基于改进BP算法的汽车排气噪声主动控制

为了更有效地消除汽车排气噪声,针对广泛使用的Filter-XLMS自适应算法不适用于非线性系统的缺陷,采用基于共轭梯度法改进的误差反向传播(Error Back Propagation,BP)算法,调节自适应滤波器的参数,在Matlab环境下设计建立自适应噪声抵消系统的仿真模型,并在发动机排气噪声的产生机理和频率构成分析的基础上进行仿真试验.仿真结果表明,改进的BP算法对于非线性系统具有更加理想的降噪效果.     

神经网络BP算法在有源消声中的应用

为了克服传统自适应有源消声算法在应用中稳定性方面的不足,尝试将神经网络反向传播（ＢＰ）算法应用于有源消声技术。文中建立了基于ＢＰ算法的自适应有源消声（ＡＡＮＣ—ＢＰ）模型并给出该算法的递推公式。利用ＴＭＳ３２０Ｃ２５开发板实现了该算法功能。在半消声室中进行了单频和１００Ｈｚ带宽的消声实验,仅利用单个次级源结构便获得较好的消声效果。实验证明,基于ＢＰ算法的消声系统具有良好的稳定性。     

BP神经网络算法在数字识别中的应用

介绍BP神经网络算法的理论和方法,并在MATLAB环境下给出了BP神经网络算法在数字图像识别系统中的应用。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

BP神经网络在倒立摆控制中的应用

建立了基于人工神经网络改进BP算法的一级倒立摆的数学模型,并给出了BP网络结构,采用改进的LM训练算法,结合由极点配置获得训练数据。利用Matlab软件进行训练仿真,结果表明,改进的BP算法控制倒立摆精度高、收敛快,在非线性控制、鲁棒控制等领域具有良好的应用前景。     

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。     

BP神经网络在射孔信号识别中的应用

将BP神经网络应用于油管传输射孔信号的识别,射孔信号经过小波变换,取小波变换后的一阶分量作为神经网络的特征量,将多个信号的一阶分量送入神经网络进行训练,得到稳定的系统,可以利用这个系统识别射孔信号。如果射孔信号为一级起爆信号,结果显示为1;如果为其他类型结果显示为0。经过实验证明,所设计的BP网络可以识别油田射孔作业中一级起爆的油管传输射孔信号。     

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.     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

基于模糊神经网络系统的结构主动控制

目的 应用自适应模糊神经网络对多维地震动下结构的振动进行主动控制．方法 用这种自适应模糊神经网络作为主动控制器，以结构的位移和加速度作为输入，计算出主动控制力．结果 将计算的主动控制力输入到结构的动力方程中，结构的位移响应有了较大幅度地减少．同被动控制相比有较大提高．结论 自适应模糊神经网络是一种适用于对结构进行主动控制的智能算法。该控制系统无需引入结构的运动模型和精确参数；对复杂的结构易于建模；同被动控制相比其适应力强，消振迅速而且效果良好．     

BP神经网络学习算法的研究

文中针对BP算法收敛速度慢的问题,提出一种改进的BP算法．该算法结合生物神经元学习与记忆形成的特点,针对特定的训练样本,只激发网络中的部分神经元以产生相应的输出,而未被激发的神经元产生的输出则与目标输出相差较大,所以对未被激发的神经元权值闽值进行调整．利用距离来度量训练样本与神经元权值之间的关系,可以找到未被激发的神经元．文中提出的算法是对局部神经元权值闽值的调整,通过实验表明该算法有助于加快网络的学习速度．     

基于混合混沌优化法的BP神经网络算法

运用混合混沌优化法训练BP神经网络，构造了基于混合混沌优化法的BP神经网络训练算法，实例说明具有较高非线性逼近能力和应用价值。     

基于BP神经网络算法的广电视频QoS控制方法

针对广电网络中用户视频点播延迟时间不能保证、服务质量不稳定的状况,提出了一种新的视频服务器服务质量(QoS)控制方法,基于BP神经网络比例积分微分控制,以响应的延迟率与设定值之间的差值和变化率作为网络的学习依据,通过动态调整BP神经网络学习的方法,依据网络学习的实际情况,快速地调整服务请求的响应时间,保证视频服务器的服务质量。仿真实验表明,BP神经网络能够很好地控制请求的出错率和响应时间,为广电用户的视频点播服务提供更加稳定的服务质量。     

自适应有源消声算法的研究

基于信号处理的LMS算法，结合自适应有源消声的特点，提出滤波-XLMS算法，并且利用MATLAB对该算法进行了仿真和性能分析。     

一种基于进化BP神经网络的文本分类算法

提出并实现了一种结合BP神经网络和遗传算法的文本分类算法,根据遗传算法能够快速优化网络权重以及摆脱BP算法局部极点困扰的能力,提出一种改进的遗传算法确定网络拓扑结构和训练网络的方法．最后对设计的分类器进行了开放性测试,实验结果表明该分类器显著地提高了文本分类的查全率和查准率．     

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.