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BP网络在图像压缩中性能的研究

研究了一个3层BP网络的图像压缩方案,分别采用了不同的传输函数、不同的隐含层神经元数目和同一幅图像不同大小的分块方式,分析和总结BP网络压缩性能与各种网络参数之间的关系。结果表明：BP网络传输函数、隐含层神经元数目以及对原图像分块大小的不同,都会直接影响收敛时间和压缩性能。     

基于BP的量子神经元特性研究

量子神经计算是传统神经计算与量子计算相结合的产物,它已成为新的信息处理技术之一。以相移门和受控非门作为基本的计算单元,借助复数BP学习算法,构造出量子神经元模型,并通过数值计算给出了该量子神经元的收敛特性曲线。     

基于神经网络的数字广播信号无线定位算法(英文)

为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别.     

BP神经网络实现函数逼近的应用分析

在简单分析BP神经网络数学原理的基础上,指出了BP神经网络存在的问题.接着选择了一个具体的目标函数,利用Matlab的神经网络工具箱进行系统仿真.通过改变系统的隐层神经元数目、训练函数和激励函数,分别比较了系统在模型发生改变后在实现函数逼近性能方面的差异,并提出了要使BP神经网络在函数逼近方面具有良好的性能,在隐层神经元数目、训练函数以及传递(激励)甬数三个方面需要注意的问题.     

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GA-BP网络的铁水硅质量分数预测系统

提出将BP神经网络与遗传算法(GA)相结合,建立了三层GA-BP神经网络模型,模型利用遗传算法来修改网络的连接权值,构筑进化型的神经网络模型,缩短网络学习训练时间,提高模型预测精度。炉温预测主要是高炉铁水硅质量分数的预测,当要求硅质量分数预报的绝对误差为±0.05%时,命中率为90%。结果表明,GA-BP网络模型比传统的BP网络模型能够获得更高的精度。     

一种改进的BP算法

BP算法是目前应用极为广泛的神经网络算法，但它也存在一些不足。本文提出了一种改进的BP算法，该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明：该算法比传统的BP算法具有更快的学习速度和更高的学习精度。     

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。     

异构数据库查询优化算法设计

传统结构模型对于各个异构数据库之间都建立用户交互模式,系统的易用性低,复杂度高。通过对查询算法分析,建立了统一的公共模式来访问系统,提出基于半连接操作的优化算法。实验结果表明,查询时间与全连接相比减少,系统性能得到提高。     

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.     

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.     

基于广义BP算法的模型参考自适应控制

改进了传统的神经网络BP算法,提出了基于广义BP算法的非线性不确定系统的神经网络模型参考自适应控制方案.并将其用于非线性不确定系统的控制,仿真实验表明了控制器具有良好的非线性控制性能.     

A Second Order Training Algorithm for Multilayer Feedforward Neural Networks

ＡＳｅｃｏｎｄＯｒｄｅｒＴｒａｉｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＭｕｌｔｉｌａｙｅｒＦｅｅｄｆｏｒｗａｒｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＴａｎＹｉｎｇ（谭营）ＨｅＺｈｅｎｙａ（何振亚）（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕ...     

神经网络的BP训练算法和遗传优化训练算法的对比研究

BP算法是人工神经网络的传统常用训练算法。遗传算法是一种新型的、随机性的、全局性的优化方法。基于MATLAB对比这两种训练方法的异同和优缺点,从而达到神经网络的最优化训练,充分发挥神经网络的作用。     

矿井瓦斯涌出量的遗传神经网络预测研究

矿井瓦斯涌出系统是非线性变化的复杂系统,传统的瓦斯涌出量预测方法存在一定的局限性。根据改进遗传算法（IGA）和BP算法的特点,将两者结合起来,利用改进遗传算法优化BP网络权重和阈值,形成IGA-BP混合算法,用于对矿井瓦斯涌出量进行科学预测。检验结果表明,基于IGA-BP混合算法的遗传神经网络模型可靠,预测精度高,效果良好。     

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。     

改进型BP算法在船舶主柴油机冷却系统故障诊断中的应用

提出了一种采用改进型的BP神经网络诊断船舶主柴油机冷却系统故障的新方法.介绍了包括附加动量法和自适应学习速率法在内的改进型的BP算法,其中附加动量法是在每一个权值的变化上加上一项正比于前次权值变化量的值,不仅考虑了误差在梯度上的作用而且考虑了在曲面上变化趋势的影响;自适应学习速率根据误差函数值的变化对学习率进行实时调整,可以保证网络总是以最大的学习速率学习.给出了仿真实例,实验证明所提出的方法与传统方法相比有更好的实时性和诊断效率,也具有较好的故障诊断能力.     

一种复合NN智能诊断系统的设计及应用研究

NN智能诊断系统通过把计算机技术、NN技术、ES、GA与力学模型融合在一起,建立一种新型的智能诊断系统。将GA与改进的BP网络相结合,利用GA宏观寻优特点,用来克服BP网络的缺点,二者结合起来相得益彰。与传统的BP算法相比较,GA—BP网络训练速度和预测精度都得到了很大的提高。NN与ES互补,结合ES经验。预测使用寿命。应用MATLAB软件编制的具有自学习功能的智能化监测诊断软件,结合VC＋＋6．0和MATLAB的各自优点和功能,实现了VC＋＋6．0与MATLAB的混合应用,软件设计比较简单。根据系统的分析、设计、编程和仿真实验,系统运行效果很好。应用本系统对混凝土结构进行诊断,能给出结构受损程度,损伤位置及结合ES预测使用寿命,具有高度棒性、高精度、快速的特点。