共查询到17条相似文献,搜索用时 453 毫秒
1.
2.
为了提高建筑工程事故预测精度,采用遗传算法优化得到BP神经网络的初始权值和阈值,在此基础上基于自适应学习速率动量梯度下降法进行BP神经网络训练,建立基于GA-BP神经网络的建筑工程事故预测模型.通过数据挖掘的方式提炼出影响建筑工程安全施工的主要危险因素作为GA-BP神经网络预测模型的输入变量,以千人负伤率作为输出变量进行预测分析.结果表明,GA-BP神经网络预测模型收敛速度快,预测精度高,可有效提高建筑工程事故预测的准确性. 相似文献
3.
地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析. 相似文献
4.
5.
6.
组合分类器的经典算法AdaBoost即自适应Boosting算法是提高预测学习系统预测能力的有效工具.针对传统BP(Back Propagation,BP)神经网络在变压器故障诊断时存在不稳定和网络易陷于极小值等缺点,将AdaBoost扩展算法AdaBoost.M2与BP神经网络结合,形成基于Ada-Boost.M2-NN(AdaBoost.M2Neural Network)的变压器故障诊断模型.利用AdaBoost的集成提升作用,在一定程度上弥补了BP算法的不足.仿真结果表明:该模型不仅能将单个BP神经网络无法识别的样本类别识别出来,而且还能整体上相比BP神经网络和传统三比值法将识别率提高11.5%,说明其具有可行性. 相似文献
7.
针对目前标准BP神经网络的缺点,提出基于高阶导数的多记忆BP算法,将能量函数的 阶导数与最速下降方向相结合,构造出一个新的最速下降方向,从而提高了神经网络的学习速度。证明了该算法相对于传统梯度算法的快速性,然后给出了该算法的实现方法,并进行了算例仿真。为了证明其实效性,设计了汽车半主动悬架神经网络控制器。结果证明,该算法便捷、实用、有效。 相似文献
8.
基于BP神经网络的串联塘水质综合评价模型 总被引:2,自引:0,他引:2
介绍BP神经网络模型的结构原理和算法,分析了在建模过程中可能出现的问题并提出了解决方案,根据国家环保总局发布的地表水环境质量标准和串联塘修复水质的实测数据,建立了具有较好泛化能力的三层BP神经网络,为评价污水净化效率及串联塘的合理规划提供了科学的依据.同时表明,由于BP神经网络模型高度非线性以及输出结果以连续函数形式表达,其对水质进行的综合评价更客观. 相似文献
9.
为了避免传统BP算法的局限性,通过利用Kalman滤波算法对权值矩阵作为滤波状态变量进行估计,在迭代过程中还引入神经元增益gi和状态动量因子γm两参数来平滑权值矩阵.在此基础上建立的BP算法不仅大大加快了收敛速度,而且提高了网络数值的稳定性,应用于矿物机械活化过程模拟得到令人满意的效果,证明是一种有效的BP学习算法. 相似文献
10.
农业产业总值的准确预测对农业产业的优化和改善具有重要的意义.以遗传算法优化的BP神经网络建立农业产业总值的预测模型,该模型结合遗传算法和BP神经网络两者的优点,既有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.采用该算法对农业产业总值进行预测,并与实际值进行对比分析.结果表明,该算法收敛速度快,预测精度高,具有较高的可靠性和适用性. 相似文献
11.
12.
神经网络的结构学习算法研究 总被引:4,自引:0,他引:4
高协平 《湘潭大学自然科学学报》1998,20(4):10-12
针对前馈神经网络结构设计困难,传统BP算法易陷入局部极小、收敛速度慢、对初始权选取敏感等缺陷,通过修改误差函数,提出了一种融结构自适应选择和参数学习于一体的针对一般神经元激活函数的新算法,实验结果表明其高效性. 相似文献
13.
14.
15.
应用改进BP网络进行铁路客运量预测研究 总被引:2,自引:2,他引:0
针对传统铁路客运量预测方法的不足,提出运用改进BP神经网络结合四阶段法进行客运量预测,给出了预测算法,建立了铁路客运量神经网络预测模型,并对敦煌铁路客运量进行预测,设计网络参数,进行网络学习和训练,最终得到较为精确的2010年及2015年敦煌铁路客运量,为该线路今后的运营管理提供决策参考. 相似文献
16.
基于模拟退火思想的优化k-means算法 总被引:4,自引:0,他引:4
鉴于典型的基于划分的聚类算法——k-means算法中存在局部最优和算法执行速度慢等问题,提出了基于模拟退火思想的优化k!means算法.该算法将模拟退火思想用于对k-means算法的优化,是一种具有全局最优解和较高执行效率的算法.针对聚类算法典型数据集和随机产生的数据集,在不同情况下进行对比实验.实验结果表明,优化k-means算法优于基本的k-means算法。 相似文献
17.
本文借助神经网络对非线性函数的逼近能力,提出了BP算法的改进型算法及基于BP算法的指数预测模型,通过对比传统预测算法,证实改进后BP算法用于指数预测的可行性及准确性. 相似文献