BP神经网络优化算法研究

为解决BP神经网络收敛速度慢和易陷入局部极小值的缺点,利用遗传算法(GA)和基因表达式编程(GEP)的各自特点,基于BP算法提出了两种改进算法:其一是GA-BP算法,即利用GA优化BP神经网络的权值和阈值;其二是GEP-BP算法,即利用GEP对BP网络进行调整,包括网络结构、权值和阈值。用样本数据进行了测试并与基本BP算法进行了比较,结果表明两种改进算法具有很强的可行性和高效性。     

基于小波变换分析ANN实现的含噪图像数字识别研究

本文研究了基于小波变换平滑降噪,ANN(人工神经网络)实现的含噪图像数字识别。本文从数字识别的主要原理、小波变换图像降噪以及BP神经网络的实现等方面进行了探讨。阐述了BP神经网络的网络的原理,设计BP网络的过程及其实现和改进方案,并附有大量的实验数据。     

基于BP神经网络的公路客运量和货运量预测方法研究

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。     

提高BP神经网络学习速率的算法研究

BP(Back Propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络。本文针对BP神经网络学习速率低、收敛速度慢的问题进行研究,介绍了标准的BP算法和提高收敛速度的动量因子法和变步长法,对比实验结果明显,旨在为研究BP神经网络学习速率提供参考。     

一种基于SAE和BP网络相结合的人脸识别模型

基于浅层BP网络的模式识别在诸多领域有着广泛的应用,但对于稀疏高维度的数据,在网络模型训练时计算量大、参数繁多、训练慢、准确率低.提出了一种基于稀疏自动编码器(Sparse auto-Encoder,SAE)和浅层BP网络相结合的人脸识别模型.在深度SAE模型中,通过设置隐藏节点数少于输入输出节点数方法,自动学习样本的多种特征表示,来实现数据的降维和去稀疏性,将该方法产生的特征表示作为输入新样本数据,用于BP网络模型进行图像识别.通过人脸识别实验表明,第一通过SAE模型得到的特征表示进行人脸识别是可行的;第二SAE模型获得的多种表示分别进行人脸识别,并非第j层表示比第i层表示(j>i)效果一定好;第三该方法比单纯浅层BP网络进行人脸识别在效果上有一定程度的改善和提高.     

基于深度信念网络的入侵检测模型（英文）

研究了入侵检测系统中海量数据分类的问题.讨论了深度信念网络(DBN)的原理,提出了基于DBN的入侵检测模型.DBN由多层无监督的限制玻尔兹曼机(RBM)网络和一层有监督的反向传播(BP)网络构成.该入侵检测模型采用一种快速、贪婪的方法对DBN网络进行预训练,利用对比分歧算法逐层训练每一个RBM网络;然后,利用有监督的BP算法对整个DBN网络进行微调,并同时对RBM网络输出的低维特征进行入侵数据分类.基于KDD CUP 1999数据集的实验结果表明,使用3层以上的DBN模型分类效果优于自组织映射和神经网络方法.因此,DBN是一种有效且适用于高维特征空间的入侵检测方法.     

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。     

BP神经网络在数字识别中的应用

神经网络(neuralnetwork)是近年来再度兴起的一个高科技研究领域,数字识别就是其中一项既基本又非常重要的应用性研究领域。BP神经网络(Back-Propagation),又称误差反向传递神经网络,是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。BP网络可以看作是对多层感知器网络的扩展,即信息的正向传播及误差数据的反向传递。本文给出了设计用于识别手写数字BP神经网络的过程。     

基于BP神经网络的网络购物业服务质量评价模型研究——以淘宝网为例

基于服务蓝图理论对网络购物业的服务流程进行再现,分析其中的失败点、顾客等待点、决策点、体验点等关键点,找到影响顾客感知网络购物业服务质量的主要因素。在此基础上,将各关键点进行归类分析,建立网络购物业服务质量评价指标体系和基于BP神经网络的网络购物业服务质量模型,并以淘宝网为例进行实证分析。结果表明,BP神经网络较好地拟合了服务质量水平与各评价指标之间的非线性关系,并且拥有较好的预测性能。     

