BP算法在交通流量预测中的应用

研究了BP算法在交通流量预测中的应用。针对日益紧张的交通拥挤问题，利用梯度搜索技术，按照代价函数最小准则递归地求解网络权值，使得误差信号最小，提高了实际交通效益，实现交通畅通；仿真结果验证了该方法的有效性、合理性。     

一种新的RBF神经网络学习算法

本文提出一种改进的RBF神经网络学习算法,它利用减聚类算法确定隐层单元的数量,并用修剪的办法删除冗余单元,避免了传统的K聚类算法对隐层单元数量确定的盲目性。利用最小二乘法确定隐层和输出层之间的权值。在对非线性函数进行逼近的仿真中,验证了该算法的有效性。     

基于模拟退火PSO-BP算法的钢铁生产能耗预测研究

针对BP对能源系统进行建模和预测的方法存在的问题,提出一种优化BP神经网络的模拟退火粒子群混合算法(SAPSO)。利用该混合算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以得到最优解,并将所建立的预测模型对钢企能耗进行预测。最后与BP神经网络以及最小二乘法进行比较。仿真结果表明该混合算法增强神经网络的泛化能力,具有相对误差小,预测精度较高,能更好地跟踪未来数据的优点。     

轮循调度的报文平滑改进算法

传统的轮循算法只是简单的对所有队列进行轮循调度,一次调度发送一个分组,使得不同队列在某种程度上"平等"地使用带宽资源。然而由于分组长度不固定,使得长分组队列可能比短分组队列得到更多的服务,获得更高的带宽,因而其公平性受到很大限制。文章提出一种基于平滑的轮循调度算法,该算法提出两个数据结构体,权值矩阵和权值延伸序列。这两个结构体可以减轻传统算法中存在的报文突发性和公平性所带来的问题,并且具有较小的排序复杂性。最后用ns2进行仿真,结果表明该算法能够提供较好的端到端延迟,从而更好地保证了网络服务质量。     

基于神经网络的全局寻优自适应BP学习算法

根据梯度算法中网络权值的演化规律，并基于终端吸引子，提出一种能全局寻优自适应的快速BP算法，该算法的基本思想足最小二乘算法，采用梯度搜索技术，以期使网络的实际输出值与期望值的误差的均方值为最小．同时，进行BP学习算法的稳定性和快速收敛问题分析研究．并进一步给出改善BP算法学习率修正、假饱和现象消除等训练结果的措施．     

最小费用最大流维度拓展及其在反洗钱中的应用研究

本文借助最小费用最大流理论对时间压力下最小风险最大流问题进行了研究,分析了最小风险、最大流路径下的最短时间,构建了基于时间压力条件下的最小风险最大流模型,利用多目标规划方法给出了求解该模型的算法,最后通过实例验证了该方法的有效性.     

雷达低仰角目标跟踪的测角误差实时补偿算法

为提高雷达对低空目标的跟踪精度, 提出了一种基于渐消记忆递推最小二乘法的测角误差实时估计算法。 该算法利用不同设备同时对目标进行跟踪, 得到不同的观测结果。 利用渐消记忆递推最小二乘法对不同的观测结果进行处理, 赋予不同的权值, 得到最终的测角误差估计值。 通过理论分析, 构建多径环境模型, 对该算法的效能进行验证。 仿真结果表明, 由该方法得到的测角误差估计结果估计误差小, 同时可有效减小测角误差的抖动, 得到稳定的测角误差估计结果。     

基于改进BP网络的人脸检测与定位

提出了一种基于改进BP网络进行人脸检测与定位的方法,采用变步长的学习速率,在加快学习速度的同时,保证了权值的稳定性;采用加动量项的BP算法,减小了权值的振荡,且可以避免网络陷入局部最小.利用图像的灰度信息对已构建好的神经网络进行训练,然后利用已训练好的神经网络进行搜索,确定被检测的窗口是否包含人脸.实验结果表明此方法比传统的人脸检测与定位方法具有更强的鲁棒性和可扩展性,定位速度快,泛化能力显著.     

基于进化神经网络的RNA二级结构预测方法

本文提出了一种基于进化神经网络预测RNA二级结构的方法.该方法利用进化算法优化了神经网络结构和权值,改善了传统BP人工神经网络容易陷入局部最优等缺陷.实验结果表明该算法能够获得一个最优结构和权值的神经网络,利用该网络去预测不带伪结的RNA二级结构能获得理想的效果,敏感性和相关系数都有所提升,证明了该改进算法的可行性.     

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。     

一种快速的近似最小代价多播路由算法MCTH

提出一种快速近似最小代价多播种由算法。算法通过动态调整结点与当前躜上树的代价值,依次选择和当前路由树有最小代价的结点来逐步生成总体代价小的多播路由树。Ｍｉｎｉｍｕｍ Ｃｏｓｔ Ｐａｔｈ Ｈｅｕｒｉｓｔｉｃ （ＭＰＨ）是一个性能很好的Ｓｔｅｉｎｅｒ对近似算法,算法分析和实验比较得出,本文的算法与ＭＰＨ有相同的性能,但复杂性更低,并且建立路由时仅需了解相邻结点之间链路的代价信息。     

最小生成树边与边的权的调整

图的最小生成树已经有了好算法，但当图增加或删去几条边或少数几条边的边调整时，最小生成树的边、权可能发生变化，用原算法寻找最小生成树时，显得比较麻烦．利用破回路算法给出一个简单的 方法．并给出了相应的示例．     

