MATLAB神经网络BP网络研究与应用

阐述了MATLAB神经网络，着重研究了其BP网络的网络结构，指出了BP算法的主要缺点，利用其工具箱中的函数对BP算法进行了改进。根据MATLAB神经网络BP网络的网络结构，提出了一种具有天气敏感性的基于快速BP算法的神经网络预测模型，并对电力短期负荷进行了预测。预测结果，证明了该算法的有效性。     

基于BP神经网络算法的数据挖掘方法研究

详细介绍了数据挖掘技术的相关概念、任务以及神经网络原理,指出了传统的BP算法在数据挖掘过程中的不足之处,提出了一种变异的BP神经网络算法,大大提高了BP神经网路算法的收敛速度.     

基于BP网络的储粮微生物分类的研究

提出了一种运用BP神经网络来进行微生物特征分类的方法,仿真试验结果表明,该算法具有分类速度快、误分类率的特点;不仅加速了微生物的识别进程,而且为建立基于知识的分类技术提供了有力的技术支持和实现的可能。     

基于BP神经网络的水质预测方法的研究

为了建立相应的水质预测和评价管理决策支持系统,在了解和分析一些常规水质模型的基础上,提出了用BP神经网络进行智能建模的方法,并结合东江自动监测站的实测水质数据进行了初步的探索,建立了东江水质预测的BP神经网络模型,并给出了仿真结果。结果表明,BP神经网络模型可以很好地对水质进行预测,解决系统中复杂的非线性关系,具有预测精度高,简便可靠等特点。     

基于BP神经网络的数据挖掘方法

神经网络的高度参数化特征使它特别灵活,以至于它可以精确的对数据进行分类,成为目前公认的高精度分类器。本文介绍一种基于BP神经网络的数据挖掘的分类方法,并提出了改进思想。     

基于BP神经网络的PID控制方法的研究

本文提出了一种基于BP神经网络的PID控制方法,充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。文中采用三层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。计算机仿真结果表明,基于BP神经网络的PID控制较常规的PID控制具有更好的鲁棒性和自适应性,能取得良好的控制效果。     

基于BP神经网络的车牌字符识别方法

汽车牌照自动识别是智能交通管理系统中的关键技术之一，本文介绍了用BP神经网络对车辆牌照字符进行识别,给出了算法和实验结果。     

基于BP网络模型的立项评估研究与应用

在项目管理立项评估数据的基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件将BP算法的评估模型首次应用在科研项目的立项评估中。通过科研项目立项评估模型的实际运行,证明了该评估算法的有效性,有力提高了科研部门的立项评估水平。     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

基于BP神经网络的凸轮升程曲线拟合研究

基于BP神经网络方法,研究了凸轮升程曲线的拟合及BP神经网络拓扑结构、运行参数的选取规则。利用BP神经网络可实现复杂的凸轮升程曲线精确拟合,而不必事先假定凸轮升程曲线类型。实例表明采用BP神经网络拟合的凸轮升程曲线具有良好的速度、加速度连续性,保证了凸轮良好的动力性能。     

基于改进的BP神经网络入侵检测方法研究

针对遗传算法局部搜索能力弱和收敛速度慢,在选择操作之后加上了禁忌搜索算法,并对交叉操作进行改进,最后用禁忌搜索作为变异操作,从而加快算法的收敛速度,并用此改进的遗传算法来优化BP神经网络的权值。实验证明,采用该方法优化BP神经网络权值,能克服BP神经网络收敛速度慢、局部极小问题。     

基于BP网络的人脸图像边缘检测算法

采用改进的BP算法,实现人脸图像的边缘检测.构造了学习样本,并在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测.在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测.利用ORL人脸数据库图像的实验,证明了将得到的权值矩阵用于人脸图像的边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘.     

基于BP神经网络的城市水灾灾情预测模型

洪灾灾情预测是保险公司财产保险防灾减损工作的重要内容,它有效地预测出受灾的地区和强度,对于财产保险的费率制定、有效预防、及时施救和防灾预案编制有举足轻重的指导意义。采用了BP神经网络进行灾情预测,在学习过程中结合了聚类,采用了S函数输出限幅,引入了惯性因子,加快了学习的收敛速度,提高了预测的精度。     

应用BP神经网络对自然图像分类

针对图像的低层视觉特征和高层语义特征之间的鸿沟,利用一个多输出的BP神经网络,分析低层视觉特征,提取图像的主要颜色、灰度共生矩阵和7个不变矩向量作为网络的输入,用语义期望值作为网络的输出,并用加入动量因子和自适应学习率的BP算法来训练该网络。训练完成后,该网络能够对自然图像进行多种语义分类,从而建立起了从低层视觉特征到语义特征之间的映射。改进的BP算法提高了训练的速度和可靠性,实验证明,该方法取得了较好的检索查全率和准确率。     

基于BP神经网络的传感器交叉敏感性抑制

多传感器系统通常都存在交叉敏感性问题,传感器静态性不仅受某一个环境参量的影响,有时甚至受多个非目标参量的影响,致使测量精度低。提出一种基于BP神经网络的传感器的交叉敏感性抑制的方法,并应用到实际的检测系统中。通过对应用神经网络前后的数据进行比较分析,表明该方法大大降低了交叉干扰,提高了测量精度,达到了预期效果。     

基于网络复杂性的BP算法

BP算法(误差反向传播算法)是前馈神经网络中最常用的算法之一.在对前馈神经网络和传统的BP算法研究的基础上,发现了传统算法中存在的问题.通过引入网络复杂性的量,提出了一种新的改进算法,命名为基于网络复杂性的BP算法.该算法能够删除掉冗余的连接甚至节点,通过对网络学习步长的动态调整,避免了算法收敛速度过慢和反复震荡的问题.最后通过实验说明该算法在一定程度上比传统BP算法有一些优越性.     

基于BP神经网络和Bagging算法的入侵检测

提出基于Bagging算法集成BP神经网络的入侵检测方法。采用BP神经网络为分类器,以用户的网络连接行为为特征进行检测,为进一步提高BP神经网络的分类性能,采用Bagging算法对BP神经网络分类器进行加权投票。实验表明,提出的方法具有良好的检测性能。     

基于遗传算法和BP网络的物体识别方法

目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大.结合遗传算法的神经网络方法,充分利用GA的全局搜索能力、BP算法的局部搜索能力和鲁棒性强的特性,提出了一种用遗传算法全局优化神经网络拓扑结构和网络权值的新编码方案进行物体识别方法.仿真结果表明,该方法既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又加快GA.BP网络的收敛速度,提高收敛精度且识别率较高,从而验证了该方法的有效性.     

基于BP神经网络的唇裂图像研究

目的:观察分析唇裂的外在美学缺陷与解剖异常之间的关系,并对矫正手术加以分析。方法:在50例唇裂矫正术中运用BP神经网络进行学习,对唇部进行解剖观察和美学分析。在矫正修复手术中不断学习和调整来接近期望输出。结果:采用该算法的唇裂手术研究治疗的50例中,87%案例效果满意,13%案例畸形矫正不全。结论:在美学研究基础上的基于BP神经网络的唇裂手术研究,适用于唇裂的矫正修复。