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。     

基于BP人工神经网络改进算法的数据挖掘技术应用研究

在阐述数据挖掘技术的产生背景、过程和一些常用方法的基础上,针对原有BP神经网络算法效率较低、易陷入局部极小等不足,提出了一种改进的BP算法,并对其进行推理和验证:同时将其应用到病人数情况预测中.结果表明,与标准的BP算法相比,改进的BP算法具有更好的精度和更高的效率.     

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。     

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。     

基于BP算法确定题库试题分值的研究

本文将BP(Back Propagation)神经网络应用到题库试题分值的确定中,以解决目前智能组卷研究中题库试题分值确定的不合理性。在训练网络时,对标准BP算法作了相应改进,以适应该智能模型的建立。通过案例试验,验证了确定试题分值的智能模型的精度是符合实际要求的,在一定程度上为智能化组卷奠定了基础。     

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。     

基于PCA-LDA与蚁群优化BP神经网络的人脸识别算法

针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

基于BP算法的石化设备可靠性计算及评价模型

提出了一种基于BP算法的石化设备可靠性建模与评价新方法,利用BP算法对复杂非线性系统的拟合能力,通过网络训练自适应地调整单一预测模型的权重,并应用MATLAB神经网络工具箱实现了基于BP算法的石化设备可靠性评价软件。结合兰州石化设备管理与预警系统实时监控数据,将该方法应用于计算某石化设备通道的故障概率和评价设备的整体可靠性,通过评价各种训练方法的学习效率,评价结果对比表明该方法具有平均计算时间短和收敛快的优点,在设备故障和可靠性评价中具有广泛的应用前景。     

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.     

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。     

基于智能仪表的恒压控制系统的设计

介绍了基于SWP智能仪表、可编程序控制器及变频器协同控制的恒压控制系统设计案例,给出了电路图并详细分析了工作原理.     

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神经网络算法的三区电加热炉温度微机控制系统

三区电加热炉温度微机控制系统的控制软件系统基于MATLAB的GUI界面编制,并将基于BP神经网络参数自学习PID控制器具体应用到炉温控制系统中。软件使用Mathworks公司的MATLAB 6.1的m语言编写,采用MATLAB的Instrument Control工具箱实现串行通信,通过利用MATLAB与其他外部程序的mex函数接口实现定时功能,并运用其M语言函数编写应用程序,完成计算、曲线绘制、数据储存、界面显示等复杂功能。     

基于BP神经网络PID自整定的光电色选机控制系统

采用BP神经网络参数自整定PID的控制策略来实现对光电色选机的自动化智能控制,系统以TMS320VC5402为主控器,对光电色选机主作业参数之流量、背景板角度和滑槽仰角进行在线自整定,达到自动调整色选机工作状态的目的;并且设计了基于DSP的智能控制方案,给出了系统的硬件构成和软件实现算法.     

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BP神经网络的PID在压延机温控系统中的应用

针对风神轮胎股份有限公司压延机辊筒温度控制以及传统PID控制存在的设计复杂、控制精度较差和参数值实时更新复杂等问题,对压延机辊筒温度提出了一种基于BP神经网络的PID控制方法,并进行了计算机控制系统设计。对子午线轮胎生产中压延机辊筒的温控试验结果表明,该PID控制系统逼近精度高、适应性好,取得较满意的效果。