基于BP神经网络的图像分离算法

现在纹理图像分离效率比较低,为解决这个问题,提出一种基于反向传播神经网络的纹理图像分离算法。一些因素会影响的结果是RGB值图像分离的象素的颜色本身,它附近的像素、边界的概率。根据这些因素,我们构建一个模型,用BP神经网络训练功能区域的图像和噪音一组样本,训练之后,BP神经网络训练可以用于纹理图像分离。最后我们设计一种实验,利用BP神经网络分离三个纹理图像。实验结果表明该算法简单、可行的、可以降低人们的工作。     

BP算法的改进在Matlab中的实现研究

BP算法的改进是神经网络当前研究的热点之一。本文应用MATLAB对BP网络进行研究分析，针对BP算法的缺点引入了BP改进算法，并利用MATLAB软件对BP算法和改进BP算法进行仿真。通过比较各种改进BP算法的仿真结果数据与图表，得到了较优的改进BP算法——LMBP算法，又针对LMBP算法的缺点提出了进一步改进的两个方案，得到了比较好的效果。证明了改进BP算法比BP算法功能强大，适用面广，泛化能力优良，计算时间短，并克服了易陷入局部极小的问题。     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进ＢＰ算法的神经网络对柴油机进行故障诊断。首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以６－１３５ＺＣ柴油机为例,将实验数据输入网络验证。结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的。     

基于BP算法的神经网络工业生产质量非线性控制器

本文将工业生产控制过程与神经网络相结合 ,利用改进BP算法训练一个用于质量控制的多层前馈神经网络 ,并与传统方法相比较 ,通过仿真研究 ,表明了该方法的有效性     

基于BP神经网络的数字识别

利用BP神经网络算法实现对数字的识别。首先获取各种0-9共10个号码数字的样本图像,提取Hu矩不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,再用训练好的BP网络对待识别的数字图像进行识别,实现了对存在旋转、平移和缩放等几何失真的图像的正确识别,实验结果表明,基于Hu不变矩和BP网络的数字识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点。     

贝叶斯算法BP神经网络缺陷量化研究

为克服传统BP神经网络中网络训练速度慢、量化精度低、数据过度拟合、容易陷入局部极小点等缺点,该文将贝叶斯算法引入BP神经网络用于基于漏磁检测的缺陷量化,有效地控制网络模型的复杂度,利用不同尺寸的缺陷特征量训练网络,从而实现对缺陷长度、宽度、深度的量化,节约网络的训练时间,提高量化精度。     

BP算法的改进及其在CAPP中的应用

ＢＰ网络是一种有效的人工神经网络，其结构简单，工作状态稳定。但由于原算法存在的问题，限制它的应用。本文对原算法和目前常用的改进算法进行了分析，找出了原算法存在问题的原因。在此基础上，作者提出了一种改进算法，并将它用于ＣＡＰＰ系统的研制中。通过初步使用表明：本文改进的方法简单，效果显著。     

基于免疫算法的神经网络盲均衡算法的研究

将免疫算法引入神经网络盲均衡,用它来优化网络的权值。它具有很强的全局搜索能力,避免了使用传统方法而出现的未成熟收敛现象,使得收敛速度加快,最终达到全局最优。     

基于BP神经网络的改进粒子群优化股票预测

可以以较为精准的预测结果为依据来对股票市场进行及时指引与调控,这样更能保障我国国民经济的可持续顺利发展.本文的目的 是研究改进的基于粒子群优化算法的改进版BP神经网络股票预测,这种神经网络预测方法是以粒子群优化算法为基础并将其应用于股市预测,取得了较好的效果.详细给出了基于粒子群算法的神经网络模型的建立方法,同时本文还...     

基于BP神经网络的CMY到XYZ颜色空间转换算法研究

对基于BP神经网络的CMY到XYZ颜色空间转换算法进行了探讨,给出了算法工作流程并建立了模型.最后通过实验对算法进行了验证.     

BP算法的改进与性能分析

在人工神经网络中,BP神经网络通常是指基于误差反向传播算法（BP算法）的多层前向神经网络。BP算法已成为目前应用最为广泛的神经网络学习算法,然而BP算法具有收敛速度慢、易陷入局部极小点等缺陷。为了克服常规BP算法的缺陷,MATLAB神经网络工具箱对常规BP算法进行了改进,并提供了一系列快速学习算法。实验结果表明,这些方法有效地提高了BP算法的收敛性,避免陷入局部最小点。     

基于BP神经网络的传感器非线性补偿

由于传感器本身的非线性特性以及传感器在测量过程中外界环境因素的影响,使得传感器的输入输出特性呈现出非线性.讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系.采用递推预报误差算法训练神经网络,具有收敛速度快、收敛精度高的特点.试验结果表明,应用神经网络对传感器的非线性进行动态补偿是一种行之有效的方法.     

基于蚁群算法优化BP神经网络的港口吞吐量预测

利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。与传统BP神经网络、RBF网络及模糊神经网络相比,蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%。     

基于RBF神经网络的数据挖掘的研究

研究基于RBF神经网络的分类数据挖掘方法。并将遗传算法和RBF神经网络有机结合,利用遗传算法优化RBF隐层中心参数和宽度。     

基于BP神经网络算法分层递阶评价区域可持续发展的研究

区域可持续发展评价是一个多因素、非线性的复杂问题,应用的方法很多。人工神经网络(ANN)可以逼近任意复杂的非线性系统,具有较好的模式识别、自适应学习和记忆联想等能力。神经网络的方法为解决可持续发展评价等具有复杂非线性问题提供有力的工具。     

JPEG基线算法对BP神经网络图像压缩处理的影响

根据BP神经网络图像压缩处理中,存在对图像信息高低频部分处理质量不同和边缘效应等问题,提出了采用JPEG基线算法于BP神经网络图像压缩处理结构中,建立了该系统。并采用灰阶Lena图像进行实验,通过实验分析发现,采用这种新的结构来处理图像,不仅可以得到较大的压缩比,而且具有较好的峰值信噪比。实验结果证明这种具有自适应性的图像处理方法,不仅可行,而且能高效、稳定地重建图像。     

人工神经网络BP算法的改进与分析

针对标准BP算法存在的缺陷,讨论一种改进算法LMBP算法,阐述该算法的优化技术原理,并利用MATLAB语言对该算法进行仿真,对训练速度和内存消耗情况做比较.仿真结果证明采用LMBP算法的BP神经网络可以使实际输出与期望输出更接近,误差更小,效率更高.     

数据挖掘技术中基于关联规则算法的研究

随着现代信息技术的发展,特别基于网络的信息技术的飞速发展,人们对于数据的处理能力的要求也随之升高,数据挖掘的本质,就是从模糊的、随机的、有噪声的、大量的、不完全的数据当中提取有潜在利用价值的信息的过程。从大型数据库中挖掘关联规则的问题已成为数据挖掘中一个比较热门的研究方向。在先前研究的基础之上,对基于关联规则的数据挖掘技术进行全面地分析。     

基于BP神经网络的交通事故预测

本文利用神经网络具有描述非线性特性的能力，将影响交通事故的多种因素综合起来建立了BP神经网络的道路交通事故预测模型。选取人口数量、公路里程数和客运量作为神经网络的输入神经元，道路交通死亡人数和交通事故经济损失作为网络的输出神经元，对道路交通事故进行预测。