遗传算法和神经网络在图像识别中的应用

针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对图像进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。     

遗传算法故障检测与实验分析

采用遗传算法优化BP神经网络,通过遗传算法对BP神经网络的初始权值与阈值进行优化,从而更易实现输出预测。实验结果表明,采用算法的人工神经网络识别能力及精度非常高,对比故障检测发现改进算法识别效果、识别精度具有明显的优势。这一研究对于改进识别桩基故障具有明显的应用前景。     

基于高阶神经网络的遥感图像分类识别研究

BP网络的分类方法被广泛应用于遥感图像分类,但它存在局部最小值、隐含层节点数及训练速度等问题。高阶神经网络从一定意义上克服了这些缺点,取得比较好的分类效果。本文提出了时高阶神经网络算法的改进,将高阶神经网络作进一步扩展,使其特征数的局限减少,并结合自适应方法,使分类细化,且速度不会影响太大。本文简单介绍了BP网络和高阶神经网络各自的特点;详细描述了改进后的算法,提出对原有的学习方法速度的提高办法;最后分析了应用此算法识别图像的优势和灵活性。     

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。     

基于改进神经网络模型的股指预测实证研究

针对BP神经网络容易陷入局部最小值以及网络收敛速率缓慢等问题,利用遗传算法优化网络权值和阈值,根据网络输出总误差变化对学习率进行动态调整,并运用改进的BP神经网络模型对上证指数进行预测分析.实证研究表明,改进的BP神经网络预测模型能够加快算法收敛速率,有效地提高预测精度.     

基于小波变换分析ANN实现的含噪图像数字识别研究

本文研究了基于小波变换平滑降噪,ANN(人工神经网络)实现的含噪图像数字识别。本文从数字识别的主要原理、小波变换图像降噪以及BP神经网络的实现等方面进行了探讨。阐述了BP神经网络的网络的原理,设计BP网络的过程及其实现和改进方案,并附有大量的实验数据。     

误差反向传播神经网络（BP网络）算法的启发式改进

本文主要研究了人工神经网络中误差反向传播神经网络（BP网络）的算法及学习规则,并针对BP网络算法不具有动态信息处理能力,提出了算法的启发式改进。     

基于改进的BP网络的CD4细胞图像识别

采用改进的BP网络分类器对CD4细胞图像进行识别.首先对图像进行了预处理,分析了图像的特征,然后通过增L减R法选择,介绍了BP网络分类器和LM算法的原理,构建了基于LM算法的BP网络分类器,较好地实现了CD4细胞的识别.     

基于改进的神经网络异常声音自动识别系统研究

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法(PSO)优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和阈值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明:在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。     

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．     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件，建立了智能组卷系统的数学模型，并给出了改进的遗传算法求解智能组卷问题的新方法．实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题，组卷成功率高，组卷速度快，具有较好的性能和实用性。     

动态规划法及其在矩阵链乘问题上的应用研究

动态规划法是求解最优化问题的一种方法,本文主要研究其求解问题的基本思想及具体步骤,详细分析其用于矩阵链乘问题上的算法设计,并给出其算法实现.     

一种SAR运动参数估计及成像方法基于DCFT变换

SAR运动参数估计是SAR成像技术研究中的一项关键技术,目前国际上普遍采用的方法是GPS INS导航系统进行运动参数估计。国内由于技术等方面的原因导航参数的估计精度远远不能满足SAR成像要求,目前只能从回波中提取平台运动参数,其中较为典型的方法是PGA、子孔径相关法等,而DCFT作为一种新的CHIRP信号参数估计方法能快速、精确的估计CHIRP信号的相关参数。本文提出利用DCFT方法估计SAR运动参数,并以此为基础对传统的RD成像算法加以改进,提出了一种基于DCFT变换的改进RD成像算法。     

矩阵链乘积最优计算次序问题的算法及其复杂性分析

本文描述了矩阵链乘积最优计算次序问题，分析了问题最优解的结构，给出了解决问题的几种常用的算法，包括穷举搜索法、直接递归算法、动态规划算法和备忘录方法，并对几种算法的时间复杂性和空间复杂性作了分析。最后对几种算法的效率进行了对比和总结。     

遗传算法在求解背包问题中的应用

遗传算法是模拟自然界生物进化过程的计算模型，本文阐述了遗传算法的基本理论，给出了遗传算法解决背包问题的基本方法，并通过实例计算证明了该方法的可行性和有效性．     

基于RSM和BTM的智能组卷分析与设计

智能组卷问题的实质是从现有的题库中选择出满足所有组卷要求的一个子集,选题算法的设计决定着组卷的效率与质量;在研究智能组卷模型的基础上,结合随机选取法（RSM）和回溯试探法（BTM）的各自特点,设计了一种新的智能组卷的算法。     

基于粒子群算法的可靠性优化

系统可靠性优化已被证明是一个NP完全问题,不存在精确的求解方法。人们构造了大量的启发式算法,如遗传算法(GA),蚁群算法(ACO),模拟退火算法(SA)等。针对各种算法所存在的早熟收敛,易陷入局部极值点的缺点,提出了将粒子群算法(particle swarm optimization,PSO)用于求解可靠性问题。给出了基于粒子群算法的可靠性优化求解策略,根据数学模型,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。     

降低OFDM系统峰均比的研究与仿真

针对几种经典的降低均峰比的方法进行了研究,通过MATLAB对改进的限幅滤波法、选择映射法(SLM)、部分传输序列法(PTS)三种算法进行仿真分析。仿真结果表明三种算法都有效地降低了OFDM系统的均峰比。限幅滤波法实现简单但引入了噪声;选择性映射法可无失真地降低系统的均峰比,但引入了冗余而导致系统的有效传输效率降低;部分传输序列法效果优于选择性映射算法,但是计算量大,实现复杂度较高。     

直觉模糊集相似度限定推理方法

在模糊推理的Mamdani算法和Baldwin的真值限定推理方法的基础上,提出了直觉模糊集相似度限定推理方法．给出了广义的取式推理、拒式推理和假言推理规则的直觉模糊集相似度限定推理算法,并证明了这些算法在一定条件下是还原算法．     

数控系统中两种常用插补算法的分析与比较

文章介绍了两种常用的数控插补算法,即逐点比较法和时间分割法,并着重从复杂程度、插补精度与速度控制能力对这两种算法进行了分析和比较,从中可以看出时间分割法的优越性。