基于BP神经网络的宫颈癌风险因素研究

近年来,我国肿瘤的发病率和死亡率不断走高,尤其是在城市居民中,癌症已成为威胁居民健康的头号杀手。宫颈癌作为女性恶性肿瘤之一,对其进行研究具有深远的意义。机器学习算法主要是指通过数学及统计方法求解最优化问题的步骤和过程。针对不同的数据和不同模型需求,选择和使用适当的机器学习算法可以更高效地解决一些实际问题。基于此,针对宫颈癌风险因素研究,笔者提出一种基于BP神经网络的预测模型。构建的BP神经网络模型能够较好地预测是否有宫颈癌肿瘤,平均预测准确率达到88.64%。     

基于遗传BP网络的股市预测模型研究与仿真

股票价格走势已经成为人们关注的焦点,为了更精确的预测股票价格,得到更合理的股票投资意见,利用遗传算法全局寻优和BP神经网络局部寻优相结合的方法.提高了传统BP神经网络的计算精度和收敛速度.建立了基于遗传BP网络的股市预测系统模型,对贵州茅台股票价格进行预测.仿真结果表明,经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时,迭代次数比一般BP神经网络模型也大大减少.因此适用于求解如股市预测等非线性问题,具有较高的精确度和应用价值.     

基于BP神经网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程研究的一个重要方面.如何在缺乏可靠性数据的情况下,选择合适的软件可靠性模型是对软件可靠性进行量化分析的关键.参照软件可靠性模型评价准则,根据聚类思想,对失效数据编码,采用反向传播神经网络进行聚类计算,从而实现了软件可靠性模型的选择.最后通过仿真实验证明了该方法的正确性和有效性.     

基于BP神经网络的水牛疾病诊断系统

针对传统专家系统获取知识困难自学习能力差和推理能力弱等缺点,设计并实现了基于BP神经网络的水牛疾病诊断专家系统.系统用专家以往诊断水牛疾病的病历来训练神经网络,并通过训练过的神经网络来实现疾病的诊断,然后针对诊断结果进行反向推理以确诊水牛疾病,结果表明,该系统很好地改进了传统专家系统存在的一些缺点.另外,该水牛疾病诊断系统的实现方法可推广应用到其它动物的疾病诊断系统中,为疾病诊断系统的开发提供了一条有效的新途径.     

基于BP神经网络模型的电机故障诊断专家系统

针对传统机械设备故障诊断专家系统存在知识获取能力弱、求解有一定局限性等问题，介绍了BP神经网络旋转机械故障诊断专家系统，对单位BP算法，BP神经网络的建立、训练及应用作了具体说明。该系统学习效率高，故障诊断准确，已成功应用于铁路机车走行部的轮对电机在线故障诊断。     

广义同余神经网络及BP神经网络的比较研究

从神经网络的结构、激励函数、权值调整算法等方面对三种广义同余神经网络(generalized congruence neural network,GCNN)及传统BP神经网络(back propagation neural network,BPNN)的异同点进行了比较和研究.通过对正弦函数的逼近性能比较,表明最新改进的第三种GCNN既继承了前两种GCNN收敛速度快的优点,又具有传统BPNN稳定性好的优点;既克服了前两种GCNN不稳定性的缺点,又克服了传统BPNN收敛速度慢的缺点.采用分段线性激励函数有利于GCNN的推广应用.     

基于BP神经网络的人脸检测算法

针对彩色图像中的正面人脸,提出了一种基于BP神经网络的人脸检测算法,由网络训练和人脸定位两部分组成,可以有效地运用于多人脸、不同尺寸、不同姿态、不同面部表情、不同肤色、不同光照条件和复杂背景的情况。实验结果表明该算法快速有效。     

基于MATLAB的BP神经网络在猪等级评定中的应用研究

为了客观评估猪肉各项指标和猪肉等级,采用MATLAB神经网络工具箱中的BP人工神经网络,利用猪胴体图像特征参数和活体猪图像特征参数建立BP神经网络模型。分别用猪胴体图像特征参数样本60个和活体猪图像特征参数样本80个进行了网络训练,并采用不同的BP神经网络隐含层的传递函数和隐含层神经元数量,得到 BP神经网络模型。通过仿真,将仿真结果与人工评估结果进行对比,结果表明BP人工神经网络模型可以评估猪肉各项指标和等级识别。在猪肉胴体图像特征指标下评价猪肉等级准确率达到98%,在活体猪图像特征参数评价猪肉等级准确率达到80%。说明猪肉胴体图像特征比活体猪图像特征参数更能代表猪肉质量品质也符合客观现实;同时也表明MATLAB神经网络工具箱中的BP人工神经网络可以应用在猪的等级评定中。     

基于降维BP神经网络的高维数据分类研究

为确保高维数据的神经网络分类精度,提出了先降维后分类的方法。采用主成分分析（PCA）法实现高维数据的降维。通过分析传统BP算法,提出分两步来更新网络权值的扰动BP学习方法。采用MATLAB对降维分类算法的分类精度和误差收敛速度进行分析。仿真结果显示：先降维再采用扰动BP网络进行高维数据分类可大大提高数据的分类精度和训练速度。     

一种基于PSO的BP神经网络训练方法

基于粒子群优化的算法具有全局随机搜索最优解的特点。本文尝试把PSO算法和神经网络权值训练的常用算法BP算法结合起来进行数据的训练,实现对一组数据的训练,并对结果与BP算法的训练结果进行了对比,得到了较好的效果。     

