基于BP神经网络的稿件质量评价系统

分析了科技期刊稿件审理的指标体系与BP神经网络的基本原理，建立了基于BP神经网络的稿件质量评价系统，输入层为6个节点，输出层为1个节点，中间层为12个节点，并应用24个样本对网络进行了训练。检验结果表明，检验样本的期望输出结果与网络模型的计算结果的最大误差小于0．1％，说明该模型可行。     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

基于粗糙集和BP神经网络的复合图书馆馆藏质量评价研究

建立了基于粗糙集和BP神经网络的复合图书馆馆藏质量评价模型,首先运用粗糙集模型对评价指标体系中的指标进行约简,消除冗余,然后把约简后得到的评价指标输入到BP神经网络中进行智能训练,最后把待评价的检测样本输入到训练好的BP网络中,得到了馆藏质量实际输出值,实际输出与期望输出结果相吻合,从而证明了评价的可行性和有效性.     

基于蚁群算法的ACO-BP神经网络性能研究

BP神经网络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,存在收敛速度慢、易陷入局部最优等问题。将蚁群算法与BP神经网络相结合,在一定程度上克服了训练网络时间长、精度不高的问题,并与GA-BP神经网络对比分析,展示了ACO-BP神经网络的性能优势。     

基于BP神经网络的热电偶数学建模方法研究

在利用热电偶进行温度测量时,冷端误差和非线性误差会对热电偶的测温精度产生较大影响。为了降低此两项误差对热电偶测温精度的影响,提出利用BP神经网络和两端测量电压法建立热电偶的数学模型,并利用梯度下降动量算法对网络各节点参数进行优化调整,通过LabVIEW和MATLAB编程实现了该算法。通过实验获取了足够的输入输出样本,即热电偶的冷端电压、输出电压与其对应的温度,对此BP网络模型进行训练和测试,最后通过测试验证了此模型的有效性。     

BP算法学习率自适应性研究

BP算法通过迭代地处理一组训练样本,将每个样本的实际输出与期望输出比较,不断调整神经网络的权值和阈值,使网络的均方差最小。BP算法的有效性在某种程度上依赖于学习率的选择,由于标准BP算法中学习率固定不变,因此其收敛速度慢,易陷入局部极小值。针对此问题,通过分析BP神经网络的误差曲面可知,在误差曲面平坦区域需要有较大的学...     

BP网络应用研究

阐述BP网络的基本概念，介绍BP网络的应用领域，分析其在实际应用中存在的问题，为较好地应用BP网络模型解决实际问题提供指导和参考。     

基于MATLAB的BP神经网络改进算法研究

BP算法是MLP网络的标准训练算法,虽然BP网络得到了广泛应用,但其自身也存在一些缺陷和不足,通过对BP神经网络的众多改进算法进行分析比较,在实际应用中,对同一个样本,在MATLAB中用不同的BP改进算法进行训练可以得出LMBP算法的收敛速度快,训练次数少,训练效果好。但对于复杂的问题,这种方法需要很大的内存,在MATLAB工具箱中解决了这个问题。因此,对于中等规模的网络,采用LMBP算法是最合适的。     

应用BP神经网络校正铂电阻温度传感器非线性的方法

本文应用BP神经网络算法对铂电阻温度传感器进行非线性校正，给出了BP神经网络的结构和训练权值的方法，在训练网络时对输入量进行了归一化处理。并应用此训练的网络对一实际的温度采集系统进行校正。此方法实现简单，大大方便了铂电阻温度传感器在温度测量中的应用。     

考虑变权重自适应调整的网络信息鲁棒性分析

BP神经网络加权权重成固化状态,导致信息信任度评价误差较大。提出基于BP神经网络的变权重自适应网络拓扑结构的C2C网络信息信任度评价和鲁棒性分析模型,以营运商可信度、网站信任度和外部环境为一级指标体系构建网络信息评价体系。以12维可信性因素作为输入向量,系统结构以网络信息信任度作为输出,通过调整网络拓扑权重向量设置信任度周期响应加权变量自适应函数,有效降低迭代算法的运算成本。仿真实验表明,采用新的网络信息鲁棒性评价模型能使C2C网站信息评价误差率大幅减低,系统具有较好的健壮稳定性和鲁棒性,能有效促进C2C网络健全运行和发展。     

