基于BP算法的多层感知器网络原理及程序实现

针对已有的三层感知器工作原理,通过增加多个隐层的方法,将其扩展成为基于BP算法的多层感知器网络;利用单、双极性Sigmoid函数的性质和多元函数的偏导数求导法则,推导出了多层感知器网络工作原理,并且给出BP算法的编程步骤;最后的实例证明了本文算法的有效性.     

基于唇色信息的唇部检测方法研究

唇部检测是唇读识别的基本步骤,在研究人类视觉和唇色聚类的基础上,分析了唇色和肤色的聚类性,提出了利用神经网络单层感知器学习算法对彩色人脸图像的唇部进行定位的新方法。实验表明,采用感知器学习算法比F isher方法的唇部定位更准确,轮廓更清晰,更有利于唇部口型的识别。     

基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法

为了更好地均衡高阶QAM信号,本文提出了基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法(ICS-WT-DWMMA),利用改进了的布谷鸟搜索算法初始化均衡器的权向量,利用小波变换(WT)降低信号自相关性,其中动态加权多模盲均衡算法(DWMMA)利用由判决符号的指数幂构成的加权项来调整代价函数中的模值.水声信道的MATLAB仿真实验结果表明,与小波加权多模盲均衡算法和小波动态加权多模盲均衡算法比较,新算法收敛速度更快,稳态误差更小.     

基于自适应步长布谷鸟搜索算法优化的小波加权多模盲均衡算法

为了提高加权多模盲均衡算法对高阶QAM信号的盲均衡性能,本文提出了基于自适应步长布谷鸟搜索算法优化的正交小波加权多模盲均衡算法（ASCS-WT-WMMA）。新算法利用自适应步长布谷鸟搜索算法（ASCS）初始化均衡器的权向量,有效避免了权向量陷入局部极小值;利用小波变换（WT）降低信号自相关性;加权多模盲均衡算法（WMMA）利用由判决符号的指数幂构成的加权项调整代价函数中的模值。水声信道的MATLAB仿真实验结果表明,与小波多模盲均衡算法、小波加权多模盲均衡算法以及布谷鸟搜索算法优化的小波加权多模盲均衡算法比较,该算法收敛速度更快和稳态误差更小。     

直觉模糊感知器及其收敛性

将直觉模糊集与感知器网络相结合,提出了一种用来分类的直觉模糊感知器模型,同时构造了一种新的学习算法,并证明了在训练样本直觉模糊可分和相应的条件下,该学习算法是有限收敛。     

无线多跳网络信道分配优化算法研究

无线多跳网络信道受到码间干扰容易产生信道分配失衡,为了提高无线多跳网络信道均衡性,提出基于判决反馈均衡的无线多跳网络信道分配优化算法,构建无线多跳网络信道模型,采用判决反馈均衡器进行无线多跳网络信道分配过程中的干扰抑制和多径补偿,根据信道多径扩展覆盖的码元数进行网络信道分配过程中的前馈滤波调制,利用直接序列扩频方法进行无线多跳网络信道的线性均衡配置,采用自适应的梯度学习算法实现信道分配均衡设计,基于判决反馈均衡技术实现无线多跳网络信道分配优化。仿真结果表明,采用该方法进行无线多跳网络信道分配的均衡性较好,抗多径干扰能力较强,提高了无线多跳网络的通信质量,降低了输出误比特率。     

基于惩罚感知器的唇部定位方法

唇部检测是唇读识别的基本步骤,在研究人类视觉和唇色聚类的基础上,分析了唇色和肤色的聚类性,提出了基于惩罚感知器学习算法对彩色人脸图像的唇部进行定位的新方法.实验表明,采用感知器学习算法只需对所有输入图像进行一次训练样本的采集,就可以得到了正确的权阈值,准确对所有不同人脸的唇部图片进行定位,相比于Fisher变换每次都需对输入图像进行样本采集,感知器学习算法唇部定位更准确,轮廓更清晰,且更具有通用性,有利于唇部口型的识别.     

人工神经网络几种学习算法的对比

神经网络专家系统的设计重点在于模型的构成和学习算法的选择，对神经网络算法的了解是非常重要的。文章讨论分析了感知器、有监督Hebb算法、梯度算法、BP算法等前向网络的学习结构和算法，并对这几种算法作了对比和总结，提出了这几种算法的异同。     

基于小波网络的MQAM数字通信自适应均衡器

本文给出了多维小波网络的结构及其随机梯度学习算法,提出了基于小波网络的MQAM数字通信自适应均衡器.仿真结果表明:该均衡器对于MQAM数字信号非线性信道的均衡,其性能明显优于传统的基于LMS和RLS算法的线性均衡器和基于RLS算法的判决反馈均衡器,且性能稍好于基于BP网络的均衡器,其缺点是计算复杂度高和训练收敛速度慢.,A novel wavelet network based adaptive equalizer (WNBAE) is presented and the structure and stochastic gradient learning algorithm is given. The proposed WNBAE has better performance than that of the conventional linear transversal equalizer based on the LMS and the RLS algorithms, as well as that of the decision feedback equalizer based on the RLS algorithm, especially for MQAM digital communication reception systems over the nonlinear channels. In addition, it outperforms the BP neural network based adaptive equalizer slightly. However, it has a slow convergence rate and a high computational complexity. Several simulations are performed to evaluate the behavior of the WNBAE.     

