一种改进的神经网络BP算法

提出同时对神经元温度常数Ｔ、位置常数θ、联接权值Ｗ进行调整的观点,并推导出相应的学习算法公式。对比试验表明：所给出的改进算法能有效地减少节点数、加速训练进程认识精度。     

一种改进的BP算法在消费水平中的应用

通过对标准BP算法的改进,提出了一种L-M贝叶斯正则化优化算法,并把它应用到成都市居民消费水平预测中.经试验验证,L-M贝叶斯正则化的BP神经网络比相同条件下另外两种改进算法有更强的泛化能力,对居民消费水平有很好的预测效果.     

改进BP神经网络在郑州市需水量预测中的应用

水资源供需矛盾日益突出,需水量预测已成为广泛关注的焦点．需水量预测可以为“三条红线”的实施提供依据,以强化水资源管理和节水监督管理,缓解水资源供需矛盾．基于BP神经网络模型,采用自适应调整的算法,改进了BP神经网络模型中学习率的求解方法,并将其应用到郑州市经济社会需水量预测中,预测了2012年和2015年经济社会需水量,分别为14．41亿m3和14．84亿m3;通过与BP神经网络模型、主成分回归分析结果对比,发现改进后的BP神经网络模型根据迭代误差自动调整学习率,求解速度和计算结果精度明显提高,适用于郑州市需水量预测．     

BP模型的改进算法及其在负荷预测中的应用

分析了ＢＰ模型学习算法－累积误差逆传播算法在接近极小点时收敛速度变得异常缓慢的原因，并通过对连接权值的调整量引入权重系数，提出了一种改进的ＢＰ模型学习算法，大大加快了收敛速度，提出了收敛性。还利用的改进算法对某省中期负荷进行了预测，逄例结果表明了该算法的有效性。     

一种改进的BP算法

为了克服BP算法易陷入局部极小、收敛速度慢等缺点,笔者利用非线性最小二乘法对其进行了改进.结果表明,采用改进后的BP算法来训练神经网络,能在一定程度上提高神经网络的收敛速度,具有学习速度快、识别能力强等优点.     

一种改进BP算法在机械手逆运动学中的应用

通过对传统BP算法的分析，提出了一种改进激励函数的学习方法，并且在神经网络的每一层采用不同的学习速率，以提高训练速度；采用所提出的改进BP算法，训练多层前向神经网络，建立机械手逆运动学模型，仿真结果表明了该算法的有效性；与传统BP算法相比，大大提高了机械手逆运动学的精度。     

基于BP网络的一种改进算法及仿真

针对BP网络存在收敛速度慢及目标函数容易陷入局部极小值的缺点,本文研究分析了BP神经网络模型的缺陷并提出了优化策略.最后提出了一种提高BP网络学习速度的新方法,即自适应调整学习率和下降梯度.仿真结果表明,该方法大大地提高了收敛速度,而且算法简单、易行.     

基于BP网络的一种改进算法及仿真

针对BP网络存在收敛速度慢及目标函数容易陷入局部极小值的缺点,本文研究分析了BP神经网络模型的缺陷并提出了优化策略。最后提出了一种提高BP网络学习速度的新方法,即自适应调整学习率和下降梯度。仿真结果表明,该方法大大地提高了收敛速度,而且算法简单、易行。     

一种改进的多记忆BP神经网络算法

本文针对目前标准BP神经网络的缺点,提出基于高阶导数的多记忆BP算法,将能量函数的n阶导数与最速下降方向相结合,构造出一个新的最速下降方向,从而提高了神经网络的学习速度。首先证明了该算法相对于传统梯度算法的快速性,然后给出了该算法的实现方法,并进行了算例仿真。结果证明,该算法便捷、实用、有效。     

改进的BP神经网络及其在销量预测中的应用

针对影响产品销量的因素众多,并且影响因素之间相互作用等特点,将人工神经网络理论引入产品销量预测领域.同时,为了克服BP网络的局限性,提出将主成分分析方法、BP神经网络以及粒子群优化算法相结合,分别从样本质量和初始权值两个方面对BP神经网络进行改进.最后,对某品牌服装产品的月销售量进行了实例研究.结果表明,所提出的模型简...     

