基于实神经网络代数算法的改进测向定位方法

针对BP算法在测向定位中收敛速度、隐层神经元个数的选取以及定位精度等方面的缺点,将实神经网络代数算法首次应用到测向定位中。给出了隐层神经元个数的准确公式,快速准确的获取训练权值,建立了基于代数算法的三站定位模型。通过仿真实验,新方法在定位精度和时间效率方面都远高于BP算法。     

基于实神经网络代数算法的三维测向定位算法

目前三维空间测向定位多采用先在二维体系中计算然后转换为空间坐标的方法,正北偏差、投影变换的方位变形等会对定位精度造成很大的影响.本文立足于三维空间,利用多个测向平面形成的空间目标观测方程组,并利用实神经网络代数算法收敛速度快、时间效率高以及隐层神经元个数选取等方面的优势,构建了三站测向定位模型.仿真实验表明,本算法定位精度明显提高,在不同测向精度条件下定位误差接近CRLB,使得该算法适用于复杂的测向环境,具有很强的实用性.     

基于RBF神经网络的雷达干扰效能评估方法

BP神经网络在雷达干扰效能评估中存在收敛速度较慢的问题,对此,提出了一种基于RBF的神经网络算法。该方法依据干扰效果评定因素的隶属函数确定其隶属度,作为RBF神经网络的输入层数据。选定训练样本,将测试样本的神经网络性能进行检验,以此比较BP神经网络算法。理论推导和仿真实验结果表明：新方法具可行性与有效性,且比BP神经网络具有更快的收敛速度和更好的稳定性。     

用BP神经网络实现函数逼近的方法及其讨论

构造一个三层BP神经网络,实现了连续函数的逼近.讨论了函数值在非[0,1]区间时,样本的归一化问题,提出了新的变换关系式,加快了算法的收敛速度.     

基于BP神经网络与粒子群算法的水质评价方法

针对水质评价中BP神经网络算法存在的收敛精度不高、泛化能力弱等问题,提出了一种粒子群算法和BP神经网络算法相结合的改进型算法。该算法优化了BP神经网络的网络参数,提高了算法的收敛精度及网络泛化能力。通过实验验证了算法的有效性。     

基于粒子群优化RP网络短期电力负荷预测方法

针对常规BP网络收敛速度慢,易陷入局部极小值等问题,采用L—M算法对网络进行训练,利用改进粒子群算法优化BP网络初始权值和阈值。将该方法应用在南方某市短期电网负荷预测中,预测结果表明,相较于常规BP网络、L—M算法改进预测模型,该预测算法在预测结果精度和速度上均有较大幅度提高。     

提高BP神经网络学习速率的算法研究

BP(Back Propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络。本文针对BP神经网络学习速率低、收敛速度慢的问题进行研究,介绍了标准的BP算法和提高收敛速度的动量因子法和变步长法,对比实验结果明显,旨在为研究BP神经网络学习速率提供参考。     

BP网络的主控式误差调整学习算法

提出一种BP神经网络的主控式误差调整学习算法,该算法根据网络输出端的误差变化趋势主动控制输出层的误差调整,进而由调整误差的主动调节控制网络权值和阈值的学习。计算机模拟结果表明,这种学习方法具有能稳定收敛、收敛速度快、适用范围宽、泛化能力强等特点,从而在一定程度上克服了传统BP算法的局限性,实现较有效的学习。     

基于人工神经网络的导航卫星钟差预报方法

建立一种基于改进型BP神经网络的卫星钟差高精度预报方法。使用PSO算法对BP神经网络结构参数和连接权值阈值进行优化;引入自适应变异因子,以一定概率初始化部分变量改进PSO算法。通过实验验证本文提出的改进BP神经网络算法对于解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,以及常规PSO算法早熟收敛等问题具有较好的效果。选用取自IGS网站提供的4颗GPS卫星钟差数据进行288次连续5 min、24次连续1h以及连续7次1 d的预报研究。结果表明,研究预报方法的预报精度和稳定性要明显优于使用常规BP神经网络和LSSVM算法建立的模型。     

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．     

用BP网络求高分子材料的本构关系

本文阐述了人工神经网络基本原理，研究分析了BP神经网络模型的缺陷并提出了优化策略。建立了求高分子材料本构关系的三层前馈反向传播神经网络模型，并作了多次不同的泛化性测试。实例分析表明，改进的BP网络在收敛速度及稳定性方面都有很好的效果，可应用于求高分子材料本构关系。     

Improving the accuracy of heart disease diagnosis with an augmented back propagation algorithm

1. Introduction Statistics has consistently shown that heart disease is one of the leading causes of death all over the world [1]. Every year, millions of people suffer from various types of heart diseases, among which coronary heart disease, rheumatic valvular heart disease, hypertension, chronic cor pulmonale and congenital heart disease are the commonest. Significant life saving can be achieved if an accurate diagnosis decision, which is the prerequisite of a proper and timely treatment, ca…     

Fuzzy NN based predictive control and its application to green liquor system

The fuzzy NN predictive control algorithm introduced in this paper uses fuzzy neural network to model the nonlinear MIMO process. Its training method that integrates LS and BP algorithm brings quick convergence. GPC algorithm is used as the predictive component. The fuzzy neural network has six layers, including input layer, output layer and four hidden layers. An application to a MIMO nonlinear process (green liquor system of the recovery system in a pulp factory shows that this algorithm has better performance than normal PID algrithm. Project (No. 20010539) supported by Education Office of Zhejiang Province.     

增强现实系统中基于神经网络的磁力跟踪器校正

Nonlinear errors always exist in data obtained from tracker in augmented reality （AR）, which badly influence the effect of AR. This paper proposes to rectify the errors using BP neural network. As BP neural network is prone to getting into local extrema and convergence is slow, genetic algorithm is employed to optimize the initial weights and threshold of neural network. This paper discusses how to set the crucial parameters in the algorithm. Experimental results show that the method ensures that the neural network achieves global convergence quickly and correctly. Tracking precision of AR system is improved after the tracker is rectified, and the third dimension of AR system is enhanced.     

Rectification of magnetic force tracker using neural network inaugmented reality system

1IntroductionAugmented reality(AR)is a newtechnique based onvirtual reality,which has attracted much attention inrecent years.AR is used to describe a system thatenhances the real world by superi mposing computer-generated information on top of it.It supp…     

两种倒置过程的神经网络控制设计及比较

给出了两种神经网络设计方法,通过用这两种方法解决同一个问题,从而说明了BP算法相对于RBF算法比较粗糙,误差也比较大;而RBF算法训练简洁且学习收敛速度快,能够逼近任意非线性函数．     

BP神经网络在多维非线性函数拟合中的应用

为了解决常规方法拟合多维非线性函数的预测结果精度较低问题,采用非线性映射能力较强的BP神经网络进行多维非线性函数拟合。通过对BP神经网络结构及训练过程的分析,依据给定的两维非线性函数构建BP神经网络模型,并利用MATLAB软件对BP神经网络进行预测。仿真结果表明,BP神经网络对于两维非线性函数有良好的拟合能力,拟合误差小、收敛速度快,也使该方法具有较好的推广性。     

基于主成分分析的GA-BPNN遥感图像分类研究

在高原山地地区,传统遥感分类方法分类精度低,而标准BP神经网络分类方法在实际应用中也难以胜任.探讨对数据源主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目、初始权重.并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出.结果表明,其分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性.