人工神经网络与DNA序列分类问题

介绍了神经网络的两种简单模型:感知器和线性分类器,并应用感知器模型对DNA序列分类问题进行求解和结果分析,并提出了对感知器模型求解分类问题的一种改进方法。     

基于神经网络的数字广播信号无线定位算法(英文)

为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别.     

基于SDN的社会网络隐私数据均衡调度算法研究

为了提高社会网络隐私数据的优化传输能力,降低数据传输的误码率,提出基于SDN的社会网络隐私数据均衡调度算法。构建社会网络隐私数据传输信道模型,采用匹配滤波检测方法进行社会网络隐私数据传输的滤波干扰抑制,提取社会网络隐私数据的正相关特征量,采用SDN均衡器,根据特征分布的均衡性进行优化调度设计,实现社会网络隐私数据的均衡调度。仿真结果表明,该算法的数据传输稳态控制能力较强,输出误码率较低。     

短波通信中的自适应信道均衡技术研究

通过对短波通信中的自适应信道均衡技术的比较研究,分析了各种自适应信道均衡技术的优缺点,并给出MATLAB仿真结果,提出一种改进型Viterbi算法(MVA),能大大提高短波信道的自适应均衡能力。     

基于高斯金字塔和MLP的带钢边部缺陷识别

在冷轧生产线上,带钢边部的缺陷会直接影响冷轧薄板的轧制。为了提高边部缺陷的检测质量,提出一种将多尺度特征矢量和多层感知器（MLP）相结合的缺陷识别方法。该方法通过高斯金字塔将带钢边部图像分解到多尺度空间,提取金字塔底三层图像的二维边缘幅度直方图特征和灰度特征构成多尺度特征矢量,最后使用MLP进行分类识别。结合工业现场采集到的带钢边部缺陷图像,采用该方法进行分类实验,验证了该算法的有效性。     

小波变换域自适应均衡器性能分析

介绍了基于LMS算法的小波变换域自适应均衡器，并分析了此类均衡器的性能，较为详细地研究了小波域自适应均衡的维纳解，收敛条件，均方误差等问题，针对时不变及时变收剑因子2种情况进行了讨论，给出了小波域均衡算法的算法复杂度，仿真结果表明小波域自适应比其时域算法具有更好的收敛性。     

高速无线通信系统中自适应均衡技术研究

首先介绍常见均衡器的结构和自适应算法,然后指出基于RLS自适应算法的判决反馈均衡器可以有较快的收敛速度,同时有较好的均衡效果,并通过Matlab仿真证明。     

基于LMS算法的均衡器仿真实现

介绍了在信道特性是先验已知的情况下,基于LMS算法的自适应均衡器的MATLAB仿真实现,并对仿真的结果进行了分析和比较．对采用不同的步长因子对于收敛速度及收敛性的影响进行比较,提出关于算法改进的初步设想．     

A New Approach for on-Line Blind Equalization and Channel Identification

本文提出一种新的盲均衡和通道辨识方法．该方法基于过采样技术和独立分量分析神经网络进行信道均衡，利用均衡输出序列和高阶累积量，辨识信道参数．与通常的方法相比，该方法网络结构简单，不必利用训练序列．计算机仿真结果表明算法的良好性能     

一种基于预测的动态负载均衡算法及实现

随着云计算的大规模普及,负载均衡已经以用户服务的形式出现在云平台上,但传统的负载均衡算法不能利用云平台动态管理计算资源的优势。基于预测的动态负载均衡算法根据当前云平台应用负载特征使用BP神经网络对负载进行实时预测,然后根据预测的负载变化趋势提出负载均衡器后端实例调整策略。实验结果表明,基于预测的动态负载均衡算法能够在满足用户SLA的前提下,促进资源节约。     

基于SDN的网络控制器均衡技术设计与实现

针对传统的网络控制器在大规模网络数据中容易出现负载过高、负载不平衡,路由规划不合理,进而导致网络波动影响系统整体性能的问题,提出一种基于SDN的网络通信系统均衡控制器的设计与实现方法,从而使网络流量得到合理分配及有效传输.首先,对控制器整体架构进行设计,引入软件定义网络思想,分析应用层和控制层、基础设施层,利用控制器中均衡模块采集的流量信息进行信道的合理分配;然后,根据路由流量的改变通过PID算法得出合理的路由规划路径,解决信道阻塞问题;最后,为了避免路由重新分配过程中流量中断,选择合适的流表更新算法.仿真结果表明,该设计可以明显提高系统的抗干扰能力,具有较好的信道均衡能力,传输效率高,传输时延得到了有效控制.