基于BP神经网络反馈控制器的设计

主要研究了BP神经网络反馈控制器的结构,分析了BP神经网络的学习算法。通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型,并利用Lyapunov方法给出了该算法的收敛的条件。     

一种改进的基于SVM的网络入侵检测算法

研究了支持向量机与自组织神经网络的原理,利用支持向量机的小样本学习与推广能力强的特点,结合自组织神经网络良好的学习能力与收敛速度,实现了对支持向量机算法的改进.利用Lincoln实验室入侵检测系统评估数据集合对改进算法进行测试,并将实验结果与BP神经网络进行了比较,结果表明,改进的算法在检测精度与训练时间方面均优于BP神经网络.     

基于改进BP神经网络的图像识别算法

为提高图像识别的准确率和速度,结合遗传算法和BP神经网络设计了一种改进图像识别算法。由于传统BP神经网络本身存在结构参数不确定、收敛速率低、容易陷入局部最小值等问题。本文首先提取图像的颜色和纹理特征,利用BP神经网络实现特征的初步识别同时基于遗传算法在线优化BP神经网络结构参数。在此基础上,给出了图像识别流程。最后,根据证据理论实现图像识别结果融合以获得完整图像信息。仿真结果表明:所述算法具有较高的识别率和收敛速度;在少量训练样本条件下,改进BP神经网络依旧具有较好的泛化能力。     

基于BP神经网络的科技人才需求预测

采用BP神经网络模型解决科技人才需求预测问题。首先介绍BP神经网络结构和学习算法,其次确定科技人才需求预测影响因素指标,作为BP神经网络输入,最后以Matlab为运行平台实现BP神经网络模型,并以河南省科技人才为例进行案例分析,应用BP神经网络模型预测河南省2008-2010年科技人才需求量。     

BP神经网络在股价预测中的应用

对BP神经网络方法在股价预测中的应用进行了研究,对BP神经网络的结构进行了介绍。针对BP网络学习速度慢,采用弹性BP学习算法和tansig传递函数提高了收敛速度。在仿真过程中通过MATLAB编程实现了BP神经网络对中国石油近一年交易日的数据的训练和测试,获得了一定的预测精度,对BP算法和改进后的BP算法在预测股票中的收敛性能和拟合程度进行比较,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。     

基于模糊神经网络的低压配电系统故障诊断方法研究

为了提高低压配电系统故障诊断的准确性,缩短故障诊断时间,提出一种基于模糊神经网络的低压配电系统故障诊断方法。首先利用模糊集理论对采集到的故障信号进行模糊预处理,然后利用三层前向型BP神经网络对故障信号进行诊断,为了提高模型的泛化性和学习效率,在神经网络模型中引入了动量项,并采用了自适应学习速率进行学习。该方法对于提高低压配电系统故障诊断的准确性和效率提供了保障,具有重要的应用价值。     

基于MATLAB和BP网络的数字识别技术

本文概括地讨论了神经网络通用模型的三要素(神经元、联接强度、学习算法)的特征,在对典型的网络即BP网络的发展动态和进展进行了系统的分析基础上讨论了BP算法的基本概念、运行机制和一些关键性技术。利用BP神经网络进行数字识别的方法,对数字进行特征提取,获得采样数据,再对样本数据进行学习和训练,形成良好的网络,然后对已训练数字有所区别的数字进行检测,达到一定的准确度,表明了该方法在实际应用中具有可行性。     

基于BP神经网络的传感器非线性建模

根据动态校准实验结果建立传感器的动态数学模型,以研究传感器的动态性能,是动态测试的一个重要内容。本文研究了BP神经网络模型在传感器动态建模中的应用。该方法适用于传感器非线性动态建模,试验结果表明,应用BP神经网络对传感器进行动态建模是一种行之有效的方法。     

BP神经网络在中医胃病病型诊断中的实现

目的:本文通过matlab构建BP神经网络模型,用于实现人工神经网络诊断中医胃病的病型,方法:将真实的中医胃病临床数据通过数据清洗、数据编码、BP神经网络模型配置、模型训练,构建出BP网络模型。结果:通过整理数据,反复地训练学习,最终使每种病型的平均预测率达到90%以上,结论:利用BP人工神经网络成功实现了中医胃病病型的辅助诊断。     

BP神经网络模型与学习算法

分析了神经网络算法的基本原理,给出了BP神经网络算法的具体实现方法,总结了它的特点,并给出了基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近问题中,并分析相关参数对算法运行结果的影响,最后对BP神经网络算法进行了展望。     

基于遗传算法的PID控制器参数优化研究

针对PID控制器在不同的应用系统,需要动态调整PID控制参数的问题,提出了基于遗传算法的PID自适应参数优化方案。该方案通过将PID控制器产生的误差作为目标函数,利用遗传算法实现对PID控制器参数的自动调整。为了提高参数的优化效率,文章通过对交叉算子和变异算子的自适应处理,提高了PID控制器的性能。实验测试表明,文章设计的PID参数优化策略比普通的基于遗传算法优化策略效率平均高14.7%。     

一种大规模中文搜索日志的层次聚类方法

提出一种层次聚类算法,旨在对搜索引擎的查询日志数据进行聚类分析。算法基于搜狗实验室公开的查询日志数据,通过3次划分完成查询文本聚类,每一次划分实现不同程度的降维。相似度参数可根据不同的聚类需求调整,算法可扩展性强。实验结果为查询推荐、相关性排序等提供了有力的依据。     

