两种改进BP算法神经网络滤波的比较

对两种改进BP(Back—Propagation)算法神经网络的滤波进行了比较，通过反复的训练得出两种改进算法在权值调整和误差收敛过程中所遇到的共同点和差别，并得出初始权值、激励函数和神经元个数等因素的选取对神经网络学习的影响。     

基于神经网络BP算法的模糊自适应控制器的研究与实现

提出了一种基于神经网络BP算法的模糊自适应控制器 ,通过BP算法 ,修正量化因子和比例因子 ,使模糊控制器具有自适应的能力。计算机仿真结果和实验表明 ,这种智能控制器超调小、响应快且具有良好的鲁棒性。     

基于BP神经网络太阳电池板最佳倾角算法

通过对影响太阳辐射量的基本参数进行分析,并根据天空直接辐射和散射建立太阳能辐射总量的数学模型,通过改变太阳电池板安装倾斜角度以求年太阳辐射总的最大值为约束条件,得出太阳电池板固定安装最佳倾角的目标函数。结合BP神经网络数学模型,通过输入太阳辐射强度、赤纬角、时角、日出时刻、日落时刻、太阳直辐射透明度系数、散射透明度系数等参数值,并求得年最大总辐射量,从而获得最佳倾角值。通过计算机仿真计算结果令人满意,同时本算法还可以进行预测某地区太阳辐射量,具有一定的实际应用参考价值。     

基于BP神经网络的绝缘子泄漏电流量预测方法

电力系统中绝缘子泄漏电流量跟很多因素有关，其预测模型是一个复杂系统，采用普通的拟合方法，很难找到合适的映射函数。将BP神经网络应用到绝缘子泄漏电流量预测中，建立预测模型，测试结果表明，该预测模型的预测误差小于1％，达到实际生产对模型的要求。     

基于遗传优化的BP神经网络算法的短期负荷预测

采用BP神经网络算法进行短期电力负荷预测存在缺点,需要进行完善和改进。介绍了BP神经网络算法进行短期负荷预测的原理,以及遗传算法的基本原理。具体叙述遗传算法对BP神经网络算法进行优化的实现步骤。优化后的算法避免了原来初始权值和阈值选择的盲目性,提高了BP神经网络算法短期负荷预测的精度和效率。通过具体算例,证明了此算法的可行性和有效性。     

多层神经网络的BP算法在汽轮机寿命管理中的应用研究

提出多层神经网络的改进BP算法对汽轮机的主要热力参数进行仿真研究,研究表明,该方法适用于汽轮机转子的热应力在线计算,并可应用于机组的寿命管理当中。     

基于ACS-SA文化基因算法的BP神经网络变压器故障诊断

针对BP神经网络在变压器故障诊断上存在的不足,提出基于ACS-SA文化基因算法的BP神经网络变压器故障诊断方法。在实际系统中,针对缺乏准确的变量参数估计,将边界变异策略和自适应步长策略引入标准布谷鸟算法中;提出一种在改进的布谷鸟算法中结合局部搜索策略的文化基因算法;建立BP神经网络变压器故障诊断模型,并用文化基因布谷鸟算法优化BP神经网络的权值和阈值。仿真实验及对比研究结果表明,该算法能准确有效地识别变压器的故障类型,较其他算法(CS-BP神经网络算法和POS-BP神经网络算法)有更高的准确率,为变压器故障诊断提供一种新思路。     

基于改进飞蛾扑火算法的BP神经网络蓄电池寿命预测

基于电网蓄电池充放电试验数据,建立基于改进飞蛾扑火算法的BP神经网络蓄电池寿命预测系统。针对神经网络算法缺陷,选择飞蛾扑火算法与其结合;引入立方混沌映射种群初始化策略,增加全局搜索多样性;引入Lévy飞行策略,增加种群的多样性;引入变尺度混沌变异策略,增加局部搜索性能;借助差分进化算法思想,提高算法求解大规模问题的能力。将基于改进飞蛾扑火算法的BP神经网络模型应用到蓄电池寿命预测中,仿真试验对比表明,该方法具有更高的准确率。     

诊断模拟电路软故障BP神经网络法

首先对神经网络BP算法，提出改进并给出改进后的网络在模拟电路软故障诊断中的具体应用，仿真结果表明改进后的算法有效改善了网络的性能，能有效应用于模拟电路的故障诊断。     

基于萤火虫算法优化BP神经网络的光强度补偿方法

由于非线性因素对光纤位移传感器的影响,造成了传感器测量误差较大的情况.为此提出了一种补偿措施来降低这些非线性因素的影响,使用萤火虫算法(FA)来优化反向传播神经网络(BPNN)混合的算法优化传感器接收到的光功率值.该算法不仅利用了萤火虫算法的寻找粒子群体的最佳位置的搜索性能,还利用了BPNN比较强的局部最优权值阈值搜索...     

