BP神经网络算法改进及应用

针对传统BP神经网络收敛速度慢且容易陷入局部极小值的缺点,通过实验对其进行分析并提出可以提高算法快速性和有效性的改进方法。介绍了BP神经网络的工作原理、基本流程、算法应用领域和在该领域下的优缺点,以及改进方法的具体步骤与改进后的优势。最后通过仿真实验验证了改进算法的有效性。     

一种BP算法的改进方法

通过模拟函数曲线,具体分析了BP算法的学习机制和学习过程以及BP算法matlab语言的实现,最后根据BP算法的局限性,从两个角度探讨了改进BP算法的方法.     

BP算法的并行实现与设计

为了提高BP算法的学习效率,减少学习时间,采用共写共读(CRCw)规则实现BP算法的并行计算,并对现有的BP算法进行改进,修改动态因子,选择合适的隐藏层个数和修改输出误差函数.经过时间复杂度的分析可以在时间复杂度为O(N),花费为O(N~2)内完成BP计算.     

基于改进BP算法的倒立摆稳定性研究

针对BP神经网络在倒立摆平衡控制中自身的限制与不足,本文采用人工神经网络改进BP算法对一级倒立摆控制,建立了实验仿真训练模型,仿真表明改进BP算法控制倒立摆精度高、收敛快,在非线性控制、鲁棒控制等领域具有良好的应用前景。     

BP神经网络改进算法在空分制氧质量预测中的应用

文中对传统BP神经网络的基本原理和学习过程进行分析,发现其存在收敛速度慢、容易陷入局部极小值等问题．采用增加动量项和自适应学习速率两种方法对传统BP算法进行改进,并将改进的BP算法运用于空分制氧质量预测网络模型中,结果表明改进的BP神经网络能够改善传统模型的缺点,而且预测质量效果较好．     

神经网络在电力中期负荷预测中的应用

为准确预测电力系统中期负荷，针对常用BP算法的预测速度慢、易陷入局部最优解的缺点，改进了基本BP算法，建立了中期负荷预报模型。负荷预测仿真表明，对BP算法的改进可使预测精度和收敛速度均得到显著的提高．     

BP神经网络优化算法研究

为解决BP神经网络收敛速度慢和易陷入局部极小值的缺点,利用遗传算法(GA)和基因表达式编程(GEP)的各自特点,基于BP算法提出了两种改进算法:其一是GA-BP算法,即利用GA优化BP神经网络的权值和阈值;其二是GEP-BP算法,即利用GEP对BP网络进行调整,包括网络结构、权值和阈值。用样本数据进行了测试并与基本BP算法进行了比较,结果表明两种改进算法具有很强的可行性和高效性。     

BP神经网络在列车异物检测中的应用

通过惯性校正方法和重新构造响应函数法来克服BP神经网络学习算法上存在收敛速度慢,容易陷入局部极小的问题,对BP网络学习算法进行了改进.利用小波多尺度边缘检测对列车异物图像进行分割和特征提取,并利用矩不变量特征和改进BP神经网络对列车异物自动识别和分类,实验结果表明使用这种方法使得系统具有更好的稳定性和更快的响应速度.     

用JAVA实现BP算法

人工神经网络理论是20世纪80年代在国际上发展起来的一个前沿研究领域.BP是对非线性可微分函数进行权值训练的多层前向网络.它在控制行业中的应用很有效果.通过JAVA语言实现BP算法,并通过实例说明BP算法的特点,且提出改进方向.     

BP神经网络的改进及其在股票预测中的应用

研究了BP神经网络,对BP算法的权值初始化进行改进,使得其收敛速度更快,并建立了基于BP神经网络的股价预测模型．最后以深发展A的收盘价为例,分析改进后NBP神经网络模型的预测效果．     

转移排序算法

主要是对传统排序算法进行改进的“转移”排序算法的基本原理进行了分析，对其程序流程进行了讨论，对转移排序算法的时间复杂度进行了测算；从而得到了其排序时间性能为O(n)，比传统算法在时间性能上有所提高。     

基于智能化物流预测模型的实现

研究了智能物流管理控制系统在实现过程中所采用的理论和技术方法,用神经网络技术建立物流预测模型,提出了物流预测模型的层次结构和物流预测模型的知识发现流程,用BP网络算法进行设计,通过实例进行了实验并对实验结果进行分析。     

无线传感器网络中Dv-hop算法的研究及改进

针对Dv—hop算法存在的网络通信开销大和远近参考节点对定位精度影响不同的问题,提出了逐级分区加权算法,此算法通过对参考节点进行分级并对不同参考节点赋予不同的权重,解决了原算法中存在的问题。而且通过Omnet＋＋和Matlab仿真软件对此算法进行验证,表明在传感器网络分布极不均匀时,逐级分区加权算法更具有优势。     

基于神经网络的数控机床可靠性预计研究

本文提出了利用人工神经网络来辅助实现数控机床的可靠性预计的方法，建立了用于数控机床可靠性预测的三层BP神经网络模型，给出了具体的算法，并通过实例证明该方法比传统的数学模型预计方法更准确和可靠。     

改进的BP算法对网站访问量的预测

利用BP神经网络进行预测已经取得了很大的进展,但BP神经网络易形成局部极值,算法收敛的速度相对较慢,将遗传算法结合到BP神经网络中可以改善算法收敛速度较慢的问题,利用改进的BP算法对网站访问量进行预测,结果表明运算效率得到了很大的提高,同事也说明了改进方法的可行性．     

珠心算神经生理机制研究及启智方案初探

珠心算是珠算式心算的简称,近几年,随着技术手段的不断进步．对珠心算的神经生理机制研究己取得丰硕的成果．本文分别从视觉空间,大脑两半球．数字运算的脑机制三个方面介绍了近几年珠心算的神经生理机制研究的成果,并指出．应该其基础上探索完善的启智培养方案。并给出了方案的总体假设。     

小学生心算能力发展研究综述

心算是指在没有外界工具的帮助下进行的算术操作活动。目前,国内外关于小学生心算能力的研究主要集中在心算加工的神经生理基础、心算的策略、心算的训练与教学等方面。心算生理基础的研究揭示心算活动产生的内部机制,策略研究揭示心算活动中不同的策略选择,训练和教学方面的研究则表明心算可以通过训练而提高以及如何更好地培养小学生的心算能力。这些研究成果对我们今后的相关研究和教学教育工作都有重要的借鉴价值。     

一种改进的基于加权模式的BP算法

反向传播算法（BackPropagation）是一种有监督神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值,精度不高等问题．文中提出了一种加权和引入参数改进的神经网络BP算法,某种程度上克服了以上缺点．对文中的改进算法用VC平台编程,并利用真实数据,对大学生就业能力进行了预测．实验表明,改进算法有效,也为高校解决大学生就业能力提供了决策支持．     

用Numerov算法求解一维无限深势阱的本征问题

用Numerov算法求解一维无限深势阱的十个本征值以及基态、第一、第二和第三激发态波函数的数值解，所得到的数值结果和解析解吻合很好，表明此算法有效可行。