采用同伦BP算法进行多层前向网络的训练

本文把同伦论中零点路径跟踪的概念推广到多层前向网络能量函数极小点路径的跟踪，从而提出多层前向网络一种新的训练方法－同伦ＢＰ算法（包括教师同伦和输入同伦），并且分析了其收敛性性质。结合异或问题和由部分信息重建完整信号所作仿真计算，证明此方法在收速度和避免陷入局部极小的能力上均明显地优于常规ＢＰ算法，体现了人类认识事物时所遵循的由简到繁、循序渐进的原则。     

一种BP改进算法

本文针对ＢＰ算法局部最小问题，提出了一 种改进算法－ＢＰ算法。     

一种模糊规则动态调整BP算法中参数的方法

文中首先对标准的ＢＰ算法进行了分析。然后在此基础上提出了通过模糊规则推理动态调整学习率和动量因子的改进的方法，并通过模糊推理系统实现了ＢＰ算法的模糊控制。最后通过实例将该算法与标准ＢＰ算法和Ｖｏｇｌ改进的算法进行了比较，实验结果表明通过模糊推理来改善神经网络的ＢＰ算法性能是一种很有前途的方法。     

BP神经网络算法的改进

９５０１２ＢＰ神经网络算法的改进／／系统工程与电子技术．－１９９４（６）．－４１～４６分析了ＢＰ算法所面临的问题，给出了一种改进算法，说明了它们的原理和应用环境，将它们与传统的ＢＰ算法作了比较，并通过一实例验证：应用改进算法可以大幅度地提高ＢＰ神经网...     

基于Nevanlinna-Pick插值的跟踪系统H∞鲁棒控制器设计

传统的H∞鲁棒控制器通常都是基于线性矩阵不等式求解的,因此阶次较高,不利于实现,而基于 Nevanlinna-Pick插值的H∞鲁棒控制器设计方法能够有效的解决这一问题。本文提出一种改进的同伦算法用于求解控制器设计过程中出现的非线性方程,避免了经典同伦法中逆矩阵的求解。针对某一跟踪系统设计基于 Nevanlinna-Pick插值的H∞鲁棒控制器,通过阶跃响应和正弦信号的跟踪响应可以看出,与高阶超前滞后校正环节相比,前者构成闭环系统的跟踪精度要比后者的控制精度高,且具有较强的鲁棒稳定性。     

PARLOG跟踪调试器的设计实现技术

本文讨论了ＰＡＲＬＯＧ交互式跟踪调试器的设计与实现技术．作者改进了Ｌ．Ｂｙｒｄ的盒式模型，使之可以描述ＰＡＲＬＯＧ的顺序执行模型．ＰＡＲＬＯＧ顺序化执行模型使计算具有确定性，易于用户调试程序．本文详细介绍了调试器实现中确定调试层次、将顺序化模型中的平坦化计算恢复为树型、实现不同层次的跟踪算法等方面的研究成果．     

关于BP算法的初步研究

本文提出了两种改进ＢＰ学习算法的方法：常系数法和变系数法，加快了网络的收敛速度，增强了ＢＰ算法的可用性与实用性。     

基于BP神经网络的自适应控制

本文利用ＢＰ神经网络对被控对象进行在线辨识和控制。为实现自适应控制，本文对ｓｐｅｃｉａｌｉｓｅｄ ｌｅａｒｎｉｎｇ算法进行了改进，在此基础上，本文还提出了一种基于ＢＰ网络的自适应ＰＩＤ控制器。     

改进型GA—BP训练策略与模式分类

本文以电力变压器油气成分和含量数据为例，探讨将神经网络方法用于复杂信息模式分类的问题。在改进遗传算法和ＢＰ算法的基础上，提出一种新的改进型ＧＡ－ＢＰ算法与结合模型。实际运行结果表明，该模型和算法具有良好的快速性能和较高的识别能力，具有实用价值。     

一种改进的同伦算法与H∞鲁棒控制器设计

提出了一种具有阶次限制的鲁棒控制器设计方法, 该算法将控制系统的性能指标转化为灵敏度函数问题, 并利用Nevanlinna-Pick插值算法进行求解. 提出了一种改进的同伦算法, 将其用于求解由灵敏度函数产生的非线性方程. 基于改进同伦算法设计的鲁棒控制器 不仅避免了传统H∞控制中加权函数的选择问题, 而且克服了鲁棒控制器阶次较高的缺陷. 最后,文章以4阶系统为例, 设计了具有阶次限制的H∞鲁棒控制器, 通过与传统鲁棒控制器的比较可以看出, 基于本文方法设计的控制器不仅具有较低的阶次, 而且其控制性能也具有明显的优越性.     

