基于MPGA优化BP网络的新方法及仿真实验

BP网络是人工神经网络中应用最广的网络模型,为了改善BP算法易陷入局部极小点的缺点,提出一种基于MPGA(多种群遗传算法)的改进BP网络。数值仿真结果表明:经多种群遗传算法优化的BP网络和遗传算法优化BP网络以及传统BP网络相比较,在预测精度方面有了改善。     

基于BP人工神经网络的GPS高程异常拟合方法研究

近几年来在GPS水准高程拟合方法的研究成果的基础上,对基于BP人工神经网络的GPS高程异常拟合方法进行了研究.利用实际工程数据,对BP网络模型和BP神经网络组合算法进行了试验研究,通过比较分析,给出了拟合模型的精度评价.     

基于S函数的BP神经网络PID控制器及Simulink仿真

BP网络在人工神经网络中应用最为广泛,文中给出基于MATLAB语言的BP神经网络PID控制器的S函数实现,在此基础上建立BP神经网络PID控制器的Simulink仿真模型,最后给出了该仿真模型应用在非线性对象中的仿真结果.     

基于Matlab的BP神经网络结构与函数逼近能力的关系分析

人工神经网络是一种非线性动态数学模型,广泛应用于非线性系统建模、系统辨识、函数逼近等方面。介绍BP网络的结构和学习过程,并介绍利用Matlab人工神经网络工具箱设计BP网络的步骤,在此基础上设计了BP网络以验证其函数逼近能力,仿真结果说明了BP网络具有很强的函数逼近能力。并分析BP网络结构和函数逼近能力的关系,得出网络的结构直接影响网络对函数的逼近能力和效果。     

人工神经网络技术在板料激光弯曲中的应用

基于人工神经网络基本理论,建立在板料激光弯曲中预测材料表面最高温度、弯曲角度的BP网络模型。借助于MATLAB仿真软件中的神经网络工具箱作为开发平台,将试验样本数据和经过试验验证的数值计算结果作为补充的样本数据用于BP网络的训练,利用训练好的BP网络对非线性的样本数据规律进行拟合,实现激光加工工艺参数的优化,为实际生产和加工提供有效的依据。     

基于BP神经网络的网络智能诊断系统

随着计算机网络的发展，网络维护与管理日趋复杂。故障诊断就是对网络运行状态进行检测，并对出现的故障进行处理。随着人工智能理论的发展，要求把智能技术引入网络故障诊断领域，其中人工神经网络能比较准确地完成网络智能诊断任务，特别是目前广泛采用的前向多层神经网络模型(BP模型)。文章对BP神经网络故障诊断系统进行研究和设计，并通过实例进行仿真试验，结果证明该系统对网络故障的智能诊断有较高的实用价值。     

基于人工神经网络的语音多脉冲激励矢量量化器的设计及其性能分析

本文讨论了人工神经网络技术在语音压缩编码方面的应用,提出了一种用Kohonen网络实现语音多脉冲激励分析模型的矢量量化方法。该方法将参数分析和量化编码熔为一体,和传统的先分析、后量化方法相比较,具有许多优良的特性,如全并行处理、过程简化等。本文针对语音多脉冲激励模型,提出了量化网络的结构和学习规则,并将此方法和传统方法进行了比较。最后对网络的压缩性能进行了计算机模拟,结果表明应用人工神经网络进行语音信源的压缩是切实可行的。     

基于量子BP网络的图像压缩技术研究

量子神经网络是一门崭新的学科,是量子理论和人工神经网络结合的产物。它融合了量子计算与神经网络的优点,具有很高的理论价值和应用潜力。本文基于具有量子输入和量子输出的量子神经元模型,利用BP网络用于图像压缩的原理,同时借助复数BP算法提出了QBP算法,构建一种用于图像压缩的3层QBP网络模型,实现了图像压缩与图像重建。仿真结果表明,在与BP网络压缩比相同的情况下,QBP网络不仅获取较好的重建图像质量,而且在最佳学习速率下迭代次数比BP网络少。     

Research of image compression based on quantum BP network

量子神经网络是一门崭新的学科,是量子理论和人工神经网络结合的产物。它融合了量子计算与神经网络的优点,具有很高的理论价值和应用潜力。本文基于具有量子输入和量子输出的量子神经元模型,利用BP网络用于图像压缩的原理,同时借助复数BP算法提出了QBP算法,构建一种用于图像压缩的3层QBP网络模型,实现了图像压缩与图像重建。仿真结果表明,在与BP网络压缩比相同的情况下,QBP网络不仅获取较好的重建图像质量,而且在最佳学习速率下迭代次数比BP网络少。     

