论优化BP神经网络的一种改进遗传算法

为了全面优化BP神经网络,使之具有较好的泛化性能,改进并设计了一种遗传算法,并通过算法对比测试表明,改进后的遗传算法减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果。     

一种新型神经网络学习算法

前馈神经元网络已经被广泛应用到很多领域,但是,神经元网络欠缺更快的学习算法,传统的学习算法远远满足不了需求,因此介绍一种单隐层前馈神经网络（SLFNs）学习算法,即极限学习机——ELM．与BP算法相比,ELM神经网络学习算法具有更快的学习速度和更好的泛化性能．根据成批学习思想,给出在线学习算法OS—ELM．最后,用Matlab软件分别对BP算法和OS—ELM算法在导盘转速的建模中进行仿真,并给出仿真结果．     

T-S模糊神经网络在冠心病智能诊断中的应用

 冠心病是一种最为常见的心血管疾病,近年来在中国的发病率与死亡率逐年升高,准确诊断和及时治疗是有效降低冠心病死亡率的主要措施。通过引入模糊系统的理论,在传统BP神经网络结构中加入了模糊层与模糊规则计算层,建立了T-S模糊神经网络模型。使用该模型对采集于克利夫兰诊所的297组数据进行分析预测,与传统BP神经网络预测结果对比显示,T-S模糊神经网络模型的平均准确率为82.93%,而传统BP神经网络的平均准确率为75.56%,表明T-S模糊神经网络模型在冠心病的智能诊断中具有较高的预测准确率。     

基于MATLAB的改进BP神经网络在城市日用水量预测中的应用

利用MATLAB神经网络工具箱对城市短期用水量进行模拟,比较各种改进BP神经网络对城市短期用水预测方面的效果,得出用BP神经网络预测城市日需用水量是可行的,其中尤以traincgp方法预测效果最好的结论.     

基于优化肌电特征的无声语音信号识别

提出了一种基于遗传算法(GA)和fisher投影的最佳可鉴别基的求解方法.将原始特征向量向着最佳可鉴别基投影可得到具有最佳可分性的新的特征向量.从颧肌和二腹肌前腹的皮肤表面检测无声发出6个汉语元音的表面肌电信号(SEMG),以该肌电信号的AR模型系数、倒谱系数和美尔倒谱系数作为原始特征向量.使用遗传算法找出了原始特征的次优组合,并组成新的特征向量.将GA找出的次优特征向量向着fisher最佳可鉴别基投影可得到最佳鉴别特征向量.最后用改进的BP神经网络作为分类器得到了较好的识别效果.     

Analytical determination of flow resistance characteristic for combination channel inside hydraulic manifold block

Computational fluid dynamics （CFD） was used in conjunction with BP neural network to study the flow resistance characteristic of the combination-channel inside hydraulic manifold block （HMB）. The input parameters of the combination-channel model were confirmed to have effect on the pressure-drop by the numerical method, and a BP neural network model was accordingly constructed to predict the channel pressure-drops. The flow resistance characteristic curves of various channels were achieved, and a performance parameter was given to evaluate the through-flow characteristic of the channel according to the curves. The predictions are in agreement with the numerical computation, indicating that the method can be utilized to accurately determine the flow characteristic of the combination channel with high efficiency.     

Linearization learning method of BP neural networks

Feedforward multi-layer neural networks have very strong mapping capability that is based on the non-linearity of the activation function, however, the non-linearity of the activation function can cause the multiple local minima on the learning error-surfaces, which affect the learning rate and solving optimal weights. This paper proposes a learning method linearizing non-linearity of the activation function and discusses its merits and demerits theoretically. Supported by Wuhan Shenguang Project, the National Natural Science Foundation of China and the 863 High Techology Project Zhou Shaoqian: born in Mar. 1962,Ph. D graduate student     

基于BP神经网络的镍基合金腐蚀性能的预测分析

利用三层BP神经网络,根据已有的镍基合金（Nimonic80A合金镍基沉淀硬化）在不同重油杂质环境参数下的腐蚀速度数据,建立了燃气轮机的涡轮部件在重油杂质环境中腐蚀失重的人工神经网络模型,并进一步预测了腐蚀失重．预测结果表明：在重油杂质条件下,温度和有机硫化物含量越高,腐蚀损失越大．预测结果能正确地反映出环境参数对涡轮部件腐蚀失重的影响．     

Stein损失下BP神经网络分类方法在人脸识别中的应用

在统计判决理论的框架下,针对一类特定目标人脸识别中存在的问题,提出了基于Stein损失的BP神经网络分类方法,证明了Stein损失下的BP神经网络的收敛性,经过剑桥大学ORL人脸库的图像识别实验,表明这种方法能有效解决传统的BP神经网络特定目标人脸识别中存在的问题.     

一种基于BP网络的PID控制器

针对PID控制中三个参数的整定问题,提出了一种基于BP神经网络的PID参数整定方法,并依据此种方法对某模型进行了仿真仿真结果表明此方法能较好的调整比例(P)、积分(I)和微分(D)的关系,使之达到一种比较理想的组合状态。