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。     

BP神经网络改进算法研究

通过分析标准BP算法的原理发现,BP标准算法所形成的误差曲面存在着饱和区域,并且在饱和区域,误差梯度变化缓慢,使得训练次数多、学习效率低、收敛速度慢。通过在标准BP算法中调整激活函数,可以缩小饱和区域,进而减少训练次数。实验结果表明,该方法有效地减少了BP算法的迭代次数。     

BP神经网络在智能雨刮器上的应用及MATLAB仿真研究

在分析了传统雨刮器缺点的基础上,提出了一种基于BP神经网络的模式识别模型,用专家的经验数据训练它,并测试了它;给出了BP神经网络的学习过程及算法。结果表明这个基于BP神经网络的模型不使用精确的数学模型即可有效处理智能雨刮器系统的不可靠性和非线性。     

基于改进粒子群BP算法的神经网络及应用

融合粒子群算法和BP算法的优点,提出了改进粒子群BP算法,阐述了其基本思想,详细的实施步骤及对标准BP算法的改进之处。为了验证提出算法的优越性,以某钢厂引进的连铸板坯二冷动态控制系统为研究对象,设计了基于该算法的表面温度神经网络控制器。以实际生产现场的设备、工艺参数为基础进行了仿真研究,改进粒子群BP算法在收敛速度、计算精度、最优解的搜索能力、算法稳定性等方面优于标准BP算法。     

BP人工智能神经网络拓扑结构及算法

论述了BP神经网络模型拓扑结构及其算法,给出了BP网络正向传播和反向传播的函数,BP网络的结构确定,提出了BP网络运算的改进方案。     

基于MATLAB实现BP神经网络模型在地下水水质评价中的应用

本文运用BP神经网络理论和方法,使用MATLAB工具箱函数编程,建立了地下水水质评价模型,对抚州市临川区5个地下水水质监测点进行水质评价。将评价结果与模糊综合评价法的评价结果进行对比,结果表明,BP神经网络对地下水水质评价是可行的,能够很好地解决评价因子与水质等级间复杂的非线形关系,评价结果的精度也得以大大提高。     

基于LM算法的BP神经网络股价预测

介绍了一种BP神经网络的改进Levenberg-Marquardt(LM)算法原理,用这种方法对上证指数收盘价进行了训练和仿真,并将此改进算法与标准BP算法及其他三种改进算法进行了比较。结果表明,该算法稳定、快捷、预测准确,适合应用于对实时性要求比较高的股票市场。     

BP神经网络的研究及应用

人工神经网络的应用领域非常广泛,其中大部分的人工神经网络模型采用BP网络,它也是前馈网络的核心部分,体现了人工神经网络最精华的部分。通过对BP算法的研究,提出了利用它来实现对我国的三大产业数据的预测方案。并在MATLAB仿真中取得了很好的效果。     

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BP神经网络的企业技术创新能力评价及应用研究

针对当前评价企业技术创新能力的方法所存在的不足,提出一种基于BP神经网络的企业技术创新能力评价方法。首先建立企业技术创新能力评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。在计算方法上,用MATLAB神经网络工具箱来进行网络设计和计算。通过大量学习样本的训练和测试,使模型的误差达到预定的范围内。最后,以实例验证了这种方法的准确性和可操作性。     

BP神经网络在主汽温控制系统中的应用

电厂主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,基于BP神经网络的PID控制,利用神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定,充分利用PID和神经网络的优点。用一个多层前向神经网络,采用反向传播算法,依据控制要求实时输出Kp、Ki、Kd,依次作为PID控制器的实时参数,代替传统PID参数靠经验的人工整定和工程整定,以达到对大迟延主汽温系统的良好控制。对这样一个系统在MATLAB平台上进行仿真研究,仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力,对大迟延和变对象的系统可取得良好的控制效果。     

基于BP神经网络的品牌延伸决策模型

通过分析品牌延伸决策方面现有研究的不足,探讨了消费者品牌延伸评价因素,建立了品牌延伸决策指标体系;结合品牌延伸决策问题具有的非线性和机理不明确等特征,基于品牌延伸决策指标体系,利用BP神经网络建立了品牌延伸决策模型;最后进行了模型应用。     

