基于BP神经网络的手写数字识别研究

将BP神经网络应用于手写数字识别,通过实验证实,该方法具有较高的识别率和可靠性．     

基于BP神经网络的酒泉市霜冻天气预测研究

本文利用2019年12月和2020年1月至11月气象观测资料、ECMWF再分析资料和FY-4陆表温度资料,基于BP神经网络对甘肃省酒泉市一次霜冻天气进行预报分析研究.研究表明:此次霜冻天气前期受到贝加尔湖西部冷槽影响使气温下降,后期乌拉尔山高压脊东移使天气转晴,冷平流及强辐射的共同影响是此次霜冻天气的主要原因;霜冻...     

基于BP神经网络的干热风灾害预测

干热风是我国新疆,西北等地农业气象灾害之一,其形成因素呈现复杂的非线性关系.利用传统方法很难建立起一个精确完善的预测模型.人工神经网络具有强大的非线性映射能力,尤其是BP神经网络在预测领域中被广泛应用.本文利用BP神经网络对干热风灾害进行了预测.结果表明,基于BP神经网络的干热风预测模型误差小,能达到满意的效果.     

基于BP神经网络的障碍物位置视觉检测的研究

针对障碍物位置的自动检测,提出了基于单摄像头视觉的检测方法。首先利用BP神经网络进行标定建立图像坐标系与地面坐标系的对应关系,然后以图像中障碍物两个位置点为输入,障碍物实际位置点为输出,建立神经网络。以18个点进行实验,实验结果表明横坐标x的平均误差为3.12%,纵坐标y的平均误差为0.83%。这说明利用此方法能够较为准确地求出障碍物的位置。     

基于BP神经网络的集中监测系统故障诊断

铁路信号集中监测系统通过采集信号设备开关量、模拟量并记录分析,实现了设备工作状态监测、故障报警等功能。为了进一步实现集中监测系统对设备故障原因的分析,讨论基于BP神经网络的集中监测故障诊断流程,对信号设备故障机理的分析确定特征参量,再利用集中监测系统功能获取故障数据,将故障数据作为训练样本对神经网络进行训练,从而获取其中的映射关系。集中监测系统实时监测特征参量的异常变化,将测试的信号设备特征参量作为待诊断样本输入神经网络。结果表明,网络将会输出最匹配的诊断结果,实现集中监测系统的故障诊断功能。     

基于BP神经网络的湘江出口水质评价

依据1999—2011年湘江出口樟树港站水质监测数据,选取溶解氧等10个水质指标,对数据优化后运用BP神经网络模型对其进行水质综合评价与分析,发现湘江出口水质具有明显的季节性与趋势性,近年来水质有所好转.同时对氨氮、溶解氧、总氮3个指标进行了季节性分析,并运用季节性水平模型计算了水质综合指数的季节比,将13年来的数据分3个年段对比分析,发现水质综合指数季节比与湘江降水量季节比、湘江出口水温季节比存在负相关性.     

基于MATLAB的BP神经网络进行教师评估

根据影响教师评估成绩的指标构建了BP神经网络模型,应用MATLAB工具直接根据教师的表现来估算教师的评估成绩,对神经网络在教师评估中的应用作了新的尝试．     

基于BP神经网络的项目投资风险评价

为了科学准确地对风险投资项目进行评价，利用BP神经网络的原理建立了用于项目投资风险评价的BP神经网络模型，通过对福建省14个高技术项目投资风险的评价，表明由该模型获得的结果是可靠的。     

基于主成分分析的BP神经网络和RBF神经网络月平均气温预测模型

应用基于主成分分析的BP神经网络和RBF神经网络建立了气温预测模型.通过比较模型的均方误差(MSE)和平均绝对误差(MAE)值可知,采用主成分分析的BP神经网络得到的预测模型的误差小于主成分分析的RBF神经网络预测模型.结果表明,模型采用主成分分析提取了影响因变量的重要因子,去掉了网络输入样本的自变量之间的重叠因子,同时也提高了预测能力.     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

基于BP网络改进算法的模拟电路故障诊断

将BP神经网络的改进算法应用到模拟电路故障诊断中,并在MATLAB7．0中运用神经网络工具箱中的函数加以实现,对实验结果进行比较研究．     

一种基于神经网络辨识的预测方法

针对时变的非线性系统,将传统的预测控制与神经网络逼近任意非线性函数的能力相结合,提出一种基于神经网络辨识的预测方法.同时选用含有调整参数的双曲正切函数作为节点的激活函数,弥补由于未考虑激活函数的输出值域、影响神经网络辨识精度和速度不足的问题.仿真结果表明,它适用于无滞后和有滞后的时变非线性系统,辨识收敛速度快、精度高,并具有较强的自适应性和鲁棒性.     

砂土液化判别最优BP神经网络模型

利用BP网络模型在解决砂土液化评价这类非线性问题方面的优势,选取不同的参数组合,建立不同的砂土液化判别BP神经网络模型,并根据现场实测资料进行比较分析.结果表明,以地震烈度、标准贯入点深度、地下水位深度、标贯击数、不均匀系数及地震剪应力比作为输入节点的砂土液化判别BP神经网络模型最为合理.     

一种基于遗传算法和BP网络的鲁棒图像哈希方法

提出一种用于图像内容认证的基于遗传算法和BP网络（GA-BP）的鲁棒图像哈希方法。运用提升小波变换（lifting wavelet transform,LWT）得到图像的低频分量,对低频分量进行离散傅里叶变换（discrete Fourier transform,DFT）提取幅度和相位信息以建立图像的特征矩阵,利用构建的GA-BP模型,生成鲁棒的图像哈希序列并用于图像内容的篡改认证。实验结果表明,相比于同类方法,所提出的图像哈希认证方法对随机攻击、旋转、JPEG压缩,加性高斯噪声等具有较好的鲁棒性和区分性。     

医用内窥镜图像校正的BP神经网络方法

用传统的畸变校正法对内窥镜图像进行校正存在畸变模型复杂、计算量大、易产生误差等问题. 该文利用标准模板,提取样本点在标准图像和内窥镜拍摄的畸变图像中的坐标,分别作为BP神经网络训练的输入和目标,通过神经网络的训练拟合成像镜头的畸变模型,从而确定标准图像和畸变图像上像素点的位置关系. 再通过图像插值的方法进行图像恢复,实现图像校正. 实验结果表明该方法简单有效,具有精确性.     

BP神经网络预测技术在脱硫系统pH值中的应用

在热电厂脱硫过程中,pH值的稳定性对脱硫效率影响重大,在实际生产中因受到各种环境因素及主观因素的影响,pH测量仪器在现场操作中易受到破坏或腐蚀,给生产造成很大损失,为了降低这种损失,提出了基于BP神经网络的预测技术。运用此预测算法对系统参数进行数学建模,设计了三层网络预测模型,同时用Matlab工具箱对pH数据进行仿真,使系统实现在线控制和实时控制。结果表明,BP神经网络对脱硫系统中pH值的预测精度很高,产生误差也很小,取得了满意的预测效果。因此,用BP神经网络预测技术对烟气脱硫系统中的pH值进行预测,能提前预知脱硫过程中pH值的变化情况,有助于改善脱硫装置的效率。