小波变换在径流序列中应用

小波变换被应用到径流分析中,以获得径流序列的组成,并预测未来的径流.用几个小波函数对观测的径流序列进行了分解和重构,并展示了其发展趋势;用BP神经网络、小波变换结合BP神经网络,对引用的径流序列进行了预测.最后,对影响计算结果的因素进行了分析,并对小波函数在径流分析中的应用提出了建议.     

模糊稳健优化设计中的神经网络技术

由于模糊稳健设计中的准则函数和约束函数是随机性可控因素与不可控因素的函数,其概率密度函数的表达式难以确定,故在优化设计中采用随机模拟方法.但采用遗传算法进行优化计算时,随机模拟消耗的机时很大,优化计算效率极低.为此,采用BP神经网络对模糊随机函数进行逼近,探讨了神经网络的构造与程序实现方法;用插装式溢流阀调压弹簧的模糊稳健优化设计问题进行了数值仿真与验证.实例表明,BP神经网络的仿真精度可以达到工程优化问题的要求,把遗传算法与神经网络技术相结合,可以有效地求解模糊稳健设计等复杂优化设计问题.     

零误差密度函数准则的BP神经网络学习研究

BP神经网络的学习通常以均方误差函数(MSE)为目标函数,当目标变量不满足高斯分布时,其结果可能偏离真正最优.零误差密度函数(ZED)利用非参数估计中的Parzen窗法得到误差在零点的概率密度函数.将零误差密度函数作为BP网络的目标函数时,通过对光滑参数的选择使新的目标函数能够适用于期望输出满足任意分布.仿真实验分别以零误差密度函数和均方误差函数为目标函数的BP网络学习在函数逼近方面进行比较,结果表明零误差密度函数要比均方误差函数的适用范围更广.     

基于隶属度函数的BP人工神经网络改进算法

为了实现基于BP人工神经网络的短期电力负荷预测,提出了一种基于隶属度函数的BP神经网络改进算法.算法是在学习率自适应调节算法的基础上,引入模糊数学中的隶属度函数的概念,根据不同的误差E,来确定不同的改变学习率的α和β,进而使BP神经网络的学习过程具有更好的自适应性,提高网络的学习速度.仿真试验结果表明,在预测精度不变的情况下,收敛性明显加快.由此证明.提出的基于隶属度函数的BP神经网络改进算法是快速和有效的,可用于短期电力负荷预测和各种类似的应用.     

区域常数以及它们在亚纯函数动力系统中的应用

综述双曲区域上某些常数以及它们在亚纯函数的动力性态上的应用.一致完备区域,将称为BP区域,是本文主要关注的对象.单位圆到BP区域的全纯覆盖则被称为BP函数.进一步考虑BP函数的基本性质,例如,BP函数的幂级数展开式的系数估计.罗列可由双曲度量和区域常数推导出的超越亚纯函数的一些动力性态的结论.     

下调和函数的性质与判定研究

调和函数是偏微分方程理论研究中的一类重要函数,特别是在椭圆型偏微分方程理论研究中的地位非常重要.下调和函数是调和函数的一个推广.对下调和函数作了深入研究,运用数学分析方法和技巧,给出并证明了下调和函数的两个重要性质和两个判定方法.     

BP网络中激活函数的深入研究

本文在讨论了 BP 网络的缺点之后,深入研究 BP 网络中的多种激活函数,并对它们进行综合分析与比较。     

广义同余神经网络的初步探讨

为了克服BP神经网络学习算法中由于Sigmoid激励函数饱和区段所造成的收敛慢的缺点,本文提出了一类新型的广义同余神经网络GCNN.由于该网络采用分段线性的广义同余函数作为神经元的激励函数,运算简便且不再存在饱和问题,因此,显著地提高了训练时的收敛速度,有利于神经网络的硬件实现.通过函数逼近和双螺旋线两个实例和BP网络的比较,验证了GCNN的良好性能.     

一种低复杂度LDPC译码器的FPGA设计与实现

利用切比雪夫多项式良好的逼近性,提出了基于切比雪夫多项式拟合的BP译码算法,并将该算法在FPGA上进行了实现.该算法利用切比雪夫多项式拟合算法对传统BP算法中的复杂函数进行拟合,用少量的乘法和加法运算代替传统BP算法中的复杂函数.此外,调整得到的多项式系数,使其便于硬件实现.同时,提出一种基于移位运算的切比雪夫结构,减小因乘法器的实现带来的复杂度;并提出基于流水线设计的半并行结构,设计并实现了低复杂度的BP译码器.实验结果表明,相比于相关工作,这种结构能有效减少硬件资源.     

