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神经网络的供应商评价决策优化模型

本文利用BP神经网络建立了一种供应商评价模型。该模型实现了供应链中的供应商的多指标评价,提高了供应商选择过程的客观性,同时该模型克服了指标权重难以表达的缺点。最后,用实例对模型进行了验证。     

基于BP神经网络的供应商评价决策优化模型

本文利用BP神经网络建立了一种供应商评价模型.该模型实现了供应链中的供应商的多指标评价,提高了供应商选择过程的客观性,同时该模型克服了指标权重难以表达的缺点.最后,用实例对模型进行了验证.     

遗传算法优化BP神经网络的非线性函数拟合研究

传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度.     

基于粗糙集和神经网络理论的入侵检测分类器的设计与实现

入侵检测系统中分类器的设计是整个系统中重要部分。提出一种基于粗糙集约简算法的神经网络分类器模型,将粗糙集能够在保持系统精度的情况下去掉冗余属性引入到神经网络中,优化网络结构。实验测试表明,此模型能够保证系统检测的准确性,具有一定的实用性。     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度.     

基于改进的BP网络的CD4细胞图像识别

采用改进的BP网络分类器对CD4细胞图像进行识别.首先对图像进行了预处理,分析了图像的特征,然后通过增L减R法选择,介绍了BP网络分类器和LM算法的原理,构建了基于LM算法的BP网络分类器,较好地实现了CD4细胞的识别.     

遗传算法优化BP神经网络预测股指研究

股票价格受众多不确定性因素影响。为更精准地预测股票指数,首先利用具有良好非线性寻优能力的遗传算法优化BP网络初始权值阈值设置,然后构建一个以开盘价、最高价、最低价、收盘价、成交量、收盘价近5日移动平均线MA等6个输入变量、以下一天6个变量为输出变量的股指预测模型。对观察期内上证综指实证研究表明,经遗传算法优化后的BP 网络对股票指数预测平均误差为0.1%,其中成交量预测值比单纯BP神经网络算法误差减少0.71%,同时收敛速度得到提高。     

BP网络的结构动力响应预测

由于结构主动控制对地震反应振动控制的高效性，使主动控制在建筑结构振动控制领域中，具有广阔的应用前景，但是主动控制存在难以建立一个精确的数学模型，存在时滞效应等问题。神经网络不需要建立精确的数学模型，只是通过学习输入输出训练样本数据，就可归纳出隐含在系统输入输出中的关系；应用神经网络预测结构响应可以解决主动控制中的时滞问题，为控制决策提供依据。本文就最常用的BP神经网络进行研究，用BP神经网络对结构响应进行预测，以期能为结构主动控制提供一种新的思路。     

BP神经网络算法改进及应用

针对传统BP神经网络收敛速度慢且容易陷入局部极小值的缺点,通过实验对其进行分析并提出可以提高算法快速性和有效性的改进方法。介绍了BP神经网络的工作原理、基本流程、算法应用领域和在该领域下的优缺点,以及改进方法的具体步骤与改进后的优势。最后通过仿真实验验证了改进算法的有效性。     

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。     

基于优化BP网络的类矩形盾构偏心刀盘故障预测

为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。     

基于BP网络的MEM200快速成形机工艺参数优化

对影响FDM制件翘曲变形的各种工艺参数进行深入分析,结合MEM200快速成形机的特点,确定了影响翘曲变形的五个主要的工艺参数,利用正交试验对主要影响因素进行了实验研究,为神经网络预测模型提供了学习样本。采用贝叶斯正则化算法,通过分析比较确定网络的最佳结构,以提高网络对翘曲变形和成形时间的预测能力。在此基础上,采用优化算法,利用Matlab编制程序实现了工艺参数的优化,经成形验证,表明了该方法能够减少制件的翘曲变形。     

基于BP网络的锅炉炉膛温度测量算法

分析了火焰辐射图像的炉膛温度场的测量原理,建立了针对测量对象的非线性优化数学模型,提出了一种基于BP网络的温度场测量算法。通过构造BP神经网络,输入图像样本,输出温度样本和选择合适的样本训练网络,可得出炉膛的温度场分布情况。经过实验验证,该测试算法能有效提高测量精度,具有较好的应用前景。     

基于神经网络算法的文本分类器研究

文本自动分类是目前最常用的文本信息自动处理技术,也是人工智能、自然语言处理和信息检索领域的研究热点。对文本自动分类所涉及的相关问题进行了全面论述,并简单介绍了基于神经网络的文本分类器的设计与实现。     

基于BP网络的兰州市PM_(10)的污染预测

采用BP神经网络对兰州空气质量的变化趋势进行预测,预测精度高,并从实践上证明了人工神经网络用于兰州市空气污染预报的可行性,为信息社会的城市空气污染预报工作提供了一种新的思路和方法,也为环境管理部门的规划、管理工作提供依据。     

蒙古文字识别之分类器的设计

文字识别分为联机手写识别和脱机手写识别,其中联机手写识别是通过数字设备采集手写输入信号,然后根据文字特征加以匹配识别的过程。但是由于手写体笔迹变动非常大,精确识别比较困难。针对这种情况,我们提出一套手写体蒙古文字识别多分类器的设计,依次采用了贝叶斯(Bayes)决策方法、判别函数法,以及HMM模型与最近邻方法等。显著提高了系统的识别率和正确率。     

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BP神经网络优化的PID控制器研究

在现代网络控制系统中,数据通信时数据包的丢失,严重影响网络控制系统的稳定性。针对数据包丢失问题,采用一个满足2-stateGilbert的随机分布变量来描述数据在传输过程中的丢包,进而建立一个随机的、非线性输入模型,设计一种BP神经网络PID控制器,将BP神经网络算法和PID控制器有效结合,实现由BP神经网络整定的最佳PID控制。仿真验证表明,当网络控制系统的数据丢包率在一定范围时,与传统的PID控制器性能进行对比,BP神经网络PID控制器可以使系统具有更好的控制效果、较好的环境适应力和鲁棒性。