BP神经网络算法研究及其在燃煤锅炉中应用

神经网络的种种特性使得它们在动力工程中得到广泛的应用.根据系统的特点研究使用合理的神经网络算法已成为广受关注的课题.BP神经网络是一种最基本的神经网络.国际国内学者围绕如何避免训练陷入局部极小和加速收敛,提出了多种措施.但以往方法主要基于如何选择合理的学习率或加入适当的动量项,未能充用利用控制系统的特点.通过分析具有不同极点分布的控制系统BP神经网络的误差曲面形状,提出在总体误差的下降方向和其相反方向上同时进行一维搜索的方法.算法较多地考虑了有关的细节性问题.此方法被用于某燃煤锅炉,结果令人满意.     

BP神经网络算法研究及其在燃煤锅炉中应用

神经网络的种种特性使得它们在动力工程中得到广泛的应用，根据系统的特点研究使用合理的神经网络算法已成为广受关注的课题，BP神经网络是一种最基本的神经网络，国际国内学者围绕如何避免训练陷入局部极小和加速收敛，提出了多种措施。但以往方法主要基于如何选择合理的学习率或加入适当的动量项，未能充用利用控制系统的特点，通过分析具有不同极点分布的控制系统BP神经网络的误差曲面形状，提出在总体误差的下降方向和其相反方向上同时进行一维搜索的方法，算法较多地考虑了有关的细节性问题，此方法被用于某燃煤锅炉，结果令人满意。     

BP神经网络及其改进

介绍了标准BP算法及其优缺点，并针对其存在的缺陷，从各个不同的方面对BP算法提出了改进，并对各种改进方法的原理及优缺点作了详尽的分析，从而使BP神经网络更广泛地应用于各个领域．     

BP神经网络的遗传优化及其应用研究

针对BP神经网络具有训练速度慢、容易陷入局部极小值的特点,在分析其训练算法本质的基础上,提出将遗传算法（GA）引入神经网络训练,优化神经网络的权值和闽值,充分发挥遗传算法的全局寻优能力和BP算法的局部搜索优势,形成了一种新的GA—BP神经网络．应用实例仿真结果表明,GA—BP神经网络具有全局搜索、快速收敛的特点,建立的模型具有较高的预测精度和良好的泛化能力．     

神经网络BP算法的研究,实现及改进

给出了目前较流行的一种神经网络学习算法－－神经网络ＢＰ算法的数学证明及计算机实现，并在此基础上提出了几种改进算法。计算机模拟结果表明，改进算法提高了学习速度与精度，应用于工程图形元素识别效果良好。     

一种BP神经网络的学习算法及其改进

本文详细推导了典型ＢＰ神经网络学习算法,并给出了一种基于动量和学习速率自适应调整的虎法。仿真结果表明,改进算法的学习速度和收敛性得到了明显的提高。     

BP神经网络在消能结构中的仿真应用研究

采用BP神经网络对支撑变形影响下的非线性粘滞消能器两端的位移幅值与层间位移幅值之比与消能器的阻尼系数、支撑的总水平刚度、结构的振动周期、层间位移幅值、消能器的非线性指数之间的关系进行预测仿真.仿真结果表明采用BP神经网络预测非线性粘滞消能器两端的位移幅值与层间位移幅值之比是有效且可行的.此外,还讨论隐含层结点数的合理确定.     

BP神经网络及其改进

介绍了标准BP算法及其优缺点,并针对其存在的缺陷,从各个不同的方面对BP算法提出了改进,并对各种改进方法的原理及优缺点作了详尽的分析,从而使BP神经网络更广泛地应用于各个领域.     

神经网络BP算法的一种改进

提出了一种改进算法，对原来的误差函数做了很小的改动。改进算法既保持了原ＢＰ算法的优点。又可以有效地避免假饱和，使学习过程可以较快地完成，取得了满意的结果，本文推导了改进后的算法，并结合实例对算法的效果进行了讨论．     

改进的BP神经网络在医疗中的应用研究

鉴于传统BP神经网络存在诸如收敛速度缓慢和易陷入局部极小值的缺陷,提出在BP神经网络中引入动量因子、陡度因子、自适应学习速率和改进粒子群算法优化BP权值等对传统BP进行改进,使其达到预测误差小、精度高、训练快的目的。改进后用来预测区域内各个年龄段患糖尿病人数百分比。由仿真实验结果可知,改进后的BP神经网络比传统BP神经网络收敛更快、误差更小。     

一种综合改进的BP神经网络及其实现

从网络拓扑结构、增加动量项、增加学习速率自适应调整、增加权重初始化的N－W法等几个方面讨论了BP神经网络的改进，通过这几种方法的组合实现了一种新的改进型网络。详述了网络结构参数如学习速率初始值、隐含元个数、网络收敛精度等的确定原则和方法，并针对某一问题进行了计算分析。计算中重点分析了学习速率和隐含元个数的确定、各种单一改进方法和综合改进方法的比较、网络训练样本量的取舍等。分析表明改进方法是有效果的。     

神经网络结构与训练参数选取

结合作者研制的BP神经网络生成器,对BP网络结构和训练参数选取进行了详细的讨论,在克服传统BP网络缺陷方面进行了有益的探索。     

BP神经网络结构与样本训练参数选取的初步探讨

结合笔者开发的ＢＰ神经网络生成器，对ＢＰ网络结构和训练参数选取进行了详细的讨论，在克服传统的ＢＰ网络缺陷方面进行阴益的探索。     

m层模糊优选BP神经网络模型及算法

通过把模糊优选原理与BP神经网络模型相结合,能得到可供优选的方案的相对优属度向量。本文作者把三层模糊优选BP神经网络模型推广到m层,从而得到适用性更强的一般模型,大大拓宽了模糊优选BP神经网络模型的应用范围。     

多元线性回归与BP神经网络预测模型对比与运用研究

对多元线性回归模型及BP神经网络模型的理论及运用方法进行研究,采用SPSS及MATLAB软件分别建立多元性回归和BP神经网络预测模型,通过农村居民纯收入预测的算例,对多元线性回p-3和BP神经网络预测模型的拟合优度、初始数据的仿真与模拟能力和新数据的预测能力进行对比,数据结果表明BP神经网络预测模型优于多元线性回归预测模型．     

BP神经网络在洪流预报中的应用

通过归纳分析,结合实际的采集数据,对降雨径流预报的人工神经网络模型进行了改进,并针对不同的预报系统,采用改进的自适应BP算法进行分析,指出了今后洪流预报发展的方向.     

基于BP神经网络技术的路段实际通行能力

交通工程领域对于道路通行能力的计算的研究主要是在常态条件下对理论通行能力修正系数的研究,但路段上的随机因素对于实际通行能力的影响也是不可忽视的.为此,对现行的路段实际通行能力计算方法进行了分析,并确定了影响实际通行能力的各种因素,对其随机性进行分析.在此基础上,结合BP神经网络模型能够很好地体现出随机性的影响,对通行能力的影响因素和实际通行能力之间的函数关系进行逼近,得到相应的拟合公式.依据已有的样本,建立了实际通行能力计算的神经网络模型,结果采用神经网络模型计算的实际路段的通行能力与实测数据误差最大为4.09％,因此神经网络模型适宜于路段实际通行能力的计算.     

基于灰色神经网络模型的径流模拟与应用

通过对实测年径流系列进行相关影响因子的灰关联度分析,建立了GM(1,N)模型,利用BP神经网络模型对残差值进行拟合修正,构建了一个基于GM(1,N)的灰色神经网络预测模型.结合实例的计算结果表明,该模型可提高年径流模拟精度.