基于IGA的多层神经网络BP算法及在系统辨识中的应用

本文针对用GA训练NN权值时 ,花费的代价随精度的提高而剧烈增加的缺陷 ,提出了一种利用IGA较强的全局搜索能力和IBPA较强的局部搜索能力的结合算法 ;先利用IGA优化多层前馈神经网络的权值 ,然后再用IBPA提高搜索精度 ,有效地避免了IBPA易陷入局部极小点和IGA过早收敛的缺点 ,实验结果表明 ,此算法是有效的     

基于最小生成树的时延约束多播路由算法

多播路由已有广泛的应用,但满足时延约束而代价最小的多播路由算法复杂性很高．提出一种快速有效的基于最小生成树满足端到端时延限制的多播路由算法SsTBMR．STBMR试图建立原图的满足时延约束的最小生成树,如果这样的最小生成树不存在,则用已找到的树与时延最小路径一起组成满足时延约束的多播树此算法简单易实现,时间复杂度为O(n2),与Kpp算法的时间复杂度O(△n3)相比,具有更大的应用价值．当然,这是以多播树的费用增大为代价的．实验模拟表明STBMR算法构造的多播树费用比KPP算法构造的约大4%,但STBMR算法执行所耗CPU时间比KPP算法约少54％．     

一种组播路由遗传算法

在计算机通信中,越来越多的多媒体应用如视频会议、多媒体教学系统、视频点播等需要组播技术,这就需要研究如何构造有效的组播树的问题。首先给出基于受限延时的最小代价组播树的网络模型及其教学描述;然后提出一种采用启发武算法和遗传算法的混合算法来解决该问题。该算法可以在满足延时约束的条件下,寻找出最小费用的组播树。算法仿真试验结果表明该算法有较好的性能,快速有效。     

基于AdaBoost和遗传算法的快速人脸定位算法

针对采用AdaBoost算法构建人脸检测器时存在的特征冗余问题,提出了一种新的快速人脸定位算法.首先用AdaBoost算法选取类Haar小波特征(称作AdaHaar特征),然后用遗传算法在低维的AdaHaar特征空间进一步优选,消除冗余并得到相应的权系数,最终的人脸检测器由这些优选的弱分类器及其相应权系数线性组合而成.实验结果表明,采用文中算法训练的人脸检测器在检测正确率、检测速度及占用内存等方面的性能都得到了改善.     

一种时延受限共享组播树算法

针对目前基于共享树的组播路由算法中有些算法没有考虑时延约束、有些不能准确地选举出树的中心的情况,提出一种新的时延受限共享组播树算法,并对新算法进行算法分析和仿真实验。该算法首先准确地选择出共享组播树的中心,然后以所选举的中心为树根,构造一棵满足时延约束的最小代价组播树。仿真实验表明,该算法所构造的组播树的成功率要高于RAND DCSHARED,M INMAXD CSHARD,DC IN IT IALDCSHARED等算法,同时也能保证多个源结点到成员结点之间的时延约束。     

2-重心问题及其反问题的研究

通过研究树上的具有非负权重的2-重心问题,得出了下面的结论：若顶点子集{a,b}包含于V是树的2-重心,在树上连接顶点a和顶点b有唯一的一条路,去掉路的中点所在的边,树分成两个子树,则a和b分别是所在子树的1重心．根据这个结论,提出了具体的算法,即树上的具有非负权重的2-重心可以通过在其子树上求1-重心来得到。树上的具有非负权重的2-重心问题的反问题,可以转化为线性规划模型求解,存在有效算法。     

一类特殊的极大＋和支撑树在调整和权值下的逆问题

本文研究的是一类特殊的极大＋和支撑树在调整和权值下的逆问题．给定一个边赋权连通网络G=（VE,c,w）,对于每一条边e∈E,已知一个费用c（e）和一个权值叫（e）,极大＋和支撑树问题是指寻找一棵支撑树T＊,使得其是权值marxw（e）＋∑c（e）最小的一棵支撑树．而在极大＋和支撑树的逆问题中,给定一棵支撑树％,eET它不是已知网络中最优的极大＋和支撑树,要求调整网络中各边的费用c（e）,使死变成调整后网络中最优的极大＋和支撑树,目标函数是使得在l1模意义下的边权调整费用尽可能的小．本文针对已知网络中各边费用都相等这一特殊情况,给出了求解该逆问题的列生成算法,每次迭代时入基向量的选择可以转化为一个新参数下的极大＋和支撑树问题,从而可在多项式时间内确定入基向量的选择．本文最后给出了一个实例说明算法的有效性．     

基于PCE的多域光网络安全组播路由算法

IETF提出了基于路径计算单元(Path Computation Element)的多域光网络架构方式,能够很好的解决跨域路由的计算问题,但由于光网络的透明性,分层PCE架构下的光网络存在安全威胁。因此,如何提高光网络中信息传输的安全性是一个重要的问题。在PCE架构的基础上,利用信任度、接种疫苗及免疫选择等关键技术,设计了多约束条件下基于人工免疫和信任度的多域光网络安全组播路由算法,在保证光树可信和高收敛速度的前提下,可使组播树的综合成本最小。经分析及仿真实验表明,与传统的多域光网络最短路径树组播路由算法相比,具有更低的综合成本和更优的抗阻塞性能。