基于率失真优化的视频编码研究（英文）

率失真优化技术在视频优化编码中起着重要的作用，广泛地应用于宏块模式决策，优化量化等编码模块中。本文将率失真优化编码与码率控制结合起来进行研究，通过对率失真关系的分析，提出了基于率失真优化的复杂度可分级码率控制算法，并根据缓冲区操作模型的位分配约束条件调整码率控制的位分配过程，从而使得该算法能够在达到码率控制的同时也能取得较高的编码效率，并能保证缓冲区不会发生溢出，然后结合场景变换、图像内容分类等主观质量问题研究，提出一种恒定质量码率控制编码算法。     

一种基于二值模式特征的人脸检测算法

提出了一种改进的基于多区块局部二值模式(MB-LBP)特征的人脸检测算法.算法针对Ad aBoost算法训练过程中出现的权值分布扭曲的现象,对样本权值的更新规则进行了调整.实验结果表明,该方法有效地缩短了训练时间,而且避免了权值扭曲的现象.算法在保证检测率的同时降低了误检率.     

一种DTN节点自定位方案及其性能分析

在节点的移动规律无法预知的情况下,针对“移动空间（MobySpace）”中DTN（Delay Tolerant Network）概率路由算法中节点预先定位问题,提出了一种自我定位方案。该方案能够在节点移动的过程中根据一个修正因子不断对节点坐标进行调整,最后使坐标收敛到一个可用的范围。实验证明,该方案可以通过一个合适的修正因子确保路由算法具有很好的稳定性和可移植性。     

Improved krill herd algorithm based sliding mode MPPT controller for variable step size P&O method in PV system under simultaneous change of irradiance and temperature

In recent years, Photovoltaic (PV) systems have been received great attention all over the words as they are sustainable, unlimited and environmentally friendly energy. However, it is required for the PV system to apply a tracking controller to guarantee efficient operation by extracting the maximum power, which named maximum power point tracking (MPPT) method. Due to the simple structure, the conventional perturb and observe (P&O) MPPT algorithm is very popular in the literature. Nevertheless, conventional methods show inaccurate performance, particularly when high variations occur in irradiance, resulting in fluctuations around the MPP. To deal with these challenges, a novel technique on the basis of the variable-step size of P&O MPPT and sliding mode controller (SMC) adjusted by the θ-modified krill herd (θ-MKH) algorithm is presented. The θ-MKH algorithm is utilized to fine-tune the optimal SMC parameters to drive the variable step of the classical P&O algorithm. Simulations are prepared to compare the performance of the suggested scheme with conventional methods by considering simultaneous fast changes of irradiance and temperature. The results show that the suggested scheme have proper performance in both transient and steady-state, particularly under quickly varying climate circumstances.     

基于Simulink运动仿真与改进自适应遗传算法的曲轴优化设计

采用了Simulink仿真软件对曲柄连杆机构进行运动仿真,得到曲轴的受力极限情况,在此基础上,得到了最大拉伸载荷和最大压缩载荷对曲轴参数的约束,以及自身参数的边界条件约束,并进一步建立了以曲轴体积最小作为目标函数的曲轴优化模型,最终运用了改进自适应遗传算法来求解该模型的最优设计参数,并将其优化设计参数结果与实际曲轴参数比较,发现用改进自适应遗传算法求得的曲轴参数更加优于曲轴的实际设计参数。     

基于BP神经网络的大非减持影响因素实证分析——以深交所上市公司为例

基于BP神经网络,以深交所上市公司大非股东为样本建立模型,利用遗传学算法对模型结构进行优化并通过神经网络贡献率分析法得出对大非减持贡献率较大的因素。对在指标变量几种典型取值状态下的关系曲线进行深入研究后认为,大非减持并非全然表示企业投资价值下降,普通投资者亦可从中获取积极投资信息;对监管者而言,充分保证大股东流通权以维持其对国家政策的信心,立足贡献率较大的因素调控大非减持比单纯进行限制更能维护市场稳健,实现监管者、普通投资者与大非三方共赢。     

Several gradient parameter estimation algorithms for dual-rate sampled systems

This paper presents three identification methods for dual-rate sampled systems. The first method combines the stochastic gradient algorithm with the polynomial transformation technique, which can estimate the parameters of the identification model. The second method is the finite impulse response model based stochastic gradient algorithm, which can indirectly estimate the parameters of the dual-rate systems by using all the inputs and the available outputs. The third method is the missing output estimation model based stochastic gradient algorithm with a forgetting factor, which can directly estimate the parameters of the dual-rate systems by using all the inputs and all the outputs (include the estimated outputs). An example is provided to verify the effectiveness of the proposed methods.     

基于多层特征基参数融合的网络入侵检测算法

传统的网络入侵检测算法,使用的都是同一个或者相似的特征基作为入侵检测的衡量标准,但是在多层网络中,不同层次的特征基参数存在差异,检测结果误差较大。为此提出了一种基于多层特征基参数融合的网络入侵检测算法。通过提取多层网络操作差异特征基参数,利用非线性回归方式对每层特征基参数进行差异补偿,按照自适应融合方式对多层差异特征基进行融合处理,以此作为检测的基础。实验表明,该算法提高了检测的准确率,取得了理想的效果。