基于PSO算法的BP神经网络在边坡稳定性评价中的应用

传统的用于边坡稳定性分析的方法较多,但计算过程复杂,计算量大。采用粒子群优化（PSO）算法优化神经网络的连接权值和阂值,可以克服存在的缺陷,减少迭代次数,具有良好的泛化性能,在边坡稳定性评价上具有一定的应用价值。     

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。     

单片机在BPS—500／1型中频淬火机床功率控制系统中的和

采用单片机及外部接口电路，解决了BPS－500／1型口频淬火机床对曲轴进行圆角淬火时的功率控制问题。介绍了单片机机控制的基本原理。     

Zh110型汽车转向节中频淬火防止开裂的措施

分析了转向节中频淬火产生裂纹的主要原因,提出了防止ZH110型汽车转向节中频淬火裂纹产生的一些具体措施。     

基于BP神经网络算法的异步电机故障诊断系统研究

为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009 163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。     

基于BP神经网络的网络学习评价模型研究

研究网络学习评价问题对推动网络教学资源的使用具有十分重要的意义,传统的网络学习评价方法具有很强的主观性,且仅限于线性模型,缺少科学性。为克服传统网络学习评价方法的不足,实现网络学习评价的智能化,提出了一种基于BP神经网络的的网络学习评价模型,并利用MATLAB进行实验仿真,测试结果表明,该评价模型准确率高,能为网络学习评价提供可靠数据。     

基于PSO优化的BP神经网络在洪水预报中的应用

针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。     

基于BP神经网络的课程评价模型仿真研究

构建课程教学质量综合评价体系,在此基础上构建一个BP神经网络模型,通过BP神经网络的学习算法,进行模型研究与应用。以《汽车造型》课程为例,运用10个样本数据进行网络模型训练,达到规定误差,并通过未训练3个样本检测网络模型,达到规定吻合度。运用Matlab进行实验结果研究与分析,验证了该模型的智能性、有效性,值得推广应用。     

基于BP神经网络的南阳市失业率预测模型仿真

基于BP神经网络建立了南阳市失业率预测模型.运用南阳市统计年鉴中的相关数据建立训练样本,使用Matlab软件对预测模型进行了相关的仿真实验,结果证明预测模型能够较好地预测失业率,可以为南阳市制定就业政策提供一定的指导意见.     

基于BP神经网络的倒立摆智能控制研究

本文首先介绍了一种典型3层BP神经网络模型及其基本原理,然后在惯性坐标系内应用经典力学理论建立了直线一级倒立摆的动力学模型,得到以小车加速度作为输入的系统状态空间方程,在MATLAB中利用lqr函数求得系统最优反馈增益矩阵K并实现了稳定控制.在实时控制过程中不断采集数据样本并保存,用.m文件编写BP神经网络训练程序,对...     

基于BP神经网络的相关识别

相关识别是图像识别的重要方法和手段,广泛应用于各个领域.通过设定阈值来寻找相关峰的方法有其本身固有的缺陷,它只利用了相关峰的峰值大小信息,因而一般用来处理比较理想的情况.对于那些有噪声或背景的目标,很难做到正确识别.在相关峰的识别过程中,如何利用相关峰的形状信息,将起到决策作用.提出在阈值判断的基础上,结合BP神经网络对相关峰形状进行判断,可提高复杂情况下的目标识别率.     

基于人工神经网络的广西GDP预测研究

GDP预测由于其影响因素复杂、具有很强的非线性、是典型的“黑箱”模型,所以是一项非常重要而复杂的工作.建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.BP网络比传统的多元线性回归精确度要高,泛化能力也好.可以为相关部门制定发展战略、发展规划提供有效的技术支持.     

