快速构建BP神经网络模型

就BP神经网络应用设计中的网络隐含层数、隐含层神经元个数等具体设计问题进行了研究与探讨，提出一种新的构建BP神经网络模型方法。实验表明，使用该方法构建的网络模型训练曲面图形时，得到的网络输出曲面与原样本曲面非常接近，训练误差满足设定要求。     

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。     

人工神经网络在中长期电力负荷预测中的应用

设计了一个由输入层、隐含层和输出层组成的三层BP网络模型,利用神经网络高度非线性建模能力,进行电力系统的中长期负荷预测.选取影响电力负荷的一些经济因素作为神经网络的输入变量,并对分别采用单个因素和多个因素的组合作为输入量对预测精度的影响进行了探讨.在多因素组合时对输入量进行了归一化处理.仿真结果证明,使用人工神经网络方法进行中长期电力负荷预测是可行和有效的.     

基于动量BP算法的神经网络房价预测研究

房地产价格近年来持续上涨,对于房价趋势的预测成为经济社会热点,但这些预测大都停留在定性分析阶段。从定量分析的角度入手,提出利用加入动量因子的BP神经网络算法建立数学模型,运用Matlab仿真实现房价预测。详细分析了BP神经网络学习算法过程,并加入动量因子以加快收敛、避免陷入局部最优。以山东济南为例,分析得出影响房价的7大主要因素,搜集2000-2012年数据,运用Matlab建立单隐含层的BP神经网络,通过训练网络,预测2014年该市房产均价。实验结果表明,该方法能在有限的数据条件下,对房价预测精准度达99.1%,为我国房地产业的可持续发展提供了科学的咨询和决策手段。     

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.     

基于粒子群算法的BP神经网络优化在电站锅炉燃烧中应用研究

用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。     

色彩空间转换的BP神经网络模型

测量了WESCOM显示器中RGB和Yxy对应的实验资料,建立了色彩转换的BP网络模型,模型中同时考虑了各色彩空间的分量. 利用测量数据样本对网络进行训练,然后用测试样本对BP网测试,取得了较好的效果,表明BP神经网络用于色彩转换是可行的.     

基于BP神经网络算法的异步电机故障诊断系统研究

为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009 163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。     

一种基于思维进化算法的极限学习机及其应用

极限学习机(Extreme Learning Machine,ELM)是一种新型的单隐含层前馈神经网络,与传统神经网络训练方法相比,ELM具有泛化能力好、学习速率快等优点。但随机产生的输入权值和阈值,往往会出现一些作用很小或"无用"的值,为了达到理想精度,通常需要增加隐含层节点数。思维进化极限学习机使用思维进化算法MEA优化输入权值矩阵和阈值向量,再利用MP广义逆求出输出权值矩阵,从而减小隐含层节点数,增大网络预测精度。通过函数拟合仿真实验,并同ELM算法和BP神经网络算法比较,思维进化极限学习机算法可以用较少的隐含层节点数实现更高的精度。     

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RBM的语音特征提取方法研究

针对传统语音识别在多目标情况下识别率较低的问题,从特征参数提取角度,提出一种基于受限玻尔茨曼机（RBM）的特征提取方法。依据不同个体语音信号之间的特征差异提取特征参数,通过梯度上升算法调整网络参数以拟合给定训练样本,通过对比散度算法降低采样达标所需状态转移次数以提高算法效率,再利用重构误差曲线评价受限玻尔茨曼机对训练样本的似然度。实验表明,当隐含层节点个数为30时,参数提取的重构误差低于20%。此时使用改进的BP网络训练,与传统算法相比,综合识别率提高到86.9%,对提升多目标语音识别率具有重要意义。     

Fuzzy NN based predictive control and its application to green liquor system

The fuzzy NN predictive control algorithm introduced in this paper uses fuzzy neural network to model the nonlinear MIMO process. Its training method that integrates LS and BP algorithm brings quick convergence. GPC algorithm is used as the predictive component. The fuzzy neural network has six layers, including input layer, output layer and four hidden layers. An application to a MIMO nonlinear process (green liquor system of the recovery system in a pulp factory shows that this algorithm has better performance than normal PID algrithm. Project (No. 20010539) supported by Education Office of Zhejiang Province.     

基于BP网络在图像压缩中性能的研究

研究了一个3层BP网络的图像压缩方案,分别采用了不同的传输函数、不同的隐含层神经元数目和同一幅图像不同大小的分块方式,分析和总结BP网络压缩性能与各种网络参数之间的关系。结果表明：BP网络传输函数、隐含层神经元数目以及对原图像分块大小的不同,都会直接影响收敛时间和压缩性能。     

BP神经网络在轴向柱塞泵故障诊断中的应用

针对轴向柱塞泵故障机理的复杂性和故障信息的不确定性,提出了基于人工神经网络的故障诊断方法。以一种典型设备的几种主要故障为例,设计了适合于故障诊断的BP神经网络模型,运用Levenberg-Marquardt优化算法进行网络训练,并针对网络训练中可能出现的过拟合、局部小、隐层节点数确定等问题制定了相应的网络优化策略,以保证训练后的网络具有较好的记忆和归纳能力,并用Vc＋＋6.0语言和SQL Server2000数据库开发了基于BP神经网络的轴向柱塞泵故障诊断系统,结果表明,该系统有良好的故障诊断精度和较强的泛化厶匕力。     

基于模拟退火方法BP神经网络的测向定位方法

针对BP算法在测向定位中收敛速度慢、易陷入局部极小等缺点,将模拟退火方法应用到BP神经网络中,同时结合变步长方法,利用隐层节点的动态合并与删除策略,在满足定位精度的同时使网络结构最小化,使用三层前馈网络建立了三站测向定位模型。通过仿真实验,新方法在收敛速度和有效性方面都远高于BP算法。     

基于实神经网络代数算法的改进测向定位方法

针对BP算法在测向定位中收敛速度、隐层神经元个数的选取以及定位精度等方面的缺点,将实神经网络代数算法首次应用到测向定位中。给出了隐层神经元个数的准确公式,快速准确的获取训练权值,建立了基于代数算法的三站定位模型。通过仿真实验,新方法在定位精度和时间效率方面都远高于BP算法。     

Neural network fault diagnosis method optimization with rough set and genetic algorithms

1 Background1 The fault diagnosis to equipment is to obtain fault patterns from characteristic parameters, and in fact it is the problem of fault characteristic’s classification. However the mapping of characteristic parameters to fault patterns is serio…     

用BP神经网络实现函数逼近的方法及其讨论

构造一个三层BP神经网络,实现了连续函数的逼近.讨论了函数值在非[0,1]区间时,样本的归一化问题,提出了新的变换关系式,加快了算法的收敛速度.     

基于BP神经网络在卷烟焦油预测中的应用

提出利用数值优化改进的BP算法建立卷烟焦油的预测模型,以卷烟常规化学成分总糖、总氮、总氯作为神经网络的输入,焦油作为输出,并将这些指标作归一化处理,然后通过教师样本数据对网络进行充分的训练,获得适宜的参数矩阵,最后用训练好的网络对检验样本数据进行预测,预测效果相当显著,相对偏差在-1.81%~1.31%之间。