可变结构神经网络在未来水质参数预测中的应用

介绍BP神经网络预测水质参数的基础上,结合变结构网络设计的思维方法,给出了可变结构BP神经网络在水质参数预测中的应用过程.并且,对两种预测算法作了比较,结果显示,变结构BP神经网络的预测精度更高.     

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。     

BP网络研究及其在肺癌诊断系统中的应用

以三层BP网络为例,讨论了网络的学习算法,并在VC 6.0语言环境下编制了BP算法程序,在这个基础上建立了基于BP网络的肺癌智能诊断系统,深入研究BP网络在实际应用中的结构设计、参数选择和样本数据的来源,应用含有动量参数的BP算法训练网络,并给出了BP算法动态演化过程的训练调试界面和临床测试界面.目的是用训练好的BP网络来识别肺癌细胞的病变情况,实验表明神经网络能够对细胞图像进行正确的分类,证明了该系统对肺癌诊断具有可行性.     

BP网络及其应用

基函数选取和系数求解是函数逼近中的两个关键问题,目前广泛应用的回归分析或其它映射方法均有局限性。采用人工神经网络中的BP网较好地解决了这两个问题,对理论和实际的数据进行了比较与验证,结果表明.BP网络有助于提高数据处理的可靠性与预测的精度.     

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.     

利用BP人工神经网络实现对轧机轧制力的预测

将人工神网络与轧制力预测相结合,利用BP人工神经网络对4004铝合金轧机的轧制力进行预测,设计该预测模型并采用MATLAB神经网络工具箱加以实现,获得了较高的预测精度.     

改进型 BP 神经网络自适应均衡器设计

针对传统的基于 BP 神经网络的自适应均衡器存在的缺陷,提出了一种改进的 BP 神经网络自适应均衡器的 FPGA 设计方法.从互连结构、训练法则及收敛算法等几个方面对 BP 网络进行改进,通过加入协调器提高 BP 网络收敛速度和容错性能,并根据 BP 网络的并行性能得到分块结构模型,同时采用流水线技术使计算速度明显提高.通过软件仿真,验证了这种结构简单、收敛速度较快的 BP 网络的有效性和可行性,并在ModelSim 工具上完成了自适应均衡器的仿真验证     

BP神经网络算法的研究

给出了BP神经网络的原理、结构、模型、算法及特性,提出了BP算法中值得改进的几个方面.     

时序逻辑网络的矩阵分析

本文是前文所述数学方法在时序逻辑网络分析方面的应用.利用矩阵布尔代数运算与逻辑函数方程的最小项展开,本文给出了时序逻辑网络状态转移矩阵的计算方法以及状态方程和输出方程的矩阵解法.这些方法易于在计算机上实现.     

一种改进的递归神经网络及其仿真研究

针对BP神经网络在学习速度方面的不足,在Jordan和Elman网络结构的基础上,提出了一种带偏差单元的IRN(internally recurrent network)网络模型,根据BP算法推导出了该网络模型的权系数调整规则,并应用该网络模型进行了故障诊断方面的仿真分析.试验结果表明,该网络模型的收敛速度比一般BP网络有了很大提高,具有很好的实用性.     

基于BP网络和RBF网络的电力系统负荷预测分析

给出了BP网络和RRF网络的构造过程和训练方法,在改进的BP网络中加入了动量项和变步长法,且考虑了影响负荷变化的主要气象因素,以适应天气的变化。在RBF网络中,采用了正交最小二乘法选取RBF中心,以克服传统K均值聚类法局部寻优的缺陷,利用改进的BP网络和RBF网络进行了短期电力负荷预测,并对训练的收敛速度和预测精度进行了分析。     

带有偏差单元的递归神经网络在故障诊断方面的应用优化

:针对多层BP网络的不足,在BP网的基础上,给出一种带有偏差单元的递归神经网络模型及其算法,在学习过程中引入经验知识.仿真表明该算法能大大提高学习速度和训练精度.     

BP改进算法在MATLAB7.0中的实现及比较研究

应用MATLAB7.0中神经网络工具箱对BP神经网络的四种共轭梯度算法、标准算法和其它常用改进算法进行了仿真.并从训练速度、训练平均误差、收敛精度和所需内存空间等方面分别加以分析比较,指出针对不同的问题应选择相对较优的算法。     

基于改进BP网络的高校科研项目评价模型

针对高校科研项目评审立项中主观性强的问题,提出了基于改进BP网络的项目评价模型.首先对于传统BP算法,在权值初始化加入混沌序列,并对权值修正过程加权优化,使网络具有收敛快、精度高的优点.然后设计了合理的项目评价指标体系,并给出了具体评价步骤.通过实例仿真说明,提出的改进BP算法用于评价科研项目科学客观,简单实用,有广泛的应用价值.     

改进BP神经网络模型在小康水利综合评价中的应用

分析BP神经网络应用于小康水利综合评价中存在的几个关键性问题。利用层次分析法(AHP)从100余个水利统计指标中遴选出30个具有一定代表性的指标用于构建小康水利综合评价指标体系并给出相应的分级标准;采用LM算法弥补标准BP神经网络在实际应用中存在收敛速度慢、易陷入局部极值等不足,建立了神经网络小康水利综合评价模型——LM-BP模型;利用随机内插方法在小康水利综合评价分级标准阈值间生成训练样本和检验样本;提出网络拟合度的概念;选取网络拟合度、平均相对误差等5个统计指标用于评价模型性能。在模型达到预期的评价精度和泛化能力后,将其用于文山州小康水利综合评价,并构建传统BP模型、RBF模型作为对比模型。结果表明:(a)无论是训练样本还是检验样本,LM-BP模型的评价精度均高于传统BP神经网络模型、RBF神经网络模型近一个数量级,表明LM-BP模型具有较高的评价精度和泛化能力,可用于文山州小康水利综合评价,模型收敛速度快、稳定性能好。(b)2010年文山州及各县级行政区小康水利综合评价为1~2级,处于起步—基本实现阶段;2020年预测评价为3级,全州基本实现小康水利。     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络.     

基于权值函数神经元的BP网络研究

研究了一种神经元模型,在该模型中将参数可调的激励函数往前移到权值上,即把权值变为参数可调的函数,这些权值函数的累加和作为神经元的输出.将此类神经元称为权值函数神经元,根据BP算法给出了由其构成的前馈神经网络的学习算法.仿真实验对比结果表明,在给定的误差精度要求下,基于权值函数神经元的BP神经网络每次训练都能收敛,且平均迭代步数较少,其收敛速度要优于传统BP网络,具有较好的研究应用价值.     

提高多目标输出神经网络模型泛化能力和预测精度的方法

为提高BP网络模型的泛化能力和学习精度,从神经网络的结构、参数设计,以及基本训练算法的选定等方面进行研究,给出了程序设计过程,提出了有效的解决方法。     

被动式时间同步算法的研究与软件编制

网络中的各个节点的时钟是否同步到一定的精度是决定着许多其它的应用能否顺利进行的关键一环，在不同的网络中，我们采用不同的同步算法以达到更高的精度和更好的稳定性，本文详细地讨论了被动式算法的思想，分析了该算法相对干其它算法的优点之处，给出了关键部分的程序实现，并对可能的误差环节进行分析。     

基于BP神经网络的机场旅客吞吐量预测

利用BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,设计了具有成都双流国际机场特点的、低成本的机场旅客吞吐量的BP神经网络预测模型,经过BP网络预测软件运行检验,证明在该机场应用BP网络预测方法不仅可行,而且有更好的预测精度。