BP改进算法在MATLAB7.0中的实现及比较研究

应用MATLAB7.0中神经网络工具箱对BP神经网络的四种共轭梯度算法、标准算法和其它常用改进算法进行了仿真.并从训练速度、训练平均误差、收敛精度和所需内存空间等方面分别加以分析比较,指出针对不同的问题应选择相对较优的算法。     

基于BP神经网络的体外索索力预测及MATLAB实现

为了进一步研究体外预应力混凝土结构体外索极限应力的确定方法,在分析影响体外预应力混凝土结构体外索极限应力因素的基础上,运用神经网络预测的原理,采用误差反向传播神经网络即BP神经网络对体外索的索力进行了预测.预测结果表明,应用BP神经网络模型能准确的预测体外索的索力.预测结果和试验结果相比误差在10%以内,可以满足实际工...     

基于MATLAB下BP神经网络的边坡稳定分析

文章以小浪底水利枢纽大坝下游2km黄河南岸的东苗家滑坡体为例,讨论MATLAB下的BP神经网络工具箱在边坡稳定性分析中的应用.结论是:利用MATLAB的神经网络工具箱可以实现边坡稳定性预测,且预测结果与其他方法计算结果相吻合;正确选择训练网络模式和传递函数、网络训练的权重和偏差是至关重要的.     

基于MATLAB的BP神经网络在清洁生产审核中的应用

BP网络模型的实现需要掌握计算机编程语言及较高的编程能力,这在一定程度上不利于神经网络技术的推广和使用,而MATLAB软件提供了一个现成的神经网络工具箱(Neural Network Toolbox,简称NNT)。运用MATLAB的神经网络工具箱(NNT),结合清洁生产技术特点,建立了清洁生产审核企业清洁生产等级自动确定的BP网络模型,讨论了基于MATLAB的BP网络应用于清洁生产审核的可行性和使用价值。     

基于BP 网络的一种机型识别方法

目标识别是防空信息处理中的一个重要环节，而对空中目标类型的识别仍没有成熟的理论，在BP算法的基础上，提出了一种基于神经网络的目标识别方法，并就具体的主空袭飞机类型给出了识别模型，最后用MATLAB提供的神经网络工具箱进行仿真，仿真结果表明，此方法合理可行，这对提高防空信息处理的准确性具有重要意义。     

基于权值函数神经元的BP网络研究

研究了一种神经元模型,在该模型中将参数可调的激励函数往前移到权值上,即把权值变为参数可调的函数,这些权值函数的累加和作为神经元的输出.将此类神经元称为权值函数神经元,根据BP算法给出了由其构成的前馈神经网络的学习算法.仿真实验对比结果表明,在给定的误差精度要求下,基于权值函数神经元的BP神经网络每次训练都能收敛,且平均迭代步数较少,其收敛速度要优于传统BP网络,具有较好的研究应用价值.     

基于MATLAB的改进BP神经网络在城市日用水量预测中的应用

利用MATLAB神经网络工具箱对城市短期用水量进行模拟,比较各种改进BP神经网络对城市短期用水预测方面的效果,得出用BP神经网络预测城市日需用水量是可行的,其中尤以traincgp方法预测效果最好的结论.     

基于MATLAB的BP神经网络计算铁矿产品成本

根据影响铁矿产品成本的指标构建了BP神经网络模型，应用MATLAB工具直接根据资源状况和生产状况来估算矿产品成本，对神经网络在矿产品成本计算中的应用作了新的尝试。     

滑带黄土振陷预测中的BP神经网络方法

目的针对陇海铁路沿线密集的黄土滑坡灾害,对其振陷系数提出一种新的预测方法。方法以滑带黄土动三轴试验资料为基础,运用MATLAB建立滑带黄土振陷的BP(error back propagationneural network)神经网络预测模型,并与多元线性回归方法建立的模型进行误差对比分析。结果BP神经网络模型预测的结果要比多元线性回归模型预测的更准确。结论滑带黄土振陷预测的BP神经网络模型是一种比较理想的预测方法,对黄土地区的滑坡稳定性评价和铁路地基沉降的分析具有重要的价值。     

基于MATLAB神经网络的岩质边坡稳定性分析

对边坡进行稳定分析是治理边坡工程的基础。引入BP神经网络方法,利用MATLAB软件对岩质边坡进行了预测,通过选择对边坡稳定性因素影响较大、在实际工程中容易得到的参数作为输入的神经元,忽略了一些在试验中很难得到的参数,如、值;通过多种训练函数的拟合,确定Levenberg-Marquardt函数为合适的训练算法;通过对网络结构进行优化,提高了模型的计算精度,结果显示该方法具有较好的实用性。     