基于扇出源单故障传播的平行码临界路径跟踪故障模拟

本文提出了一种快速的组合电路故障模拟方法──基于扇出源单故障传播的平行码临界路径跟踪法．临界路径跟踪法是一种十分快速的、但近似的组合电路故障模拟方法，将其同平行码故障模拟结合起来，其效率被进一步成倍地提高．为使其成为一个完全的算法，对每个非停止线扇出源故障，我们采用了平行码单故障传播法．同时，为加快其速度，本文提出了若干加速技术，用于故障模拟的各个部分．例如，事件驱动、多级活动事件栈、测试码标记向量、扩大的停止线以及平行处理时的捕获线概念等等．本算法已用Ｃ语言在ＳＵＮ４／ＳＰＡＲＣＳＬＣ上实现，文中给出了ＩＳＣＡＳ’８５的１０个组合电路的实验结果．     

BP网络用于心电数据压缩的算法的改进

本文针对ＢＰ网络进行心电数据压缩学习速度慢的问题提出了几项改进措施，形成了新的ＴＰ－ＩＢＰ数据压缩算法，有效改善了ＢＰ网络用于压缩学习速度慢的问题。     

前馈神经网络中的反向传播算法及其改进：进展与展望

ＢＰ网络和算法是使用最广泛的神经网络模型之一，但由于它使用梯度算法，因而存在固有的局部极小及收敛速度慢等问题。本文首先回顾了ＢＰ算法的产生和发展过程，之后对ＢＰ算法因有的特点进行了阐述，最后针对原基本ＢＰ算法的缺陷对各种改进方法进行了全面并指出了这一研究中的有关问题。     

一个m维整数瓶颈运输问题及其算法

５１．引言 整数瓶颈问题 （ＩＢＰ的研究最早可追朔到 １９５９年Ｇｒｏｓｓ关于瓶颈指派问题 （ＢＡＰ的研究［’］以及 Ｂａｒｓｏｗ关于时间运输问题（ＴＴＰ）的研究［’］．对 ＢＡＰ相继又出现了改进算法［３］、图算法［４］以及将其化为一般指派问题的算法［’］． １９６９年以来， Ｈａｍｍｅｒ等人又研究了 ＴＴＰ［６－８１．近十几年来，对 ＩＢＰ仍有一些新成果面世 ［９－１５１．但无论国内或者国外，所有成果其目标函数均局限在１，２维的简单情形．本文提出并研究了目标函数为。维的整数瓶颈运输问题， ５２．问题的提出…     

基于优化BP神经网络的柴油机动态模型辨识

本文研究了用优化ＢＰ神经网络建立柴油机动态模型的方法。并对ＢＰ算法进行了适当的改进，提出了一种动态优化学习率的方法。仿真结果表明用人工神经网络能有效地建立柴油机动态模型     

一种改进的同伦BP算法及其在故障诊断中的应用研究

为克服标准BP算法中存在的网络学习收敛速度慢、容易陷入局部极小等问题,引入同伦算法,提出了一种将同伦论与快速BP算法结合的改进算法,并采用二进制结构表示输出模式矩阵。最后以柴油机燃油系统为例,对其中的几种故障进行诊断研究。仿真结果表明此方法既能快速收敛,又能大大提高避免陷入局部极小的能力。     

高精度RBP－模糊推理复合学习系统

该文提出了高精度ＲＢＰ－模糊推理复合学习系统．系统主要由基于鲁棒估计的鲁棒ＢＰ学习环节和基于混合合成推理的模糊推理环节构成．该学习系统的主要特点是可由鲁棒ＢＰ算法和ｍｉｎ－ｍａｘ，ｍａｘ－ｍｉｎ模糊推理算法简单地实现．最后通过在目标跟踪问题中应用结果，表示了该算法的高精度和鲁棒性．     

多层感知器的一种快速网络训练法及其应用

从多层感知器原理分析出发,提出一种自适应学习速率因子方法,用于对多层感知器中ＢＰ算法的改进,并将改进算法用于ＸＯＲ问题的学习及某分类器实例样本的学习。仿真结果表明,改进的ＢＰ算法可显著加速网络训练速度,学习过程具有较好的收敛性和较强的鲁棒性。     

一种实用的克服局部极小的BP算法研究

ＢＰ算法由于基神经元输出函数为Ｓｉｇｍｏｉｄ函数，因此是一个非线性优化问题，不可避免地会出现局部极小。本文提供了一种改进的学习算法，提出判断局部极小的规则，然后引入冲量函数，使ＢＰ网络能够通过判断输出节点的输出误差来修改学习率，使误差函数在其梯度方向上出现大的跳跃，从而跳出局部极小。     

基于扇出源单故障传播的开行码临界路径跟踪故障模拟

本文提出了一种快速的组合电路故障模拟方法－基于扇出源单故障传播的平行码临界路径跟踪法，临界路径跟踪法是一种十分快速的，但近似的组合电路故障模拟方法，将其同平行码故障模拟结合起来，其效率波进一步成倍地提高，为使其成为一个完全的算法，对每个非停止线扇出源故障，我们采用了平行码单故障传播法，同时，为加快其速度，本文提出了若干加速技术，用于故障模拟的各个部分，例如，事件驱动，多级活动事件栈，测试码标记向量