BP神经网络的改进及应用

合理的选择网络结构是BP神经网络研究中一个重要问题.对传统的BP网络结构进行了改进,在确定BP网络的隐层节点个数时给出了BP网络结构的自适应算法,使得隐层节点的选取动态实现,增强了BP神经网络的适应能力.并应用改进后的BP网对高校教学工作水平评估体系进行建模,为高校教学管理决策提供了科学依据.     

BP算法的改进方向

BP是对非线性可微分函数进行权值训练的多层前向网络。BP算法利用了神经网络既能考虑定量和定性因素，又具有自学习、自组织功能的特点。它在控制行业中的应用很有效果，但也有其致命的缺点。通过JAVA语言实现BP算法，并通过实例说明了BP算法的特点，且提出了改进方向。     

电力系统短期负荷预测的改进BP算法

提出了一种电力系统短期负荷预测的算法，通过增加势态项及采用步长自适应等方法的对传统的BP算法进行了改进，实例计算表明该算法可行。     

神经网络改进BP算法的DSP实现

研究一种前向型神经网络的改进学习算法并基于TI的TMS320C5402定点数字信号处理器开发系统实现该算法的训练学习：测试结果表明：网络学习速率提高，网络的输出动态响应具有超调小、响应快和鲁棒性强的优点，为DSP在实时性控制系统中的应用奠定了一定基础。     

基于BP神经网络改进算法的数据压缩方案

论述了BP神经网络进行图像数据压缩的基本原理;为了进一步提高算法的收敛速度,分析了样本数据输入顺序对权值的影响、学习参数的选择及局部极小这三个影响算法收敛速度的重要问题;提出了消除样本数据输入顺序对权值的影响、如何避免局部极小的问题、学习参数自适应调整的改进算法．     

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。     

BP神经网络及其改进

针对标准BP算法存在的缺陷，从网络结构、算法及初始值选取等各个角度系统总结了BP神经网络的各种改进措施，对各种方法的原理及优缺点作了详尽分析。指出了BP神经网络今后改进的方向。     

一种改进BP神经网络算法的编程及应用

采用附加动量并结合动态调整学习率改进BP算法，用MATLAB语言完成该算法程序的编写，并将其应用于处理光催化降解直接橙S水溶液的数据．该程序对训练集和预测集计算结果的相关系数R分别为0．9723和0．9452，处理效果良好．     

BP神经网络算法的改进及应用

BP神经网络算法可操作性强,是神经网络训练采用最多的算法之一。但该算法网络的收敛速度慢,在网络的训练中,容易出现局部变化较大。为了改进误差平面容易形成局部最小、收敛速度慢的不足,在用自适应学习速率方法基础上本文研究出一种改进的BP算法,提高了BP神经网络的适应性,增强了PLC和单片机的控制能力。     

神经网络的BP算法在发动机建模中的应用

人工神经网络独特的结构和处理信息的方法使其在实际应用领域中取得了越来越显著的成效.介绍了神经网络的基本概念和神经网络系统在发动机工程问题中的解决方法,并建立了JL474Q1发动机输出转矩神经网络模型,为实现发动机与车辆传动系统共同工作的匹配控制奠定了理论基础.     

BP神经网络训练算法的改进

BP神经网络被广泛应用于分类模式识别、图像处理和系统控制等领域。 人们对BP网络算法进行了许多的研究,但尚有其不足之处,为完成其权的训练,问题的关键在于如何避免陷入局部极小及在此前提下如何提高学习速度。为此,就如何选取学习率η和动量矩α提出了改进方案,并应用于数字识别,得到了较为满意的结果。     

BP神经网络训练算法的改进

BP神经网络被广泛应用于分类模式识别、图像处理和系统控制等领域人们对BP网络算法进行了许多的研究,但尚有其不足之处为完成其权的训练,问题的关键在于如何避免陷入局部极小及在此前题下如何提高学习速度为此,就如何选取学习率η和动量矩α提出了改进方案,并应用于数字识别,得到了较为满意的结果     

改进BP算法在城市土壤环境质量评价模型的应用

首先采用随机函数生成训练样本,并利用"比例压缩法"进行预处理;而后采用"试错法"确定隐含层神经元数,最终建立了结构为7∶8∶1的BPANN的土壤环境质量评价模型,并采用Matlab6.0进行模拟计算。模型检验结果表明:所建模型的拟合精度、检验精度以及实际评价效果均较好,能够比较客观、准确地对城市土壤环境质量进行评价。对长春市城市表层土壤的评价结果表明,其总体环境质量较好,约81%的土壤面积符合国家一级土壤标准,但局部重金属污染不容忽视,应注意控制重金属污染物排放,以保证土壤资源的可持续利用。     

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。     

BP神经网络的优化及应用研究

介绍对BP网络的结构和算法进一步优化的实验研究方法,并给出了有关隐含层数和节点数选择、误差构成方式设计以及再学习策略引进的研究结果。     

BP小波神经网络自适应调节步长的改进算法

在BP小波神经网络的训练过程中,自适应调节步长是对算法效率起重要作用的步骤之一,深入讨论了自适应调节步长的改进算法,从而得到更加方便合理的实时步长调整方法,进一步提高了局部搜索速度。多种情况下的仿真结果表明,该算法能够提高局部搜索速度,具有较广泛的应用价值。     

基于改进BP算法的电力系统谐波分析

在选取BP神经网络对谐波进行分析时,考虑到BP网络存在的缺点和不足,对BP网络进行改进。通过把FFT和改进的BP网络结合起来,实现对谐波的实时分析。该方法先对采样信号进行FFT运算实现预处理,得到谐波个数和谐波次数;然后根据谐波的个数来确定神经元的个数,通过谐波次数设定神经网络参数迭代的初始值;最后对改进的神经网络进行训练,可以实现谐波的精确分析。所提出的BP改进算法有效地提高了谐波分析的精度,实时性也得到了改善。     

基于改进BP算法的广义逆矩阵求解方法

研究了广义逆矩阵的人工神经网络求解．基于改进的BP算法，提出了求解广义逆的3层网络的拓扑结构，包括各层神经元的个数、排列方式，提出了各层之间连接权值的分布规则等．推导出了求解15类广义逆所必需的4个计算公式．程序模拟证明，这种方法可以求出包括方阵、长方阵和病态短阵在内的所有类型短阵的广义逆矩阵．     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重点课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

神经网络BP算法的改进方法探究

针对BP算法存在的问题或缺点,提出从提高训练速度的方法、选择激活函教类型、初始权重的影响及设置、隐含层数和隐含层节点数的选择等方面进行改进。从而使BP算法得到优化。