一种改进的神经网络学习算法研究

传统BP算法主要存在网络收敛速度慢,易陷入局部极小的问题。针对经典BP算法存在的问题,提出一种新型激励函数,并且联合使用了一些先进的技术对人工神经网络做了改进,改进算法具有更快的收敛速度、并且能有效地避免算法陷入局部极小。     

BP神经网络模型与学习算法

分析了神经网络算法的基本原理,给出了BP神经网络算法的具体实现方法,总结了它的特点,并给出了基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近问题中,并分析相关参数对算法运行结果的影响,最后对BP神经网络算法进行了展望。     

基于云-神经网络的故障诊断算法及其应用

近些年,云模型在知识挖掘以及故障检测领域中得到了广泛地关注,但是在水轮机组的故障检测中,利用云神经网络的方法还很少见.本文针对传统的BP神经网络在水轮机故障诊断中的不足,提出了一种基于云-神经网络的水轮机故障检测算法.首先,根据云化层中的定性规则将输入定性概念转化为数值,并将云发生器层输出的定量数据传送到隐含层.接下来,并利用云神经网络的学习算法进行迭代计算,当误差值小于设定的阈值时输出故障检测结果.实验结果表明,在误差平方和的收敛速度以及检测的准确性方面,本算法都获得了令人满意的性能.     

基于BFGS的混合遗传算法在模糊神经网络识别中的应用

针对传统的BP或GA对模糊神经网络的识别应用存在收敛容易陷入局部极小、识别率低下等问题,提出一种基于BFGS的混合遗传算法。其基本思想为：首先构造一种前馈型模糊神经网络结构,然后用遗传算法进化若干代后,当目标函数的梯度或者范数小于预先设定值ξ,则改用BFGS算法进行优化识别。仿真实验表明,对比GA该算法收敛速度较快,识别精度提高了约7%,能够较好地应用于一类模糊神经网络的识别。     

基于BP神经网络反馈控制器的设计

主要研究了BP神经网络反馈控制器的结构,分析了BP神经网络的学习算法。通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型,并利用Lyapunov方法给出了该算法的收敛的条件。     

基于模糊神经网络的智能控制研究

模糊神经网络是一个新型的研究领域,随着人们对人工智能进行更深入、多层次的研究,使其在模糊控制、模糊决策、专家系统、模式识别等众多领域都发挥了重要作用.模糊控制的逻辑推理技术与神经网络的结合,将弥补神经网络在模糊数据处理方面的不足和纯模糊逻辑在学习方面的缺陷.     

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法.针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例.实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度.     

基于模糊神经网络的宏观经济预警研究

本文将神经网络理论与模糊系统理论相结合,建立了宏观经济非线性预警模型;运用模糊逻辑推理将经济专家经验引入到宏观经济的预警分析中,使系统具有处理非线性、不确定性问题的能力,实现了预警过程的智能化;本文利用实际数据建立了具有转折点预测意义的、基于模糊神经网络的宏观经济波动预警模型,并对中国1999年和2000年进行了尝试性景气预报。     

神经网络离散建模算法在迭代学习控制中的应用

利用神经网络离散建模算法，给出了非线性离散系统的一种新颖的迭代学习控制方法．该迭代学习控制方法允许控制初始状态误差的存在且保证仅经过几次迭代就可使系统达到很高的控制精度．     

基于MATLAB的BP神经网络改进算法研究

BP算法是MLP网络的标准训练算法,虽然BP网络得到了广泛应用,但其自身也存在一些缺陷和不足,通过对BP神经网络的众多改进算法进行分析比较,在实际应用中,对同一个样本,在MATLAB中用不同的BP改进算法进行训练可以得出LMBP算法的收敛速度快,训练次数少,训练效果好。但对于复杂的问题,这种方法需要很大的内存,在MATLAB工具箱中解决了这个问题。因此,对于中等规模的网络,采用LMBP算法是最合适的。     

基于蚁群算法的ACO-BP神经网络性能研究

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,存在收敛速度慢、易陷入局部最优等问题。将蚁群算法与BP神经网络相结合,在一定程度上克服了训练网络时间长、精度不高的问题,并与GA-BP神经网络对比分析,展示了ACO-BP神经网络的性能优势。     

基于BP神经网络的不同学习方案下上市公司信用风险评价

企业的信用风险评级是金融领域的一个重要问题,采用BP神经网络来研究上市公司的信用风险评价问题。首先构建了上市公司信用评价的财务指标体系,然后根据3个不同的隐层结点,生成3种不同的神经网络模型。设计7种不同的学习一验证比例,选取了不同行业上市公司的财务数据,利用MATLAB中的神经网络工具箱编程进行实证分析在哪种模型和学习一验证比例下能够更好的对企业进行信用风险评价。     

基于广义同余神经网络算法的图像压缩编码算法研究

神经网络的兴起,开辟了图像压缩编码的新途径。本文分析了广义同余神经网络(GCNN)用于图像压缩编码的算法、模型、实现及展望,对神经网络模型在图像处理方面做出了一些填充。     

基于遗传算法的BP神经网络图像复原算法研究

本文在把BP神经网络算法应用于图像复原问题基础上,引入遗传算法对BP网络训练和调整,给出具体的GABP算法方案设计及具体实现步骤,并将改进后的算法应用于图像复原仿真,验证了混合算法相较传统BP网络在收敛速度及均方误差值方面的优越性能。     

基于神经网络的高新技术企业综合评价研究

研究了国内外高技术企业的界定方法，建立了高技术企业综合评价神经网络模型，对武汉市高技术企业进行了实证分析。     

基于BP神经网络的工程造价预控研究

针对BP神经网络的工程估价模型具有高度的容错性和较强的泛化能力等优点,根据BP神经网络原理,对某井筒工程特征进行分析,确定工程特征类目作为神经网络的输入向量。建立基于神经网络的工程造价快速估算模型,该模型能更好的满足实际工程投资估算和设计概算的需要,对项目工程造价快速估算有指导意义。     

BP算法学习率自适应性研究

BP算法通过迭代地处理一组训练样本,将每个样本的实际输出与期望输出比较,不断调整神经网络的权值和阈值,使网络的均方差最小。BP算法的有效性在某种程度上依赖于学习率的选择,由于标准BP算法中学习率固定不变,因此其收敛速度慢,易陷入局部极小值。针对此问题,通过分析BP神经网络的误差曲面可知,在误差曲面平坦区域需要有较大的学...     

基于BP神经网络的顾客价值识别研究

本文把顾客价值分为好、中、差三种状态,将通过了预测试的顾客价值量表指标作为输入结点,构建了基于BP神经网络的顾客价值识别模型.并针对食品(饮料)业的34家上市公司的主要产品设计调查问卷并取得数据,将数据输入顾客价值BP神经网络识别模型进行仿真实验,结果表明该模型适合对企业的顾客价值进行识别.     

基于神经网络算法的航空货邮吞吐量预测模型研究

本文通过运用BP神经网络的映射功能,建立了今后五年内我国舷塞外货虾吞吐量的预测模型,并通过mathb求解,得出了最优结论,这为我国未来航空货运的发展提供了参考和依据.     

基于PCA和神经网络的人脸识别算法研究

在MATLAB环境下,取ORL人脸数据库的部分人脸样本集,基于PCA方法提取人脸特征,形成特征脸空间,然后将每个人脸样本投影到该空间得到一投影系数向量,该投影系数向量在一个低维空间表述了一个人脸样本,这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类,得到识别率,接下来使用BP神经网络算法进行人脸识别,最后通过基于神经网络算法和最近邻算法进行综合决策,对待识别的人脸进行分类。