基于遗传算法的BP神经网络在高职教学质量评估中的应用

提出一种新的高职院校教学质量评估方法。通过把神经网络和遗传算法有机结合起来,既克服了传统BP网络训练时间长、易陷入局部极值的缺点,又利用遗传算法提高了网络全局收敛的效率。该模型运用MATLAB进行了实证研究,实验结果表明,基于遗传算法的BP神经网络系统对高职院校教学质量评估有着良好的应用前景。     

基于BP神经网络的防汛应急物资需求预测研究

提高应急物资需求量预测的准确性,能够加强我国对突发洪涝灾害的应急救援能力。基于此,通过分析影响灾后紧急转移安置人口的相关因素,最终选取洪涝等级、降雨等级、降雨持续天数、最大降雨量、受灾范围、人口密度、房屋倒塌数量以及受灾人口数量为主要指标,建立相应的反向传播（BackPropagation,BP）神经网络模型,并预测灾后紧急转移安置的人口数量,同时结合安全库存理念间接预测防汛应急物资需求量。实验结果表明,模型预测结果较为准确,可为后续应急救援体系建设提供参考依据。     

ACO—BP在神经网络训练中的研究与应用

针对神经网络收敛速度慢、易于陷入局部最优等问题,可将蚁群算法与人工神经网络相融合的方法来解决,但容易出现训练时间与训练精度、泛化能力之间的矛盾.为解决上述矛盾,提出将蚁群优化算法与反向传播算法相融合共同完成神经网络训练的方法.算法首先采用蚁群优化算法对网络权值进行整体寻优,克服反向传播算法容易陷入局部最优的不足再以找到的较优的权值为初值,采用反向传播算法做进一步的寻优,克服单一训练网络时间较长、精度不高的缺点.最后对ACO-BP与反向传播算法进行了比较,给出两种算法在不同隐结点数目下的检验误差值和两种网络在矿选指标中的应用效果.通过对实验结果的分析.表明ACO-BP算法要优于反向传播算法.     

基于改进BP神经网络的路由器流量预测方法

为了减少路由器的能耗,提出了一种改进的反向传播(BP)神经网络预测路由器流量的方法,在传统BP神经网络的基础上加入学习率自适应算法,提高路由器流量的预测精度和训练速度.运用MATLAB平台构建BP神经网络对网络流量进行建模、训练并预测.仿真结果表明:相较传统预测模型,运用改进的BP神经网络预测模型精度较高,训练速度较快,路由器可以更快、更准确地调整工作状态,实现了有效节能,具有很好的应用前景.     

GPU加速的神经网络BP算法*

近年来图形处理器(GPU)快速拓展的可编程性能力加上渲染流水线的高速度及并行性,使得图形处理器通用计算(GPGPU)迅速成为一个研究热点。针对大规模神经网络BP算法效率低下问题,提出了一种GPU加速的神经网络BP算法。将BP网络的前向计算、反向学习转换为GPU纹理的渲染过程,从而利用GPU强大的浮点运算能力和高度并行的计算特性对BP算法进行求解。实验结果表明,在保证求解结果准确度不变的情况下,该方法运行效率有明显的提高。     

基于导数优化的BP学习算法的研究综述*

对基于导数优化的BP算法及其改进算法进行综述,在分析经典BP算法固有缺陷的基础上,对BP的改进算法进行了总结和归纳。首先将改进算法分为四大类,介绍了每个类别中的典型算法,分析了其数学实质及算法的优缺点;然后探讨了目前BP神经网络算法研究中存在的不足;最后作出展望,给出了BP神经网络研究中几个有前途的发展方向。     

基于BP神经网络的电网故障定位

为解决断路器的误动或拒动以及遥信因通道退出而产生的信息缺失以及短时间上传的含有畸变信息的筛选等问题,本文采取了人工智能处理畸变信息的方法,利用BP神经网络人工智能技术处理非线性问题及容错性强的能力,对电网故后上传的初始信息进行处理,过滤畸变或缺失信息,进而快速准确地定位故障元件,以辅助调控运行人员正确决策.本文以BP神...     

基于启发式萤火虫的BP神经网络数据融合算法

为了减少无线传感器网络(WSNs)中的冗余数据,降低通信能耗并延长网络生命周期,提出了一种基于启发式萤火虫的反向传播神经网络数据融合算法(HFABPNN).通过引入“历史最优”位置作为启发信息更新萤火虫的位置信息,同时加入权重因子和步长因子使算法跳出局部最优.结合启发式萤火虫算法和BP神经网络,将启发式萤火虫算法的最优...     

改进遗传算法优化BP神经网络的语音情感识别

语音情感识别技术在人类生活中正扮演着越来越重要的作用。为了更为有效识别语音信号中的情感类型,提出一种改进遗传算法优化BP神经网络的识别算法（IAGA-BP）。该算法一方面改进了自适应遗传算法中的选择算子,另一方面更改了自适应遗传算法中的交叉和变异概率公式。通过对自适应遗传算法的改进,提升了遗传算法的寻优性能,并以此对BP神经网络初始的权阈值进行优化。在与BP、GA-BP和AGA-BP网络比较中,实验结果表明,IAGA-BP网络能够有效提高语音情感识别率,并加快了网路收敛速度。     

一种改进的BP神经网络算法及其应用

BP算法是目前应用最为广泛的神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值以及隐层节点数选择困难.针对这些问题提出了不少改进措施,文中提出了一种改进的BP神经网络算法,在BP算法基础上,从训练算法着手,通过误差的变化趋势,动态调整权值以提高网络的收敛速率;通过数学推导,从理论上验证了该算法的有效性.用MATLAB软件对文中的改进算法进行仿真,并且与其它方法进行比较,结果表明,改进后的算法在收敛速率和抑制噪声等方面有很好的效果,从实验上验证了该算法的有效性.