一种基于总量风险函数的改进BP算法

为了能设计出一个优良的神经网络结构使得网络在保持良好性能的同时使规模最小化,作者引入了一种新的目标函数,希望能在模型的可靠性和规模之间找到一个适当的折中.基于此新的目标函数提出一种改进的BP算法,同时在改进的算法中采用自适应调整动量和学习率的方法以加快收敛速度和避免误差陷入局部极小值.将改进BP算法用于手写数字识别实验,结果表明,新算法有很好的实用价值.     

改进 BP 反传算法在智能控制系统中的应用

在一般的基于神经网络的智能ＰＩＤ控制基础上，针对受控模型参数、系统设定值以及扰动幅值在大范围内变化的情况，探讨并建立了ＢＰ反传算法学习速率与受控模型参数、系统设定值以及扰动幅值的关系，神经网络控制器可在线调整学习速率，使控制系统具有较强的适应能力和较好的调节品质．     

一种改进的BP网络图象压缩方法

本文提出了一种改进的ＢＰ网络图象压缩方法．该方法对输入图象矢量进行分类，不同类别的图象矢量分别由不同的ＢＰ网络来实现压缩和恢复．因为同一类别图象矢量间离散度较小，所以可降低ＢＰ网络的映射复杂度，从而达到改善图象质量的目的．实验结果表明，这种改进能有效提高恢复图象的信噪比和视觉质量，对数据压缩比影响很小．     

基于SVM的BP改进新法

BP人工神经网络算法作为一种基本算法在许多领域中都有着广阔的应用前景.但由于其本身的缺陷而很难投入实际应用.给出了一种基于SVM(Support Vector Machines)的BP改进回归算法,有效地提高了算法的收敛速度,减少了迭代次数,提高了回归预测的精度.     

基于人工神经网络送电线路工程造价的快速估算

根据送电线路工程造价结构的影响因素,结合人工神经网络的特点,提出了运用人工神经网络进行工程造价快速估算和审查的方法.分析送电线路工程造价结构和影响因素,构建关于送电线路工程造价的神经元输入输出向量,建立了相应的人工神经网络模型,导出了算法的实施步骤,通过历史工程样本训练和实例样本计算分析,得到了比较好的快速计算结果,满足了工程项目概算方案审查的要求,为电力工程概算提供了一种客观、快速的审查方法.     

论优化BP神经网络的一种改进遗传算法

为了全面优化BP神经网络,使之具有较好的泛化性能,改进并设计了一种遗传算法,并通过算法对比测试表明,改进后的遗传算法减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果。     

一个改进的BP神经网络自适应学习算法

提出了一个改进的自适应变步长ＢＰ网络学习算法,对多个布尔学习问题以及Ｆｉｓｈｅｒ收集的一个植物分类问题进行计算．结果表明,该算法不仅有相当快的收敛速度,而且在避免学习过程陷入局部极小方面也取得较好结果．     

预测循环流化床L阀颗粒质量流量的改进BP算法

在采用相对误差函数、训练集重组、增加惯性项、参数动态变化、权矩阵随机变化量等措施对传统的BP神经网络算法改进的基础上,利用改进的BP神经网络算法建立了循环流化床L阀固体颗粒质量流量的预测模型,得出了循环流化床L阀的充气位置、充气方式和充气体积流量与固体颗粒质量流量之间的映射关系,获得了对循环流化床L阀固体颗粒质量流量较好的预测结果.     

改进的BP网络初始条件的选取与性能分析

本文给出一种改进的BP网络,网络中各个神经元的状态只取1或-1,这是考虑到其用数字电路实现的方便性.在此基础上,同时提出了初始条件选取的方法以增加训练速度,这种初始条件的选取也最有可能使网络收敛到全局最佳.尽管网络中神经元的状态取1或-1,但在训练中还是利用Sigmoid函数tanh(·).网络的输入既可以是元素为1或-1的模式也可以是任何连续变量所构成的模式.计算机仿真结果表明,用同样的训练算法,利用本文提出的方法选取初始条件比随机选取初始条件收敛要快的多,与传统结构相比,该网络具有更好的性能.