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。     

Matlab人工神经网络工具箱中的BP工具函数及其应用

人工神经网络中的BP网络模型在函数逼近、模式识别等领域得到了广泛的应用，但利用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神经网络BP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工具箱中专门编制了大量有关设计BP网络模型的工具函数。本分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数，并给出了部分重要工具函数的实际应用。     

时间序列预测在社会商品零售中的应用研究

神经网络和遗传进化的方法在时间序列预测中的应用已得到充分地认可,一些模型已经提出,例如多层感知器(MLP),误差反向传播(BP),径向基函数(RBF)网络和遗传规划算法(GP)等等。本文通过实例分析,比较了以上的几种方法,计算了各种预测模型的精度和推广预测能力。     

基于改进BP神经网络理论的算法研究

研究了改进标准BP神经网络的方法,特别是研究加快标准BP神经网络收敛速度的方法。针对标准BP神经网络的收敛速度慢,分别采用3种方法修改网络的学习速率,然后建立了相应的改进BP网络模型,并把模型应用到实际生活中。和标准BP网络相比,提出的3种改进模犁都具有收敛速度快、精度高的优点。     

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.     

遗传算法的BP网络模型进行瓦斯涌出量预测

从提高采煤工作面瓦斯涌出量预测的速度和精度入手,将遗传算法与神经网络2种非线性最优化算法的优势加以融合,提出了一种利用遗传算法同时优化BP网络的连接权和拓扑结构的网络模型,并以韩城下峪口煤矿为例,进行了实际应用。结果表明:改进后的BP网络模型预测精度较高,具有良好的应用前景。     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

多层BP网在模式分类中的应用

本文根据实际应用中的实例，设计了相应的多层BP网络，改进了原有的网络模型，更有利于神经网络在不同领域中的应用。     

从受训神经—模糊模型中提取知识

本对用于模式分类、函数逼近、参数估计的多层感知器（MLPs)给出1个清晰的关于内部行为的解释。作以单隐层的MLP为例，论述了关于MLP的内部行为的半线性分析理论。对受训的MLP，将隐层单元的输出分别定义为网络输出的正、负“内部分量”；定义内部分量的连接权重集为给定问题的“内部判别模式”；建立了MLP和模糊集相结合的新模型；分析了MLP的结构为N－2－1和N－H－1，给出权重初始化的方法；提出了1种从受训神经－模糊模型（NFMs)中提取知识的全新的具有实用价值的方法。     

几种神经网络在入侵检测系统中的应用综述

对入侵检测系统做了一个简要介绍,分析了神经网络应用于入侵检测系统的优越性,并对MLP网络、自组织映射网络、RBF神经网络三种常见的神经网络系统在入侵检测系统中的应用作了分析与比较。     

BP网络模型中激励函数的研究

人工神经网络中的BP网络模型在模式识别领域得到了广泛的应用,而激励函数的选取是影响BP网络性能的重要因素之一。本提出了一种新的BP网络激励函数,导出了该激励函数下BP网络权值和阈值的调整公式,对相似汉字识别的计算机仿真结果证实了网络良好的泛化性能。     

通过MLP网络结构进行手写数字识别的系统设计

数字识别是近年来发展起来的一项新科技,具有广泛的应用前景。该文主要利用MLP网络结构实现手写体数字的识别。首先,设计网络模型对识别精度进行测试。然后提取结构特征并输入网络模型验证其正确性。     

基于BP网络的电力系统负荷预报研究

电力负荷预报在实时控制和保证电力系统经济、安全和可靠运行方面起着重要作用。利用BP(Back-Prop-agation)神经网络模型,通过输入特征数据来训练网络,使其具有预测功能。网络测试的结果表明,该网络能够满足预测要求,可以投入实际应用。     

量子进化算法在BP网络模型优化中的应用

BP网络的研究多年来主要集中于网络的结构与参数优化上,却忽略了对训练过的BP网络模型本身的优化.针对上述问题,提出了一种解决BP网络模型优化的量子进化算法.通过裙座锻造结构参数优化设计实例,表明量子进化算法较好地实现了BP网络模型的优化设计,可有效解决实际工程的优化问题.     

基于BP网络的设备状态分类器设计

BP(Back-Propagation Network)网络是神经网络中最常用到、最典型的一网络模型,它的结构简单、可塑性强,应用范围广泛。本文利用BP神经网络设计了一个状态分类器,用于检测减速箱的工作状态。实验结果与实际情况相符合,证明该网络设计是合理的。     

氧乐果合成过程的PSO-回归BP网络建模方法

为了提高模型效率,更好地反映实际系统的动态特性,根据氧乐果合成过程特点确定了PSO-回归BP网络结构.采用惯性权重动态调整的粒子群算法进行初始寻优,并基于改进的BP算法对优化的网络权阈值进一步精确优化,建立了氧乐果合成过程的PSO-回归BP网络模型.仿真结果表明,所建模型误差小、收敛速度快、网络泛化能力强,能更好地反映实际对象特点.     

IGA-BP网络模型在高炉铁水硅含量预测中的应用

文章针对BP网络收敛速度慢和易于陷入极小值的问题,采用免疫遗传算法全局寻优和BP网络局部寻优相结合的方法,提高了BP网络的计算精度和收敛速度;应用IGA-BP网络模型对高炉铁水硅含量进行了预测,数值结果对比发现,该模型提高了预测精度的同时,迭代次数比一般BP网络模型也大大减少;仿真结果证明了方法的有效性。     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

非线性、大滞后系统神经网络辨识研究

基于神经网络的非线性、大滞后系统辨识是当前研究的热点之一,介绍了神经网络辨识的基本原理,研究了BP与RBF神经网络两种典型网络的设计和算法,最后通过MATLAB进行了仿真分析与比较。仿真结果表明:一致性方面RBF优于BP神经网络,RBF神经网络收敛速度更快,辨识效果更好;泛化性能方面RBF网络较差,不如BP网络。由此得出两种网络各自的优缺点,在实际应用中可以此作为神经网络模型辨识的参考。     

BP神经网络的双重优化的改进研究

目前,在交通、农业以及相关数据挖掘等领域应用最为广泛的BP网络模型是较为重要的一种神经网络算法模型,但其性能一直达不到理想状态。BP神经网络收敛性、预测精度一般,并且容易陷入局部最优解,这些缺点需不断改善。针对上述提到问题提出采用动态自学习影响因子和改进网络激活函数两者相结合的一种改进BP网络算法。实验表明,提出改进BP网络方案能够大幅度提升BP神经网络的收敛效率以及精度。