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。     

一种减少搜索的软输出检测算法及其在Turbo均衡中的应用

为了减少MAP算法的复杂度 ,可以采用减状态或减搜索技术 .本文提出了一种完全基于M算法原理、应用于Turbo均衡的减少搜索的软输出检测算法 ,它是一种次最佳的Lee算法 .该算法称为软输出M算法 (SO M 算法 ) ,它同时在Lee算法的前向迭代及扩展前向迭代中采用了M策略 .计算机仿真结果表明 ,通过适当选择和调整Turbo均衡迭代过程中算法的广度参数和深度参数 ,该算法可获得较好的性能与复杂度的折衷 .     

自适应调整布谷鸟搜索算法研究

布谷鸟算法是基于启发式搜索的智能仿生算法。传统的布谷鸟算法收敛速度较慢,容易陷入局部最优解。针对该算法特点,对算法原理进行了分析,并就算法中步长和发现概率两个控制因素进行改进,使其根据迭代次数动态变化,提出了具有自适应调整特点的搜索算法,改变了步长和发现概率相应的更新方式,避免了传统布谷鸟算法容易陷入局部最优的缺陷,以增强算法搜索性能。实验对比表明,自适应调整的布谷鸟算法具有更好的寻优性能。     

搜索引擎系统中的蚁群算法分析

分析当前搜索引擎系统设计中应用蚁群算法的相关问题,以确保运用蚁群算法优化设计搜索引擎系统.结果证实,在搜索引擎系统中应用蚁群算法,仿真证明该算法在设计系统应用中具有有效性与优越性.结论表明,在搜索引擎系统中,应用蚁群算法,不仅能够优化搜索引擎系统中的搜索代价,还可以发挥蚁群算法的开放性与自我动态调整性,发挥积极应用价值.     

粒子群算法的改进研究

粒子群算法具有在优化过程中需要调整的参数不多,结构简单,收敛速度快等特点。在分析其他改进粒子群算法的基础上,提出了一种新的粒子群协同优化算法。通过测试函数测试表明,新的粒子群协同优化算法明显提高了算法的收敛性能。     

蚁群算法的参数优化

分析了蚁群算法及其参数,找到了算法中蚂蚁个数与节点个数的关系,提出了两项参数改进方案--使用自适应调整q0参数和使用精英策略局部更新信息素,对蚁群算法进行优化.通过Matlab仿真试验分析,找出了参数的最佳取值范围,使得新的蚁群算法能以较快的速度找到较优的路径,提高了蚁群算法的效率.     

动态调整信息素的蚁群算法

对蚁群算法提出了一种动态调整信息素的进化策略，以改善和提高算法的性能。不仅能够加快收敛速度，节省搜索时间，而且能够克服停滞行为的过早出现，有利于发现更好的解，这对于求解大规模的优化问题是十分有利的。     

动态在线序列ELM算法

本文提出一种在线序列学习过程中不断调整网络结构的算法,克服传统在线序列ELM一旦学习开始便无法对其网络结构做任何更改的困难。结合ELM已存在的改进算法,探寻适合在线序列ELM算法网络结构的调整策略。动态在线序列ELM算法可以解决在线序列ELM目前面临的挑战。     

谈运动员分组的设计与分析

文章结合我校自己研发运动会管理系统软件,对运动员在每个赛段分组的要求、算法描述、算法实现作了详尽的描述,同时为了使运动员的分组更趋于人性化,文章还对运动员的分组调整作了简要的说明.     

基于自适应算法的制动器试验台控制方法

针对目前解决制动器试验台控制问题的算法复杂度高,近似解不能很好地逼近于最优解等问题,提出了一种基于自适应算法的制动器试验台控制方法.该方法将制动器试验台的控制问题转化到对电流的控制问题上,运用自适应算法的自我适应与自我调整等特性,以路试的能量变化与机试的能量变化的差值作为调整的准则,形成一个反馈系统,从而调整电流的大小,使机试逐渐逼近于路试.通过Matlab软件仿真使能量相对误差小于3%,表明该方法能使相对误差尽可能的小,是一种解决制动器试验台控制问题的有效方法.     

一种改进的前馈神经网络算法

介绍了前馈神经网络算法,讨论了当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算,并通过仿真实验证明了结合BFGS算法的神经网络具有更好的收敛性,误差更小。     

深基坑工程土性参数的位移反分析

针对应用试验中力学参数模拟计算的结果与实际情况偏差较大的问题,根据现场实测结果,采用有限元与BP神经网络相结合的位移反分析方法进行计算,得到了较符合工程实际的力学参数;将所得的力学参数输入到建立的BP神经网络训练模型中进行训练后,再用实测的桩体侧向位移进行反分析得到相应的土性参数值,从而避免了在数值计算中参数取值的相对随意性,提高了计算精度。     

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．     

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数．该方法适用于非线性系统和时变系统,实现了PID参数的在线整定．     

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BP神经网络的热轧钢材力学性能预测

将BP神经网络的理论和算法应用于轧钢力学性能的预测研究,采用实际的轧钢现场生产数据,建立工艺参数、化学成分与力学性能的映射模型。经过测试和评估,该BP网络能较好地预测轧钢产品的力学性能。     

Neural network fault diagnosis method optimization with rough set and genetic algorithms

1 Background1 The fault diagnosis to equipment is to obtain fault patterns from characteristic parameters, and in fact it is the problem of fault characteristic’s classification. However the mapping of characteristic parameters to fault patterns is serio…     

神经网络在故障诊断中的应用

智能化诊断是现代设备故障诊断技术发展的主要趋势，人工神经网络技术的发展为这种智能化诊断提供了一个全新的途径。在分析研究模式识别方法和BP神经网络的基础上提出了基于BP模型神经网络的故障诊断推理方法，并将其应用到真实故障诊断中。仿真结果表明，基于神经网络的故障诊断方法是行之有效的。     

基于神经网络的数控机床可靠性预计研究

本文提出了利用人工神经网络来辅助实现数控机床的可靠性预计的方法，建立了用于数控机床可靠性预测的三层BP神经网络模型，给出了具体的算法，并通过实例证明该方法比传统的数学模型预计方法更准确和可靠。     

综合素质评价的神经网络模型及Simulink实现

针对大学生综合素质评价过程中存在诸多非定量因素及非线性特征,建立综合素质测评的BP神经网络模型。利用BP神经网络实现对量化评价函数的逼近。所给出的神经网络模型较已有的评价体系具有更高的执行效率,而且还能生成模块化的程序进行推广。利用Matlab软件的Simulink平台对BP神经网络进行仿真计算,该方法可操作性强,不需要进行模糊评测方法过程中的复杂运算,具有较广泛的实用性。