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。     

基于神经网络的姿态识别算法

公共场所视频监控网络部署日益完善,智能视频监控技术在安防、交通等领域作用越来越大。针对视频监控数据中的人类目标,提出一种基于计算机视觉的姿态识别方法。通过YOLO算法和AlphaPose模型完成对视频中人类目标检测识别以及姿态估计,在此基础上分析人体关节之间的角度对姿态分类的影响,从中提取有效的分类特征,构造并训练5层神经网络模型,完成对站、坐、躺最常见3种姿态分类。实验结果表明,训练得到的神经网络模型准确率达到85%以上,识别速率大约为每秒30帧,在安防监控、检测人员摔倒、疾病报警等方面具有一定应用价值。     

基于BP神经网络的异常入侵检测方法

提出一种基于BP神经网络的异常入侵检测方法,由于BP神经网络是一种基于误差反向传播算法的多层前馈神经网络,具有对不确定性的学习与适应能力,可以很好的满足入侵检测分类识别的需求.对“KDD Cup 1999 Data”网络连接数据集进行特征选择和标准化处理之后用于训练神经网络并仿真实验,得到了较高的检测率和较低的误报率.仿真实验表明,基于BP神经网络的入侵检测方法是有效的.     

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。     

运用ANNs算法和BP算法对产业优化转型升级研究

将产业优化转型升级分成产业信息共享和产业信息创新维度,采用人工神经网络算法和误差反向传播算法对产业优化转型升级模型进行构建,并对产业优化转型升级的模型进行分析,从而有利于产业优化转型升级的进行.     

基于神经网络的人体姿态估计方法研究

随着人工智能技术发展,人体姿态估计广泛应用于动作识别、人机交互和服装解析等领域,成为计算机视觉领域研究热点,其中基于神经网络的人体姿态估计方法倍受关注。结合人体姿态识别相关流程,论述人体检测、人体姿态估计和人体姿态优化等步骤,阐述相关步骤中的新算法,为后续研究提供参考。     

利用神经网络预测人口数量

利用先进的预测技术人工神经网络技术，根据襄樊市历年人口数量对襄樊市人口数量进行预测，为有关部门人口普查提供参考，预测结果证明该法较其他预测方法精度高且有效。     

基于BP神经网络的声源定位研究

传统声源定位算法计算量较大,不适合复杂多变的场景,因此提出基于BP神经网络的声源定位算法.该算法以麦克风阵列接收声音的时间差作为输入,以声源位置坐标作为输出.为了得到较理想的BP神经网络模型,借助MATLAB仿真实验,分别讨论了神经网络中神经元个数、隐藏层层数以及反向传播函数对算法精确性的影响.其中,结合不同反向传播函...     

基于BP神经网络的个人信用评价研究

利用人工神经网络的反向传播(Back Propagation,简称BP)思想,建立个人信用评估模型。通过该模型进行个人信用评价,弱化了评价中的人为因素,提高了评价结果的准确性和权威性。     

基于BP神经网络的硅微陀螺仪温度补偿方法（英文）

研究了硅微陀螺的温度特性,提出了硅微陀螺仪的温度补偿方法.首先,采用开环电路测试了微陀螺仪的谐振频率和品质因素随温度变化的情况,并采用闭环电路测试了微陀螺整机零偏随温度变化规律.然后,为研究降低温度对微陀螺性能的影响,提出了一种基于误差反向传播（BP）神经网络的温度补偿方法.通过Matlab仿真,基于BP神经网络温度补偿的优化模型经过4步就得到很好训练,并使全温范围内微陀螺零偏的目标误差达到0.001.该补偿方法实时运行试验结果表明,环境温度在-40 ～80℃变化过程中,微陀螺仪的最大零偏经过补偿能从12.43（°） /s降低到0.75（°） /s,从而大大提高了微陀螺仪的零偏稳定性.     

基于改进BP神经网络的网络入侵检测研究

随着互联网的快速发展,网络安全问题日益突出,入侵检测方法研究变得愈发重要.为提高网络入侵检测能力,首先对传统BP算法进行优化,然后对KDD99数据集进行了数据的预处理和特征选择,设计了优化的BP神经网络模型,最后进行了仿真实验.结果表明:相较于传统BP算法模型准确率提高了12.12%,达到96.64%,误检率降低至3.65%,模型的收敛性和稳定性都有所提高,达到了预期效果.     

基于神经网络的协同入侵检测

针对计算机网络规模大、网络流量大、结构复杂等特点,使得检测代理负载过大导致丢包率较高而准确率较低,提出了基于神经网络的协同入侵检测,该方法根据网络协议构建多个检测代理(TCP检测代理、UDP检测代理和ICMP检测代理),多个检测代理协同工作减少检测代理的负载,从而提高检测准确率。最后用KDDCUP99进行仿真实验,结果表明该方法可以有效提高训练时间和检测时间,同时提高准确率。     

基于改进BP神经网络的DDoS检测模型研究

分布式拒绝服务(DDoS)攻击是当今最流行的网络攻击之一,对该攻击的检测是当前网络安全研究领域中的难点.文章在系统分析比较国内外DDoS攻击检测理论和方法的基础上,根据DDoS攻击时数据包的特性,运用改进BP神经网络理论和方法建立了DDoS检测模型.该方案所采用的技术,实现简单,代价小,具有很好的实际应用前景.     

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BP神经网络的刀具磨损监测

结合调研资料和现场实验,文章确定了刀具磨损是影响环型零件加工精度的主要因素。针对刀具磨损,采用声发射法进行监控,运用移频小波包算法对实验采集的AE信号进行特征值提取。通过采用BP神经网络,独创性地提出将铣削时间和AE信号特征值有机结合从而建立刀具磨损监测预报模型,其模型的准确率可达96.2%,能够实时、快速、可靠地监测刀具的磨损情况。     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测。在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类。模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果。     

基于BP神经网络对网站访问量的预测

讨论了利用BP神经网络对网站访问量的预测.在网络营销中网站访问量是衡量一个网站价值的重要指标,但由于网络本身就是一个复杂的非线性系统,很难预测,同时又受多种复杂外界因素影响,其宏观流量行为往往复杂多变,还受到很多未知因素的干扰,BP神经网络提供了一个很好的解决方案.     

基于BP神经网络模型的通货膨胀预测

通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析,确定了各因素与通货膨胀之间的领先、一致和滞后关系;然后结合人工神经网络原理,以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型,最后根据模型预测结果,提出了控制通货膨胀的相关政策建议。     

基于BP神经网络的水体富营养化评价的研究

水体富营养化改变了水体的理化性质,不仅破坏生态的平衡还严重影响人类的健康．因此,对水体富营养化的研究是一件有意义的研究工作．BP神经网络由于操作简便易行,可以白组织、自学习、白适应并具有容错和抗干扰能力等特点,已成为水体富营养化评价的一个热门．文章应用BP神经网络对泉州市山美水库的水体营养状况进行评价,并与综合营养指数法进行了比较,提出了富营养化的防治对策．