基于Matlab神经网络工具箱的电弧焊工艺参数优化

采用神经网络技术将电弧焊工艺参数与焊缝高和熔深之间复杂的非线性关系转化为一个线性优化问题,解决了电弧焊工艺参数与焊缝高和熔深之间定量关系难以表达的问题。采用Matlab神经网络工具箱的图形用户界面GUI（Graphical User Interfaces）能够方便的创建BP网络,然后用实验数据对BP网络进行训练,训练好的BP网络就可用于电弧焊工艺参数优化。     

BP神经网络在灌区分水闸控制中的应用

BP神经网络是一种单向传播的多层前向网络,具有很强的学习功能,多次训练后的网络具有很好的预测能力。结合BP网络的特点和灌区分水闸的工作原理,应用BP神经网络对闸门控制进行预测,并分析预测结果。     

基于BP网络的企业技术创新效果评价模型

本文提出了一种基于BP网络的企业技术创新效果评价模型 ,并对网络的构造、网络的工作原理、网络的系统训练过程、BP学习算法等进行了比较详细的讨论 ,最后给出了如何将全部评价过程通过计算机实现的系统框架图 ,并对有关问题进行了探讨。     

基于BP神经网络的电力系统负荷预报

研究了基于BP网络在中电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素。从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果。     

企业预警管理系统开发研究

系统采用BP网络模型,以Delphi和SQL Server作为开发工具,克服了传统模式难以处理高度非线性模型、容错性差、缺少自学习能力等缺陷。通过大量学习样本的训练和测试,模型的误差达到预定范围内,说明BP模型可以达到预警效果。     

基于BP神经网络的葡萄酒质量快速预测模型

本文通过建立BP伸进网络模型,对由灰色关联度分析选出7个葡萄理化指标作为BP神经网络的输入变量,葡萄酒的评分作为输出,并用三组样品进行预测,得出预测值分别为:70.4187、68.1480、65.0617,与真实值的相对误差分别为:3.56%,5.35%,9.64%,从而证实了通过BP神经网络对葡萄酒质量进行预测的方法是可行的。     

高层建筑结构设计BP算法的精度优化

针对传统的BP神经网络算法在对高层建筑进行结构设计时还存在精度不高、误差较大等问题,本文提出了一种基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型,该模型在BP神经网络算法的基础上,首先采用自适应调整策略对其网络模型进行优化,然后采用增加动量项、误差累积处理和陡度因子优化等误差修正策略提高原算法的训练精度。仿真试验结果表明,本文提出的基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型相比较传统的BP神经网络算法精度要高,具有较好的鲁棒性。     

企业预警管理系统开发研究

系统采用BP网络模型,以Delphi和SQL Server作为开发工具,克服了传统模式难以处理高度非线性模型、容错性差、缺少自学习能力等缺陷.通过大量学习样本的训练和测试,模型的误差达到预定范围内,说明BP模型可以达到预警效果.     

BP网络和RBF网络在函数逼近领域内的比较研究

通过仿真实例,对BP网络和RBF网络的函数逼近能力进行了比较研究,仿真结果表明,RBF网络的函数逼近能力在多个方面都优于BP网络,但在解决相同问题时,BP网络的结构要比RBF网络简单;实际应用中,可以以此结论为指导来设计神经网络。     

BP神经网络改进算法研究

通过分析标准BP算法的原理发现,BP标准算法所形成的误差曲面存在着饱和区域,并且在饱和区域,误差梯度变化缓慢,使得训练次数多、学习效率低、收敛速度慢。通过在标准BP算法中调整激活函数,可以缩小饱和区域,进而减少训练次数。实验结果表明,该方法有效地减少了BP算法的迭代次数。