基于动量因子技术的BP神经网络改进算法及应用

介绍了基于动量因子技术的改进BP网络训练算法,并将其应用于飞机电气设备故障诊断。以飞机交流异步电动机为例,建立了故障诊断模型,仿真结果表明该算法的应用具有可行性,有较强的推广前景。     

一种基于优选BP神经网络的智能模糊优化算法

建立了以模糊逻辑形式表示的基于优选BP神经网络的模糊优化模型,构造了用于优选:BP神经网络权值估计的遗传算子,重点讨论了加权梯度方向的计算方法及沿加权梯度方向进行变异的算子,确定了遗传算法的基本策略,构造了该算法的流程.针对飞边金属消耗设计准则挖掘问题,阐述了该准则建立的依据,讨论了该准则各变量之间的关系,并利用基于模糊优选BP神经网络的模糊优化算法实现了飞边金属消耗设计准则的挖掘.继而应用该实例对算法的稳定性进行了校验,并将该算法与利用梯度下降法对神经网络进行权值估计的算法进行了比较,结果表明,该算法速度快,精度高,稳定性好.     

BP神经网络对驻极体麦克图像特征识别的研究

人工神经网络是特征识别的有力工具。在研究对驻极体麦克图像识别方法的基础上,本文提出了一种用改进的BP神经网络进行图像特征的识别和学习算法,并给出了动量系数和学习率的调整方法。对比传统方法测定的结果,使用改进的BP神经网络在识别不规则特征时：减少了输入信息冗余,网络结构相对简单;神经网络输出的各项指标明显提高了精度,对麦克图像特征的平均识别正确率达到92．7％;识别速度也满足在线实时检测的要求。理论分析和实验均表明该算法能实时有效地检测出驻极体麦克图像的特性。本文为研究图像不规则特征的识别提供了一种新的方法。     

基于BP神经网络实现印刷图像压缩重建的研究大标题

针对印刷图像压缩重建问题,构建BP神经网络模型,采用LM算法提高了运算速度。在印刷图像压缩重建训练过程中,对隐含层神经元个数设定进行了类比分析,峰值信噪比和压缩比率均达到预期效果。对印刷图像压缩重建后出现块效应效果进行了分析,提出了修正模型方法。     

短期电力负荷预测的自适应混合遗传优化BP算法

基于遗传算法具有很强的全局搜索能力和BP神经网络具有精确的局部搜索能力的特点,提出对电力短期负荷预测的自适应的混合算法。将训练样本随机地分为训练集和测试集。应用该算法对澳大利亚悉尼的短期电力负荷进行了预测。仿真计算表明,该算法达到了提高预测精度和改善网络性能的要求。     

基于改进型BP神经网络的短期电力负荷预测

提出一种改进的 BP 神经网络学习算法,并将其应用于短期电力负荷预测中。研究 结果表明：基于改进的 BP 神经网络的短期电力负荷预测具有精度高的特点,负荷预测结果的相 对误差小于3．63%。     

基于遗传算法优化反向传播神经网络的锅炉NOx排放研究及应用

为了降低NO_x排放浓度,提高机组运行效率,建立了锅炉燃烧系统遗传算法一反向传播模型,并利用该模型通过反向传播神经网络对锅炉燃烧系统中NO_x排放浓度进行建模,利用遗传算法对限定范围内的对象输入进行参数全局寻优。以内蒙古某330 MW超临界机组为研究对象,利用该模型对运行参数进行实时优化,结果表明该模型能够有效降低NO_x排放浓度,具有一定的推广价值。     

一种基于GA-BP混合算法的模糊神经网络控制器

提出一种用于优化模糊神经网络控制器参数的GA—BP混合算法,该算法一方面由遗传算法保证学习的全局收敛性,克服梯度法对初始值的依赖性和局部收敛问题;另一方面,与“精确的”梯度学习算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,有助于提高它的搜索效率。仿真结果证明了算法的有效性。     

BP神经网络在电厂优化配煤中预测性能的研究

详细分析了不同的BP神经网络模型对混煤煤质的预测效果,并发现学习样本的大小是影响其预测性能的关键。