改进粒子群BP神经网络在高炉炉温预测中的应用

由于BP网络存在学习效率低、收敛速度慢、易陷入局部极小状态、适应能力较差等缺点,而粒子群优化（PSO）算法的收敛速度快（尤其是在进化初始阶段）,运算简单、易于实现,又没有遗传算法的编解码和杂交、变异等复杂运算,因此是一种很好的优化算法。但是,PSO算法也存在不足,该算法进化后期存在速度变慢以及早熟的现象。提出一种改进的粒子群BP神经网络对高炉炉温进行预测。通过调整粒子群算法中学习因子的自适应能力,提高算法的收敛速度和搜索全局最优的能力。通过仿真结果说明改进的粒子群算法要优于BP算法和标准的粒子群算法。     

一种基于混沌思想和邻域探测机制的PSO算法

在分析基本PSO算法早熟收敛原因的基础上,提出一种基于混沌思想和自适应邻域探测机制的粒子群优化算法（CANE-PSO）.该算法先引入混沌思想对粒子种群进行位置初始化,以提高初始种群的多样性,再引入随机的邻域探测机制,并引入全局极值变异算子,增强了算法的全局搜索能力.通过与其它三个改进算法比较,结果表明CANE-PSO优化效率有较大的提高,较有效地避免了早熟收敛问题.     

一种基于多阶段PSO的多目标工作流调度算法

基于启发式算法的工作流调度算法目标单一,无法保证用户满意度,且多目标调度算法少、性能差。为了改善现状,提出基于多阶段PSO的多目标工作流调度算法MSPSO,分析工作流任务的层次结构,按层次进行多阶段PSO调度,结合排队理论估算每阶段调度需要的虚拟机数量,控制PSO搜索空间,使算法能快速找到最优解。用4种真实科学工作流在CloudSim环境下进行仿真实验。结果表明,MSPSO算法资源利用率提高了1.81%,能耗降低了9.16%,任务违约率低至0.075%。MSPSO调度算法不仅能动态增减虚拟机,降低能耗,还能在保证截止时间的前提下降低任务违约率,提高资源利用率。     

基于MATLAB的电力电子仿真

随着电力电子技术的不断发展,可控整流电路在直流电动机控制、可变直流电源、高压直流输电等方面得到广泛应用。本文建立了基于MATLAB的单相桥式整流电路、三相全控桥式整流电路的动态模型,给出了仿真实例与仿真结果,验证了模型的正确性,并展现了MATLAB仿真具有的快捷、灵活、方便、直观等优点,从而为电力电子电路的教学及设计提供了有效工具。     

粒子群算法求解基于广义Choquet-积分的多元非线性回归模型

多元回归模型已经成为当前数据挖掘中重要的方法之一,而求解回归模型的关键问题是如何确定回归系数和模糊测度.针对以往使用遗传算法确定回归系数和模糊测度时间复杂度高和收敛速度较慢的问题,使用一种高效的搜索算法——粒子群算法求解基于广义Choquet-积分的多元非线性回归模型,分别在人工数据和真实数据上进行实验,对粒子群算法和遗传算法进行比较.结果表明,用粒子群算法求解该模型不仅比遗传算法收敛速度快,而且还能搜索到比遗传算法更优的解.     

基于动态权值的PSO算法的多传感器数据融合

针对标准粒子群算法的缺点,在原有算法的基础上,提出一种动态权值的粒子群优化算法,使得粒子在迭代过程中惯性权值随粒子进化度和聚合度的变化而改变,并将其尝试性的运用到数据融合领域．实验结果表明,改进的PSO算法能近似最优地确定数据融合中各权值因子,使融合在信息源的可靠性、信息的冗余度／互补度以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合．     

PSO优化的SVM回归在SF_6废气定量分析中的应用

气体绝缘组合电器(GIS)内的绝缘介质SF6及其衍生物的种类与体积严重地影响G IS的绝缘能力,定量分析故障GIS内SF6衍生物有助于评估设备发生故障的原因。为了从GIS设备内SF6气体的红外光谱中获取衍生物的种类及体积,使用支持向量机(SVM)回归法建立了SF6及其部分衍生物的定量分析模型,采用粒子群优化(PSO)算法对支持向量机的参数进行了优化选择,与遍历选择参数方法相比,粒子群优化避免了交叉验证的耗时与盲性。