基于BP神经网络的企业突破性创新绩效评价研究

基于突破性创新的特征,借鉴传统创新绩效评价模式,从资源投入、技术产出、产品性能、过程管理、商业价值和社会价值等6个维度构建企业突破性创新绩效评价指标体系,并利用BP神经网络原理建立了企业突破性创新绩效评价模型。通过对样本企业的突破性创新绩效评价进行模型训练和仿真验证,结果表明该评价方法可信度高,模型具有较好的泛化能力。     

基于BP神经网络的江苏省秸秆资源量预测

农作物秸秆是地球上第一大可再生资源,为能更好的合理开发利用农作物秸秆资源,缓解日益突出的资源短缺、环境污染与经济发展的矛盾,对其进行预测研究是非常之必要的。本文系统分析了江苏省秸秆资源现状及其资源量变化趋势影响因素,并以1990年-2008年历史数据和2009年农作物秸秆资源普查数据为基础,选取理论资源量、人均资源量和单位播种面积资源量为预测评价指标,基于BP神经网络（BP—ANN）对江苏省农作物秸秆资源的评价指标发展趋势进行预测。结果表明：建立的BP神经网络预测模型的相对误差基本在5％的范围内,平均相对误差在2％左右,预测结果与实际有较高的拟合度,且对数据具有较好的适应能力。在未来5年内,江苏省秸秆理论资源量呈平穗发展趋势;而人均资源量和单位播种面积资源量呈下降趋势,前者较后者下降幅度大。预测结果与当地发展规划趋势相一致,该方法具有很强的实际应用价值。本文最后针对江苏省实际,提出了农作物秸秆资源开发利用相关建议。     

基于遗传算法优化神经网络的参考作物蒸散量预测模型

为实现气象资料缺乏情况下参考作物蒸散量(ET0)的精确模拟,利用川中丘陵区3个气象站点1999-2013年的逐日气象资料作为输入量,以FAO-56 Penman-Monteith模型计算的ET0作为标准值,建立基于遗传算法优化神经网络的ET0模拟模型(GA-BPNN),并将其模拟结果同Hargreaves、Mc Cloud、Priestley-Taylor和Makkink等4种常用ET0计算模型的计算结果进行对比。结果表明:GA-BPNN模型能够很好地反映ET0同气象因素之间的非线性关系,模拟精度较高;当基于温度资料模拟ET0时,GA-BPNN模型模拟精度高于Hargreaves和Mc Cloud模型;当基于温度和辐射资料时,GA-BPNN模型模拟精度明显高于Priestley-Taylor和Makkink模型。因此GA-BPNN模型可以作为气象资料缺乏情况下川中丘陵区ET0模拟的推荐模型。     

基于BP神经网络的滩涂资源适宜性评价——以山东省东营市为例

黄河三角洲地区滩涂资源丰富,滩涂面积随着河流泥沙入海淤积的不断增加,有着巨大的开发潜力,但目前该区的滩涂开发水平低和方法简单,并产生了一些负面影响,因此对滩涂资源的适宜性评价显得尤为重要。目前人工神经网络主要应用于自然科学和工程技术等领域,但在滩涂的适应性评价中应用较少。本文以山东省东营市滩涂资源为例,选取地貌类型、土壤含盐量、土壤类型、土壤质地、土壤全氮含量、土壤速效磷含量和土壤速效钾含量等限制因子作为滩涂用地评价指标体系,采用BP神经网络方法对东营市三县两区的滩涂利用现状进行适宜性评价。结果表明每个县区都有最适宜本区开发的等级,与东营市实际情况较吻合,该方法具有很强的实际应用价值。针对东营市滩涂开发利用中存在的一些问题,提出了合理开发的建设性对策。     

基于BP神经网络的企业知识流绩效评价研究

知识在交流中形成知识流,为使知识流健康发展,科学、全面地评价知识流的绩效至关重要。采用BP神经网络的方法解决企业知识绩效评价的问题,建立企业知识绩效评价模型,并结合算例进行分析。应用示例表明该模型具有较高的精度和效率,在知识绩效评价中具有较好的应用价值。     

基于BP神经网络的产业集群创新能力研究

近几年,产业集群化的趋势已引起我国政府和业界的关注,各地涌现出一批大大小小的产业集群,带动了我国经济的发展。但从总体上来说,它们的创新能力都不强。因此,正确分析和评价产业集群创新能力,对于提高企业的整体创新水平、增强产业国际竞争力,具有重要的现实意义。通过应用BP神经网络理论,对我国的产业集群创新能力进行评价。