BP网络的抗干扰性研究及误差分析

从ＢＰ网络对信息存储的分布式特点出发，分析了连接权系数及输入变化对输出的影响，探讨了ＢＰ网络的容错性及抗干扰特性，得出了一些有益的结论。     

OpenPose结合BP网络的行为检测方法

采用OpenPose与BP网络相结合的方法对人体整体或局部行为进行分类检测,首先利用人体姿态估计算法获得人体骨架节点坐标数据,然后利用BP分类网络对节点坐标数据进行迭代训练与学习。检测不同整体行为的分类模型,训练准确率达100%,网络损失仅为0.091,实测各类准确率及总体准确率均达100%;检测局部行为的分类模型,训练准确率亦达100%,网络损失小于10-6,实测各类准确率及总体准确率均达100%; OpenPose与BP网络相结合的方法不仅可以实现不同整体行为或局部行为快速、准确的分类检测任务,同时还克服了传统行为检测方法的不足,能够实现更高效、更准确、更快速的分类检测。     

基于BP神经网络的PID控制器及其MATLAB仿真

PID控制算法简单、应用广泛,既能消除余差,又能提高系统的稳定性,但其P环节、I环节、D环节的控制参数却参数难以整定;BP神经网络算法具有很强的数字运算能力,因此,可通过BP神经网络自学习、加权系数调整,实现PID的最优调整,本文以小车控制为例,利用BP神经网络的学习能力进行PID参数的在线整定,并进行了MATLAB仿真,结果表明,利用BP神经网络可很快的找到PID的控制参数。     

基于BP网络多指标多因素最优工艺参数分析

基于BP神经网络理论,利用实验数据对连接权系数和结点阈值自学习确定,从而建立BP神经网络模型,采用BP神经网络模型比回归方程形式数学模型具有更小的方差,能够寻找到最优的工艺条件.     

基于GA的BP网络在苹果缺陷识别中的应用

提出了一种基于遗传算法的BP神经网络苹果缺陷识别方法。设计一个3层BP神经网络分级器,用苹果缺陷特征参数训练BP神经网络,运用遗传算法进行BP神经网络权矢量和神经元阈值的学习,提高BP神经网络的学习速度,也提高了苹果缺陷识别的准确率。实验证明,该方法识别率可达89％以上。     

BP网络学习参数模糊自适应算法的实现

前馈神经网络ＢＰ算法的改进方案中，对网络训练（学习）过程率和惯性系数进行模糊自适应调节，以提高收敛速度，晃一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和录属函数，并以三比特异或函数（或称奇偶分类）的实现为例，验证了这种算法的改进、加速了ＢＰ网络的学习过程。     

BP网络初始权值的选取方法

研究了运用BP网络对经过旋转任意角度的二值图像的训练和识别,提出了具有一定借鉴性的网络初始权值的选取方法,并在实验中对各种不同的旋转图像进行了训练和识别,所训练出的BP网络正确识别率高达90%以上.     

基于BP神经网络的机械运输设备管理与回报率分析

基于中冶宝钢某厂的24个月的机械运输设备运行数据,首先利用单层隐含层的BP神经网络预测下月回报率,提出了对模型的输入层、隐含层及其节点数的改进方案,保证模型拟合程度高的同时也确保训练的高效和快速收敛。经过改进模型的训练,仅用了150次左右的训练就达到期望误差0.000 5。将影响回报率的设备,选取数据进一步筛选,并利用MATLAB进行占比分析,使工程设备的回报率逐年上升。结合运输设备回报率的波动性,解决高利用高风险率机械运输设备的设定标准,通过双高设备出现问题的因素分析提出以"检"代"修"、以"修"代"换"的机械设备管理要求。     

BP神经网络的网络拓朴可重构及其实现方法

在神经网络的具体应用中，经常遇到网络拓朴结构重组的问题。在深入分析BP算法、神经网络的拓朴结构和二维数组存储方式的基础上，提出一种BP神经网络的网络拓朴可重构方法。该方法能根据不同的网络模型动态地调整输入层、隐含层、输出层的结点数及联接权矩阵，并结合具体的实例给出其解决方案。     

BP和D-S结合的多传感器协同目标识别推理机制

针对多传感器协同目标识别的基本概率赋值在实际应用中存在容易导致决策可信度低等难以解决的问题,提出一种基于BP神经网络和D-S证据理论的多传感器协同目标识别的推理机制。简述了BP神经网络理论和D-S证据理论,构建了目标识别推理框架,推理了算法可行性,进行了实例仿真,通过信息融合,不确定性的基本概率赋值下降到0.000 8,表明该推理机制的有效性。