人工神经网络识别抽油机井示功图的研究

本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法,在此基础上将神经网络和模式识别相结合研究了通过识别抽油机井示功图诊断抽油机井故障的方法。     

人工神经网络在股市预测模型中的应用

介绍了人工神经网络的基本原理和传统股市预测方法的缺点,建立BP神经网络模型,以某个股实际收盘价为原始数据样本,对网络进行训练后,对股票价格进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度高。     

BP网络的Matlab实现及应用研究

人工神经网络以其具有信息的分布存储、并行处理以及自学习能力等优点,已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。他的基于误差反向传播算法的多层前馈网络,即BP网络在非线性建模、函数逼近和模式识别中有广泛的应用,介绍了BP网络的基本原理,分析了Matlab人工神经网络工具箱中有关BP网络的工具函数,并给出了部分重要工具函数的实际应用。     

人工神经网络BP算法在近红外光谱分析中的应用

简要介绍了人工神经网络及其在近红外光谱分析中的应用。给出了三层BP网络的基本结构和对应的BP算法。通过测定润滑油的流动性、苯和甲苯的回收率及相对标准偏差的两个实例,分析了人工神经网络BP算法的明显优势。最后指出了存在的部分问题。     

基于神经网络的电喷发动机传感器故障诊断的研究

基于传统专家系统存在的缺点,文中以人工神经网络技术在电喷发动机故障诊断方面的应用为基础,以MATLAB7.0为开发平台,在怠速工况条件下,对无故障、氧传感器故障和空气流量传感器故障3种状态进行数据采集,并对数据进行预处理;基于BP神经网络的优点,构建了3层BP网络模型,经过测试样本的检验,证明此模型误差小、精度高,具有可应用性.     

基于BP神经网络的导线自动检测仪的模型建立

人工神经网络广泛应用于函数逼近、图像处理、自动控制、模式分类等领域。针对反射脉冲导线自动测量仪的高精度建模困难,提出采用BP神经网络解决的方法。实验和仿真表明,采用BP网络能很好的得到导线测长的模型。从而很大程度上提高了该仪器的测量精度。     

基于BP网络的地物影像光谱识别及效果检验

提出了一种基于改进后的BP人工神经网络的地物影像的多波段光谱识别新方法。该方法遵循网络的隐节点数与训练样本数相匹配的网络结构设计的最简原则构建BP网络;采用了随机增加每类样本数,添加样本集中的噪声干扰。从而使噪声起到平滑作用。既防止过度训练,提高了网络的泛化能力。又加快了收敛速度。对11类地物多波段光谱影像实例。通过相继二次构建BP网络模型进行训练,用两次训练好的网络对全部11类地物区分效果明显,达到能完全区分不同地物分类识别的目的。     

基于神经网络的传播预测模型浅析

传播预测模型是网络规划和频谱资源合理利用的基础。在分析了现有模型不足的基础上,介绍了人工神经网络的结构及其传播预测模型的构建,并对该模型进行了改进,提出了应用反向传播(Back-Propagation,BP)神经网络的混合传播模型。人工神经网络具有良好的非线性逼近能力和泛化能力,非常适用于特定地区传播损耗的预测。通过对试验数据的分析处理,验证了此方法能够更真实地反映该区域的无线电波传播环境,得到更高的预测准确度。     

人工神经网络在气体分析系统中的应用

为了研究人工神经网络在气体分析系统中的应用,选择了识别CH4和CO的传感器阵列及用于网络模型训练的样本。实验分析确定了信号预处理方法,选取合适的网络模型并创新性的对用于气体种类识别的BP算法进行改进,并研究网络结构和参数的变化对气体分析系统性能的影响,实验结果证明气体传感器阵列与BP算法相结合进行气体成分分析具有一定的可行性,若能进一步调整及完善气体传感器阵列的硬件测量电路,则可开发出用于现实复杂环境的多气体分析系统。     

用BP网络群识别手写体数字的新方法

本文采用人工神经网络群进行手写体数字识别,把多模式分类转化为二模式分类,降低了网络面临的函数逼近的复杂性,并运用改进BP算法对网络进行训练,提高了训练速度、改善了网络性能。实验表明采用此方法的识别系统在性能上优于单BP网络识别系统。     

粒子群神经网络用于电磁兼容预测

为了更好地对电磁兼容进行预测,提出采用人工神经网络的方法。传统的BP神经网络易于陷入局部最优,因此采用粒子群算法对网络权值进行优化。以平行线间电磁耦合干扰为具体算例,证明本算法的预测结果的均方误差仅有10-4数量级。因此,使用PSO优化网络权值的方法有效,且神经网络模型能准确预测电磁兼容。