用粒子群算法优化BP神经网络进行函数拟合

由于BP网络具有收敛速度慢和容易陷入局部极值,为了提高BP网络预测的准确性,本文提出了用粒子群(PSO)算法来优化BP网络,并进行非线性函数拟合.用PSO迭代算法找到最佳的网络权值和阈值,再以网络的正向传播的最小误差作为目标函数指导PSO的优化.将该算法与标准BP算法进行matlab仿真比较.实验结果表明,优化后的网络拟合误差小,效果更好.     

基于模糊神经网络的数据挖掘算法

提出一种基于模糊神经网络进行数据挖掘的新方法。构成模糊神经网络的模糊化层采用高斯函数计算5个模糊隶属度,高斯函数需要的均值、方差以及隶属度的中心值都可通过预先计算采集到的数据得到。模糊推理层采用取小取大运算代替常用的积和运算,加快了网络的推理速度。在模糊神经网络训练阶段,首先利用重心法对模糊化层输出进行反模糊化,再采用BP思想,利用梯度法求误差值并进行反传调整隶属度函数的参数值。为提高网络推理精度和速度,通过设立相应的规则对网络进行裁剪,剪掉多余的节点和权值,最后依据一定的思想对产生的模糊规则进行简化和提取。以工业锻造中的智能温度控制系统的控制数据为例进行仿真,结果表明,该网络具有较高的精度和较好的鲁棒性。     

BP神经网络在蜜网系统中的应用

介绍了BP算法的基本思想及其网络模型,蜜网中数据的处理流程.借鉴BP算法应用于入侵检测系统,将BP神经网络技术应用于蜜网系统中,提出了在蜜网中基于BP神经网络的数据处理模型及训练过程.     

动量-自适应BP算法在机器人碰撞检测仿真系统中的应用

根据机器人运动连续性原理,通过对误差脉冲数的统计分析,我们基于人工神经网络算法,实现了机器人碰撞检测仿真系统 根据从机器人运行时采集的数据对神经网络进行训练和仿真,在实际应用中取得了预期的效果 本文讨论了动量-自适应学习率BP算法,说明了通过误差脉冲数进行碰撞检测的原理,比较了它与传统方法的区别,并且根据神经网络训练和仿真结果对动量-自适应学习率BP算法和标准BP算法进行了比较.     

自适应斜率输出函数的BP算法

在分析BP算法学习过程的基础上,提出使用自适应斜率函数作为神经元的输出函数,以改善BP算法学习过慢的弱点。随后讨论了这种改进算法和标准BP算法学习性能上的差异,并在此基础上初步分析了网络输入值对这种差异的影响。最后在应用中验证了结论。     

神经网络在项目财务评价上的应用

利用人工神经网络BP算法建立项目财务评价模型,用模糊数学的隶属函数描述评价指标.由隶属函数的峰值和均值组成学习样本训练神经网络,使之具有联想记忆功能,对未在训练中出现的待评价的样本指标也能作出决策,实现项目的财务评价.     

基于BP神经网络的工程图形相关性数据压缩存储

针对工程图形自身及其在计算机技术实现领域的特点,利用图素数据之间的相关性联系,简化工程图形存储的数据结构,并采用人工神经网络BP算法对其进行编码压缩,从而实现了工程图形复杂数据的高效存储和显示.此方法同样适用于图像文件的处理,并可以取得更加明显、有效的结果.     

Petri网的S－补和T－补的几个性质

本文基于Ｐｅｔｒｉ网的矩阵表示，通过矩阵的运算给出了网的Ｓ－补和Ｔ－补的矩阵形式公式。同时给出对逆网、对偶网的Ｓ－补和Ｔ－补的求解方法。     

基于ANN的自适应PID控制器的仿真研究及单片机实现探讨

提出一种基于ＡＮＮ（人工神经网络）的自适应ＰＩＤ控制器。通过ＢＰ网络的自学习把增量式数字ＰＩＤ控制算法的参数存贮在神经元间连接权值上。不管由于任何原因使控制品质有所下降时，ＢＰ网络能自动修正权值，表现出对环境的自适应能力。最后，对本控制器的８０９８单片机实现进行探讨。     

基于模糊加权有色网和BP神经网络的飞机发动机故障诊断

针对传统知识推理故障诊断方法中参数往往依赖于专家经验,存在着不准确和无法学习的问题,提出了一种基于模糊加权有色网和BP神经网络的故障诊断方法。首先,定义了模糊加权有色网并给出了两种产生式规则对应的模糊加权有色网模型。然后,设计了采用BP神经网络对模糊加权有色网各参数进行学习的算法。最后,给出了使用训练后的各参数进行初始化的模糊加权有色网进行故障推理的具体步骤。通过飞机发动机故障诊断实例仿真实验证明了方法能正确地建立模糊加权有色网推理模型,在采用BP神经网络进行参数训练后,能有效地实现飞机发动机的故障诊断。     

基于人工神经网络BP算法的可编程控制器的设计与应用

本文介绍了一种基于人工神经网络ＢＰ算法的可编程控制器的设计法，此种方法可用于对复杂的工业生产过程量进行控制。