基于BP算法的函数逼近

神经网络逼近任意非线性函数的能力在基于神经网络的系统辨识和控制之中发挥着重要作用。重点研究常用的BP(Back Propagation)人工神经网络的工作原理和学习算法,同时利用Matlab进行仿真。仿真结果表明,基于BP网络的控制算法具有良好的应用性。     

基于BP网络的锅炉炉膛温度测量算法

分析了火焰辐射图像的炉膛温度场的测量原理,建立了针对测量对象的非线性优化数学模型,提出了一种基于BP网络的温度场测量算法。通过构造BP神经网络,输入图像样本,输出温度样本和选择合适的样本训练网络,可得出炉膛的温度场分布情况。经过实验验证,该测试算法能有效提高测量精度,具有较好的应用前景。     

基于粒子群算法的BP神经网络优化在电站锅炉燃烧中应用研究

用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。     

基于人工蜂群算法的BP神经网络研究

BP神经网络具有实现非线性映射特点和较强的容错能力、泛化能力等优点。然而,因为其采用了最速下降梯度寻优算法,在实际应用中往往出现收敛速度缓慢、时常陷入局部极小值等缺陷。人工蜂群算法是受蜂群个体间通过相互协作对既定目标进行寻优的群体行为启发提出的一种新型群智能优化算法,具有很好的全局收敛特性,其次有较强的自适应性、协作性、鲁棒性、快速性等特点。文中探讨用人工蜂群算法来优化BP神经网络算法,进一步提高BP神经网络性能。     

基于BP算法的神经网络用于教学质量评估

本文利用BP算法的前馈神经网络方法建立教学质量评估模型,通过MATLAB神经网络工具箱学习训练网络,经测试数据验证,结果比较准确,能克服各种人为因素,具有广泛的适用性.     

基于BP算法的神经网络用于教学质量评估

本文利用BP算法的前馈神经网络方法建立教学质量评估模型,通过MATLAB神经网络工具箱学习训练网络,经测试数据验证,结果比较准确,能克服各种人为因素,具有广泛的适用性。     

神经网络BP算法改进及其性能分析

传统的神经网络BP算法具有强大的自学习、自适应及非线性映射能力,但算法具有收敛缓慢、易陷入局部极优等缺点。针对传统BP算法的不足提出改进方法,并用于解决异或问题和字符识别问题。实验表明,改进算法能提高网络学习速度、减小网络误差,具有更好的收敛性和鲁棒性,各方面都明显优于传统BP算法。     

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。     

基于模拟植物生长的BP神经网络学习算法研究

针对标准BP神经网络在训练过程中,网络容易陷入局部极小点,使得进一步调整失去作用的问题,提出了一种有助于提高BP神经网络逼近精度的方法一基于模拟植物生长的学习算法,使BP网络在训练时能有效避开局部最小点,达到全局极小点,并保证了网络有较好的收敛速度。通过一个用Matlab编程的仿真实验表明了这一算法的有效性。     

基于BP网络算法的入侵检测系统

基于入侵检测系统的工作流程,提出了改进的分布式入侵检测系统模型,并简单介绍了主要部分的功能。在此基础上,利用分类器实现网络信息的分类存储和警告。实验结果表明,该系统具有较强的实用性和推广价值。     

快速构建BP神经网络模型

就BP神经网络应用设计中的网络隐含层数、隐含层神经元个数等具体设计问题进行了研究与探讨，提出一种新的构建BP神经网络模型方法。实验表明，使用该方法构建的网络模型训练曲面图形时，得到的网络输出曲面与原样本曲面非常接近，训练误差满足设定要求。     

基于BP神经网络的高校人力资源定量分析

分析了高校人力资源的特点,结合已有的人力资源评估模型,提出了用改进的BP神经网络的方法对高校人力资源进行定量分析的算法,为高校人力资源评估提供一定的理论支持和实践参考．     

BP神经网络及其应用和其推广能力的分析

针对BP神经网络进行了详细介绍,首先从数学上对网络的原理进行了说明,指出了它的局限性,又给出了很多改进方法.并通过例子介绍了BP神经网络的应用,后来还对网络的推广能力问题进行了分析.文中的例子也说明了,MATLAB工具箱的使用降低了网络的设计难度.     

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．     

基于人工神经网络BP算法的黄冈市房价预测

利用2003年至2010年黄冈市区人均地区生产总值、房地产开发投资、城镇居民人均住房使用面积等相关数据,根据人工神经网络BP算法,预测出2011年和2012年黄冈市区房价,与已经公布的这两年房价数据比较,符合预期误差范围。在此基础上,预测出2013年的房价,可以看出黄冈市区房价总体保持增长趋势,结合预测结果,给出合理化的解释。     

BP算法改进方法的研究进展

从BP神经网络的优点与缺点入手,对于其所存在的问题进行了探讨,并根据BP神经网络的问题,较全面地罗列了数种对BP神经网络训练优化的方法,如:数据的初始化、初始权值、隐层数的确定方法,传递函数、学习率和权值修改的优化方法,以及其它优化方法·     

基于BP神经网络的校园用水预测模型

校园人口密集,用水量大,对某一栋教学楼或某一区域的定量用水预测,对于发现用水异常、合理下达用水指标有实际意义.本文利用BP神经网络,结合校园用水的特点,建立校园用水预测模型,并以实际数据进行验证,证明其有效性.     

基于BP神经网络的环渤海经济区物流需求预测研究

对环渤海经济区的现状及物流需求影响因素进行了分析,建立了神经网络预测模型,通过该模型可以科学地预测出环渤海经济区未来的物流需求趋势,确定该地区未来的物流发展情况.