差,干密度误差（样本顺序）,含水量误差（样本顺序）以及迭代次数和性能误差等因素,选用trainlm作为训练函数,trainlm函数由于其训练速度较快且计算精度较高而显现出一定的优势。最后采用不同的训练函数对网络进行训练,进行总结其优缺点。     

BP网络算法在模式识别中的应用

神经网络是目前处理科技领域各类问题的一个重要工具,它由大量简单单元以及这些单元的分层组织大规模联结而成,力图像生物神经系统一样处理事物;BP网络采用传播算法,是目前应用最为广泛和可靠的神经网络之一,具有较强的分类和学习能力。从模式识别出发,在选取典型实例的基础上,建立BP网络算法模型,对算法进行动态误差修正的改进,提高了算法的收敛速度,并根据算法流程,通过运用Matlab软件对其进行仿真验证,说明了BP网络算法在模式识别中具有应用可行性。     

BP神经网络建模与应用

BP网络是人工神经网络的重要组成部分,在实际应用中占有十分重要的地位。本文就BP网络的概念,BP网络的应用模型MLP模型,以及构建BP网络模型的关键问题作了论述。并对MLP建模理论与实际应用问题的联系作了简单的分析,为BP网络应用做好铺垫。     

基于人工神经网络的多属性决策

研究利用ＢＰ人工神经网络解决多属性决策问题。根据价值函数的存在定扩展多属性决策问题的价值函数,利用一个３层ＢＰ网络任意逼迫多属性决策问题的价值函数,从问题本身抽取学习样本训练ＢＰ网络,构造该问题的价值函数,利用训练后的ＢＰ神经网络作为多属性决策问题的价值函数计算各方案的价值。实现了多属性决策问题的自动化,计算结果与用传统工具的计算结果基本一致,并且满足Ｐａｒｅｔｏ最优准则。     

新的组合激活函数BP网络模型研究

作者提出了一种新的BP神经网络模型，其隐层激活函数采用中心参数可调的Gaussian函数，输出层采用斜度可调的Sigmoid函数，从而神经元具有了更强的信息存储、处理能力。由于采用组合函数，将Gaussian函数良好的局部性和Sigmoid函数良好的全局性相结合，提高了神经网络的收敛速度。几个典型实验的结果表明，与传统BP网络模型相比，新网络模型在学习能力和泛化推广能力方面都有明显提高。     

基于Gaussian型RBF神经网络的一元函数逼近性能研究

为了研究Gaussian型RBF神经网络对于一元非线性函数的逼近能力，编程建立了Gaussian型RBF神经网络和BP神经网络，并以正弦函数、指数函数、阶跃函数三种典型的一元非线性函数为例，分别用两种神经网络对其进行逼近．仿真结果表明，相对于传统BP神经网络而言，Gaussian型RBF神经网络对于一元非线性函数的逼近精度更高、收敛速度更快，具有良好的逼近能力，为解决一元非线性函数的逼近问题提供了良好的解决手段．     

基于隶属度函数的BP人工神经网络改进算法

为了实现基于BP人工神经网络的短期电力负荷预测,提出了一种基于隶属度函数的BP神经网络改进算法.算法是在学习率自适应调节算法的基础上,引入模糊数学中的隶属度函数的概念,根据不同的误差E,来确定不同的改变学习率的α和β,进而使BP神经网络的学习过程具有更好的自适应性,提高网络的学习速度.仿真试验结果表明,在预测精度不变的情况下,收敛性明显加快.由此证明.提出的基于隶属度函数的BP神经网络改进算法是快速和有效的,可用于短期电力负荷预测和各种类似的应用.     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型，对涡北井田地下水水质进行了评价，并与灰色聚类结果进行了比较。结果表明，BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系，评价地下水水质简便可靠，预测精度高，具有通用性和客观性。     

人工神经网络在数字字符识别中的应用

本文首先提出了在信息技术发展下，传统的图形图像处理方法可能无法满足需要，从而引出人工神经网络这一新型学科。接着阐述了人工神经网络在数字字符识别方面的应用。这其中应用到了神经网络字符识别系统和BP神经网络模型等关键技术，并对BP神经网络的设计考虑了改进。最后得出了条件不同，解决的方法也不尽相同的情况下，数字字符识别的研究仍具有理论和实践意义。     

基于BP神经网络构建矿床地质模型的估值方法

为了解决数字化空间三维模型中数据样本点不足的问题,采用经典BP网络的基本原理,研究了地质变量与其影响因素之间的非线性映像关系,并建立了地质变量参数估值计算神经网络模型的基本结构,从而提出了基于人工神经网络原理建立地质模型的估值方法.结果表明:该方法能较好的决绝地质矿床的各向异性、非线性等问题,弥补了传统估值方法的不足,为地质建模的插值计算提供了理论工具,具有一定的指导意义.     

人工神经网络之BP模型算法实现

BP网络模型误差反向传播算法，有效的解决了权值调整问题，也是至今为止应用最广泛的神经网络。因此，本文介绍了BP的网络模型算法理论，并通过C#语言对该算法进行实现，可根据不同样本数据建立相应的BP模型，本研究具有一定的实用价值。     

人工神经网络在海运量预测中的应用

人工神经网络是一种模仿动物神经网络行为特征,进行分布式并行信息处理的数学模型,广泛应用于自动控制、模式识别等领域.本文首先简单的介绍了人工神经网络的相关理论,接着重点分析了BP神经网络预测应用的基本原理,并通过某货物海运量的实例建立BP神经网络时序模型预测未来运量,最后对预测结果和BP网络结构性能进行分析.     

应用模糊技术的递归小波神经网络太阳日总辐射预测

考虑到人工神经网络在非线性函数逼近方面的特性和小渡函数良好的时频域多分辨分析能力，建立了结舍两者优点的递归小渡BP网络（RWBPNN）模型，用以对地面太阳日总辐射进行准确预测．该模型将气象台的天气阴睛预报进行模糊化处理后输入神经网络，增加有用信息以改善模型的预测精度．同时还提出了批量平均权值法来训练网络，有效地改善了初始参数的选择问题．实例以及模型间的比较说明了本模型应用于太阳辐射预测具有更高精度和实际可行性．