多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

基于遗传BP算法的高斯基函数网络的非线性系统辨识

针对ＢＰ算法收敛速度慢而且可能陷入局部极小值的特点,提出了基于遗传ＢＰ算法的高斯基函数网络的辨识方法,并将它应用于非线性系统进行辨识,仿真实验结果表明该方法比基于传统的ＢＰ算法具有更快的收敛速度和精度。     

改进BP算法及其在滚动轴承故障诊断中的应用

对每次权值和阈值的调整均采用固定不变的学习率,是导致传统ＢＰ算法收敛速度慢的一个主要原因。本文从提高收敛速度及精度出发,对改进ＢＰ算法进行了深入研究,在ＢＰ算法中引入统计思想,给出相关系数定义。基于相关系数,采用变学习率策略,提出两种学习率自适应调整算法,并将其具体应用于滚动轴承的故障诊断中。试验证明,此改进算法的收敛速度比传统ＢＰ算法显著提高。     

一种前馈神经网络的快速算法及仿真研究

针对实际应用中对神经网络收敛速度和精度的较高要求,提出了一种快速的ＢＰ学习算法,仿真结果表明,该方法能有效提高网络的收敛精度和速度。     

基于人工神经网络的负荷预报模型

针对基于ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型．为了提高预测精度,对预报权值进行在线修正．实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度．     

基于人工神经网络的负荷预报模型

针对基于ＢＰ学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型,为了提高预测精度,对预报权值进行在线修正,实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度。     

几种改进BP算法的性能比较

对ＡＢＰＭ、Ｌ－Ｍ、ＨＢＰ三种改进的ＢＰ算法的原理进行了研究,通过仿真计算,人统计角度对它们在分类问题、逼近问题随两方面的收敛速度、收敛精度等特性进行了分析比较,并对三种算法中影响网络收敛在因素进行了探讨,为使用者选择适合自己的高性能算法提供了参考。     

基于鲁棒误差函数的BP算法

提出一种基于鲁棒误差函数的ＢＰ学习算法,并对这种算法进行了仿真研究。结果表明该算法增强了ＢＰ网络的泛化能力,提高了ＢＰ网络的鲁棒性,加快了ＢＰ网络的收敛速度。     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

A New Combined Neural Network Model

This paper discusses the principle structures,learning algorithms and approximating abili-ties of two typical classes of neural networks models:BP and CMAC,presents the architectureand foundation of a new kind of Combined Neural Network(CNN)which uses the output of aCMAC neural network as a BP’s additional input node.And the corresponding learning algorithmis obtained by backpropagating the approximating error in the output layer through eachhidden layer to the input nodes as well.Comparisons in terms of converge speed andapproximating ability are made among BP,CMAC and CNN.Simulations suggest that the CNNhas the advantages of fast learning speed and good generalizability ability.     

油漆调色系统的改进算法

根据现有CAID系统中色彩设计和色彩生产难以协调统一的问题以及油漆厂的实际需求，在原有的“基于神经网络的油漆调色系统”基础上，创建了BP网络样本数据库，找到了一种适用于实际应用的有效的BP改进算法。研究测试的结果表明，BP改进算法能够弥补原有算法精度速度不够理想的不足，解决了电脑调色的问题。     

前向网络学习算法：学习速率矩阵法

本文针对前向网络ＢＰ算法存在的收敛工慢，数值稳定性较差，网络学习困难等主要缺陷，提出用非线性优化理论中的ＢＦＧＳ方法的构造学习速率阵，以替代原来的学习速率常数，并且输入一组样本改变一次权值向量。从而使网络训练时收敛速度极快，数值稳定性好且算法易并行化。文中对ＬＲＭ，ＢＰ，改进ＢＰ算法的收敛性，数值稳定性，计算复杂度等进行了讨论。对异或（ＸＯＲ）问题和六位进制数对称性判别问题进行了仿真比较，结果表明     

BP神经网络训练的函数变步长搜索调整法

通过深入分析了ＢＰ神经网络的步长调整，采用函数变步长搜索法来提高网络的学习速度，提出一种新的改进的ＢＰ算法，该算法在速度和收敛性方面比传统ＢＰ算法优越。     

小波变换与小波神经元的选择

研究了单隐层前馈型小波神经网络模拟高度复杂的非线性映射。针对如何减小网络结构，提出了用小波元能量密度作为衡量其是滞是有效神经元的标准，并对网络构造，学习中的问题提出了观点。     

粒子群优化的BP神经网络在电梯群控系统中的应用

目的提出基于粒子群优化的BP神经网络获取评价电梯群控系统派梯性能指标的新方法．方法综合考虑电梯运行特性,确定电梯调度控制策略,建立了电梯运行性能的评价指标函数,利用神经网络自学习功能获取评价指标的初始权值和阀值,针对平均候梯时间对比研究了普通BP神经网络算法和粒子群优化BP神经网络算法．结果将优化的权值和阀值代入BP神经网络获得平均候梯时间,粒子群优化的BP神经网络与BP神经网络相比,减少了迭代次数,缩短了运行时间．结论仿真实验表明,该方法可以避免BP神经网络训练中产生局部极小值,加快BP神经网络训练速率,提高电梯群控系统控制的速度．     

基于神经网络的液压泵故障诊断--学习系统的分析

说明了基于神经网络的故障诊断的学习系统的原理，分析了多层感知器的隐层节点数的确定和对BP算法的改进，并以液压泵的故障诊断为例，解释了此学习系统的实现过程，在对BP算法改进之后，系统能很好地实现学习功能，完全达到了预期的结果。     

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。