关于BP神经网络的几点研究

以结构为 3- 5 - 2的网络为例 ,对BP神经网络的稳定性、权值的收敛趋势、样本识别率和网络总误差对权值的影响等做了研究 ,结果表明系统总误差的减小会促使网络权值将向最优方向调整 ,但这种调整有一定极限 .     

基于改进神经网络模型的股指预测实证研究

针对BP神经网络容易陷入局部最小值以及网络收敛速率缓慢等问题,利用遗传算法优化网络权值和阈值,根据网络输出总误差变化对学习率进行动态调整,并运用改进的BP神经网络模型对上证指数进行预测分析.实证研究表明,改进的BP神经网络预测模型能够加快算法收敛速率,有效地提高预测精度.     

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。     

基于改进BP网络的时延预测建模与仿真

针对远程控制中的时延预测需求,考虑典型BP网络学习方法导致的局部最优问题,对权值调整规则进行了改进。基于改进后的学习方法,提出了专用于Internet时延的预测模型。仿真结果表明,改进后的Internet时延预测模型在预测精度和稳定性方面的性能有所提高,且预测误差均值低于10%,满足实际需求。     

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。     

BP神经网络计算法及其应用研究

研究了BP神经网络的算法,提出了权值、阈值调整的双动量算法和学习率调整的批处理半恢复自适应调整法,使网络总体收敛性较好,用所设软件计算了15种含氢原子共价键的键长。     

基于核主成分降维的RBF网络降水预测

针对径向基函数神经网络（RBF网络）的隐层节点数、中心和宽度难以确定的问题,为提高网络性能,首先采用模糊聚类分析法对样本数据进行初始聚类,以初始分类间的最小距离作为初始宽度;然后引入正交最小二乘法训练出新的数据中心、个数及权值,修改宽度为当前数据中心间的最小距离;最后采用梯度下降法训练并调整中心、宽度及权值;几种算法进行的组合优化改进,使网络泛化性能更优.由于降水影响因子众多,采用了核主成分分析法（KPCA）对样本数据进行特征提取降维预处理.对广西5月3区的日降水量使用上述模型进行预报实验,结果表明,该模型具有较好的泛化性能,预报准确率高于T213降水预报模式,具有一定的推广价值.     

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.     

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．     

基于混沌时间序列的模糊神经网络预测研究

为研究混沌时间序列预测问题,提出了一种结合模糊神经网络的预测方法,对输入数据进行模糊规则提取,再经过优化得到最佳模糊规则库。通过神经网络的自适应学习能力调整隶属函数参数及网络权值等信息,对相关混沌时间序列进行预测。对Mackey-Glass系统及Lorenz系统进行仿真实验,结果证明了该系统的有效性。     

键槽对称度误差的评定方法分析

本文根据GB1183－80中关于键槽对称度误差的定义,对键槽的对称度误差的产生、检测及其评定方法进行了深入的分析,得出键槽的总对称度误差是键槽长度方向的对称度误差与中间截面的对称度误差之和。指出了GB1958－80中关于键槽对称度误差评定的不妥之处,解决了单件小批量生产时键槽的装配精度等实际问题。对从事设计、检测的工程技术人员和从事标准研究的同志将有所补益。     

多特征融合中自动调整权值的图像检索方法

根据加权多特征图像检索方法存在的不足之处,结合相关反馈技术中的权系数调整方法,给出一种根据用户反馈信息动态地调整多特征权值的检索方法,即动态地调整颜色、纹理和形状的权值以及其对应的各特征分量的权值,如颜色矩的9个分量等.实验证明此方法是有效的,提高了图像检索的有效性,减轻了用户设置权值的负担.     

基于加权质心和二维双曲线的DV-HOP定位算法改进

针对无线传感网络中节点定位,分析目前DV-HOP算法步骤中存在的问题,将加权质心算法和二维双曲线概念引入到算法中,将接受信号RSS作为参考标准,有效减少误差。针对距离估算问题,采用改进的二维双曲线算法,在二维双曲线基础上引入权值概念,使得估算距离更加精确。仿真实验表明,该算法校正值定位误差及最大估算误差都有所降低,一定程度上提高了定位精度。     

一种前馈神经网络算法

神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论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，进而训练网络。     

基于机器视觉的钢轨表面面型缺陷分类实验设计

随着城市轨道交通的飞速发展,实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此,设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块;提出自拟合亮度调整算法完成像素值统计,得到清晰的缺陷特征图像;用750组数据训练网络权值,实现缺陷分类预测;经过数据分析和误差评估,识别准确率在90%以上,相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明,所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。     

边权情形下代价指标的定量研究

传统网络抗攻击研究中通常采用度作为网络节点的重要性指标,但在现实网络中,节点的度并不是唯一的重要性判断标准。使用现实网络作为实验网络,基于代价攻击模型,使用权值作为节点的重要性指标。实验设置了对照组,将权值与度的相关程度作为变量,通过对网络的攻击效果对比判断,得出权值能够作为节点重要性指标使用于网络攻击中的结论。     

基于BP网络的零件外圆面加工方案决策研究

基于人工神经网络中的BP网络建立了零件外圆面加工方案决策模型.把一系列推理规则转化为网络权值,并设计了BP网络.然后利用MATLAB软件中的神经网络工具箱编程,对网络进行训练,应用训练好的网络生成零件外圆面的加工方案,示例验证网络运行可靠.     

基于Diffserv模型的队列调度加权优化算法

在Diffserv模型的基础上提出了一种基于WRR调度算法的加权优化算法，给出了该算法的实现方法．加权优化算法是根据网络中各业务数据的实际流量动态的调整其对应的权值。还能根据该节点的实际负载状况，提供动态的带宽分配。     

RBF网络在DNA序列分类中的应用

针对RBF网络易于陷入局部最小值和网络训练时间过长的问题,引入免疫多克隆遗传算子对RBF网络的权值进行优化。仿真结果表明,采用优化后的网络模型具有更高的分类效率和准确率。     

无线传感器网络质心定位算法仿真研究

质心定位算法是无线传感器网络中一种经典的无需测距的定位算法。系统分析了锚节点个数、节点通信半径以及网络中节点总数对该算法定位性能的影响,并进行了仿真。通过对仿真结果的分析,在100m×100m的无线传感器网络区域内,当锚节点个数为总节点个数的10%时,针对不同的总节点个数,存在最优的节点通信半径,可以使节点定位率达到95%以上,同时具有较小的节点定位误差。