一种基于模型逼近度的变步长BP算法

从步长选择的角度出发，提出了一个基于模型逼近度的变步长ＢＰ神经网络学习算法。数值结果表明该算法具有良好的收敛速度。     

一种基于神经元网络优化的辨识方法

基于神经元网经络结构的优化，提出了一种新的辨识方法，并针对三层反向传播神经元网络，提出了该辨识方法的详细算法，通过实例仿真证实了该方法的有效性。     

Re-evaluation of the phylogenetic position of the genus Dexiotrichides (Protozoa, Ciliophora, Scuticociliatida) inferred from stomatogenetic and molecular information for Dexiotrichides pangi

The divisional process and systematic position of the marine scuticociliate Dexiotrichides pangi are studied. Based on both stomatogenetic data and 18S rDNA gene sequences, the phylogeny and morphogenetic characteristics of this taxon, and of other related genera, are analyzed and discussed. Both the divisionary events and the molecular biological data indicate that this speciesgenus, together with certain other genera in the Dexiotricha-complex, occupies an intermediate position between the tetrahymenids and the “typical” scuticociliate, which suggests that the Dexiotricha-like taxa should be excluded from the “true” scuticociliates. As a further contribution, the process of stomatogenesis in D. pangi can be summarized as follows: (1) The oral primordia in the opisthe are formed only by the proliferation of basal bodies in the scutica field, which subsequently develop into three membranelles, while the new paroral membrane seems to be generated by the sub-anterior portion of somatic kinety 1 (the 1st postoral intercalary kinety). The latter character exhibits a mode similar to Tetrahymena. (2) In the proter the parental membranelles are retained and remain unchanged throughout the entire division process; only the old paroral membrane is disassembled and differentiated into the anlage, which then gives rise to the new paroral membrane and the scutica of the proter. The 18S rRNA gene sequence reported here is the first one for a ciliate in the Dexiotricha-complex.     

粗糙集结合BP神经网络的数据融合方法研究

在粗糙集和数据融合基本理论的基础上,研究了基于粗糙集理论和BP神经网络相结合的数据融合方法。先利用粗糙集对输入信息进行简化,剔除冗余信息,从而缩减了BP神经网络的规模,提高了融合系统的识别率,进而提高整个融合系统的效率。与传统的神经网络融合系统进行比较,通过实例说明了该方法的有效性。     

基于BP神经网络的并行算法

对强激光与等离子体相互作用三维数值模拟程序LARED_P数据输出进行分析,针对大规模数据模拟数据的特点,提出了基于BP神经网络的并行算法,即在各个搜索子空间内对训练集合中的学习样本进行并行训练。实例表明:不仅可避免陷入局部极小点,提高网络训练速度,而且仿真效果较好。     

前向神经网络学习速率的自适应算法

学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误差的影响,从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真,结果证明了该方法的有效性。     

基于BP网络的粉煤灰混凝土钢筋握裹力计算

基于改进的BP算法,建立了2个粉煤灰混凝土钢筋握裹力BP网络计算模型,模型1为2-6-1型,即该模型输入层为2个神经元,隐含层为6个神经元,输出层为1个神经元,模型1的输入为水胶比及粉煤灰掺量,输出为混凝土钢筋握裹力;模型2为2-8-2型,即该模型输入层为2个神经元,隐含层为8个神经元,输出层为2个神经元,模型2的输入为水胶比及粉煤灰掺量,输出为混凝土强度及钢筋握裹力.模型1混凝土钢筋握裹力计算相对误差为0.019 08%~3.128 92%;模型2混凝土强度及钢筋握裹力计算相对误差分别为2.248 55%~6.808 00%和0.112 74%~9.773 29%.计算结果较为理想.     

遗传神经网络能耗预测模型在钢铁企业中的应用

为改善BP网络训练速度慢,易收敛于局部极小点及全局搜索能力弱等固有缺陷,采用遗传算法优化神经网络的初始权值和阈值,以通化钢铁公司炼铁厂为研究对象,建立了基于遗传算法的人工神经网络能耗预测模型。用MATLAB编写计算程序进行测试,并与纯BP算法进行分析比较,结果表明,文中所提出的方法在预测精度和收敛速度方面均得到了改进。     

基于BP网络的土壤水分预报研究

基于一个具有两个输入变量，一个输出变量的误差反传网络结构模型，对土壤床中10cm,20cm,30cm,40cm,50cm等不同深度处的水分含量进行预报，结果表明，该模型的预报精度较高，其最大相对误差为－4．04％，最小相对误差为－0．34％，平均相对误差为1．68％（绝对值），还能同时预报不同深度处的土壤水分。