基于BP神经网络模型的商品房价格预测研究

鉴于目前商品房价格预测方法存在的问题,在分析影响商品房价格主要因素的基础上,提出采用BP神经网络建立商品房价格预测模型,利用果蝇-蛙跳算法优化BP网络初始权值和阈值等结构参数,选取某城市2000～2018年的商品房价格及其主要影响因素数据作为训练样本和测试样本.通过仿真分析表明:BP神经网络模型经过果蝇-蛙跳算法优化后能加快网络的收敛速度,提高商品房价格预测的精准度,对于政府部门进行房价宏观调控以及房产企业的运营管理都具有一定的参考价值.     

基于粒子群算法优化的城市供水量预测模型研究

鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。     

一种改进的基于加权模式的BP算法

反向传播算法（BackPropagation）是一种有监督神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值,精度不高等问题．文中提出了一种加权和引入参数改进的神经网络BP算法,某种程度上克服了以上缺点．对文中的改进算法用VC平台编程,并利用真实数据,对大学生就业能力进行了预测．实验表明,改进算法有效,也为高校解决大学生就业能力提供了决策支持．     

基于改进BP神经算法的农产品价格预测模型的构建与实现

为了提高农产品价格预测精度,提出一种改进的 BP 神经网络模型。先通过定性分析得到影响农产品价格波动的因子,然后采用MIV方法选择强影响力的因子作为神经网络输入节点。并采用改进的算法进行学习,寻找最优的BP网络结构。利用改进后的模型,实现了农产品价格的高精度仿真。     

一个遗传神经网络预测模型

BP算法是人工神经网络研究的一个常用方法，但从本质上说是属于局部寻优法，容易陷入局部极小点，且存在着学习速度与精度之间的矛盾；遗传算法是一种全局优化算法，具有并行计算能力．本文采用遗传算法来训练前向神经网络，建立一个基于遗传算法和BP算法的神经网络预测模型．试验结果表明它是一个成功较高的预测模型．     

基于遗传神经网络的水电机组故障诊断模型

将遗传神经网络引入水电机组的故障诊断中,建立基于遗传神经网络的水电机组故障诊断模型,通过Matlab的相关工具箱进行仿真.结果表明遗传神经网络诊断的正确性高于BP网络.     

A Second Order Training Algorithm for Multilayer Feedforward Neural Networks

ＡＳｅｃｏｎｄＯｒｄｅｒＴｒａｉｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＭｕｌｔｉｌａｙｅｒＦｅｅｄｆｏｒｗａｒｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＴａｎＹｉｎｇ（谭营）ＨｅＺｈｅｎｙａ（何振亚）（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕ...     

基于人工智能的机器人折弯机滑块行程研究

针对金属板料折弯工艺和更高精度的要求,提出基于人工智能神经网络的机器人折弯新技术。对机器人弯折工艺进行特征参数分析及提取,并建立改进算法的BP神经网络模型;比较了不同机器人折弯训练函数下的性能,建立更加有效的神经网络训练函数。通过经验实测值与改进算法的BP神经网络预测值对比,验证了所确定的机器人折弯的改进BP神经网络能够更加精准确定折弯工艺过程中所需的滑块行程,提高了折弯工艺精度。     

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。     

基于BP神经网络的认知诊断评估分类准确率影响因素分析

BP神经网络是目前应用最广泛的人工神经网络模型之一,在分类和识别上表现出良好的特性,因此被研究者用于认知诊断评估以对被试进行诊断分类。通过模拟研究,考查属性个数、属性层级关系、测验长度、题目质量、测试样本量5个因素对BP神经网络在认知诊断中分类准确性的影响。结果表明:1)基于BP神经网络的认知诊断分类准确率不依赖于测试样本量;2)题目质量和测验长度对BP神经网络的诊断准确率有显著的积极影响;3)属性个数对BP神经网络的分类准确率有消极影响;4)题目质量一定程度上会影响BP诊断方法在不同属性层级结构上的分类准确率。