基于BP神经网络的故障诊断仿真研究

介绍了BP(反向传播)神经网络模型,阐述了BP算法的基本原理、权值调整的过程,给出了BP算法一般的编程步骤和流程。在此基础上,应用基本的BP算法进行了系统故障诊断的仿真研究,为提高其实用性,采用VC 与MATLAB混合编程的方法,在VC 环境下制作了应用界面。最后介绍了BP算法在使用中存在的主要问题,并进一步提出了相应的改进方法。     

BP和RBF神经网络的地下水位预测结果比较

地下水位的变化是一个复杂的非线性过程,并且地下水位与其影响因素之间存在着复杂的非线性关系。对于处理这类问题神经网络是一种合适的方法。本文对BP和RBF神经网络在地下水位预测中的应用进行比较和研究。通过仿真实例结果显示,BP神经网络和RBF神经网络都能很好的对地下水位进行预测,但是RBF神经网络比BP神经网络的训练速度更快,精度更高,充分体现了RBF神经网络中在地下水位预测中的优越性。     

基于傅里叶变换的BP神经网络自适应滤波

BP神经网络强大的非线性函数逼近、自适应学习和并行信息处理能力使得BP神经网络在信号去噪滤波中得到应用,但是随着BP网络输入向量维数的增加,其自身隐含层层数也会相应增加,从而降低了网络的自适应能力以及延长了学习时间。本文采用基于傅里叶变换的BP神经网络,利用傅里叶变换对信息进行预处理,并利用BP网络强大的函数逼近能力,对信息进行拟合,再通过傅里叶逆变换还原含噪的信息。最后通过MATLAB软件分别对傅里叶变换、BP神经网络、基于傅里叶变换的BP神经网络滤波效果进行仿真比较。     

基于傅里叶变换的BP神经网络滤波

BP神经网络强大的非线性函数逼近、自适应学习和并行信息处理能力使得BP神经网络在信号去噪滤波中得到应用,但是随着BP网络输入向量维数的增加,其自身隐含层层数也会相应增加,从而降低了网络的自适应能力以及延长了学习时间。本文采用基于傅里叶变换的BP神经网络,利用傅里叶变换对信息进行预处理,并利用BP网络强大的函数逼近能力,对信息进行拟合,再通过傅里叶逆变换还原含噪的信息。最后通过MATLAB软件分别对傅里叶变换、BP神经网络、基于傅里叶变换的BP神经网络滤波效果进行仿真比较。     

共轭梯度BP算法在Matlab 7.0中的实现

应用Matlab 7.0中神经网络工具箱建立BP神经网络的最优化求解方法,采用共轭梯度法对网络的权值和阚值进行优化计算,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.对BP神经网络的传统梯度下降法与共轭梯度算法进行了仿真.这里通过对算法的训练速度,容错泛化能力等方面加以讨论,多方面印证共轭梯度算法的优越性,仿真结果凸显了训练速度的大幅提高,尤其对训练后网络受损情况下的泛化能力,采用线性回归的方法进行了仿真验证,同样得到满意结果,从新的角度支持了共轭梯度BP算法.     

基于BP神经网络地图符号的识别

点状地图符号的识别是地图自动识别的重要研究内容之一。研究了基于BP神经网络点状地图符号的识别,对BP神经网络在数字地图符号识别中的应用进行了详细的介绍,其中包括地图符号预处理的过程,以及改进的BP网络进行地图符号的识别过程。最后,对实验结果进行了展示,表明了改进BP网络算法的实用性和高效性。     

基于数据挖掘技术的网络入侵检测技术研究

在此对基于数据挖掘技术的网络入侵检测技术进行研究。考虑到常规BP神经网络建立的网络入侵检测技术存在由于BP神经网络容易陷入最小值导致检测效率和准确率低下等问题,使用粒子群算法对BP神经网络模型进行优化,使用动态惯性权重系数以确定BP神经网络的参数,并将网络入侵流量特征与BP神经网络的参数组合并编码成一个粒子以实现网络入侵流量特征与BP神经网络的参数的同步选取。通过使用KDD CUP99数据库的入侵流量数据对使用该方法以及常规BP神经网络建立的检测模型进行训练和测试,结果表明,研究算法建立的检测模型具有更高的检测效率以及检测准确率。     

一种基于集成BP网络的手写汉字识别方法

针对脱机手写体汉字识别，文章给出了一种基于多层BP网络的并行集成方法，该方法是纯神经网络的多分类器并行集成方案。汉字经预处理后，采用弹性网格变换和Zernike矩分别对汉字进行局部和全局特征提取，利用两个BP网络分类器对这两种特征进行训练和初分类。再利用集成网络对前两个子网络的识别结果进行识别。同时对BP网络的应用做了有益的探索，也为BP网络在人类别分类问题中的应用提供了一条可行的途径。实验结果验证了此方法的有效性。     

基于BP神经网络的杂散电流腐蚀速度预测

为了建立更实际的杂散电流预测模型,提出了一种基于BP神经网络的杂散电流腐蚀速度预测,通过构建BP神经网络模型,建立训练样本集,进行网络训练和网络仿真,得到了BP网络模型预测结果。预测结果表明该BP网络模型在埋地金属管道的杂散电流预测中具有一定的应用和推广价值。     

AFSA-BPNN在网络安全中的应用研究

为了有效地检测网络入侵行为,提出一种人工鱼群(AFSA)算法优化BP神经网络(BPNN)入侵检测模型。首先将BP神经网络的权值和阈值编码为AFSA的人工鱼状态,然后通过人工鱼群觅食、聚群、追尾等行为,对BP神经网络的参数进行优化,寻找到BP神经网络的最优参数,最后利用建立的最优BP神经网络模型,对网络入侵行为进行检测。在Windows XP操作系统,Matlab 2012平台上,采用KDD CUP 99数据集仿真测试,相对于传统的BP神经网络模型,本文模型可以显著提高网络入侵检测正确率,有着更加广泛的应用前景。     

约束非线性规划问题的L1精确罚函数神经网络方法

 优化计算是神经网络的一个重要应用领域.针对已有神经网络求解约束非线性规划问题时,不能兼顾网络规模、计算效率、精确性的问题,本文提出了一种基于精确罚函数的约束非线性规划问题的神经网络计算方法.将约束非线性规划问题的一种L₁精确罚函数作为神经网络的能量函数,利用该能量函数的最速下降原理构造了神经网络的动力学方程并给出了其稳定收敛性说明.理论分析及算例仿真表明,所提出神经网络动力学方程能够全局、精确收敛于原规划问题的一个局部最优解.特别是,该神经网络动力学方程易于映射为动态电路,是一种工程优化问题的实时计算方法.     

“人工神经网络”教学中的Matlab仿真工程实践

在“人工神经网络”课程的教学过程中,注重的是研究神经网络的理论和仿真,对其在实践应用的研究较少。本文将神经网络引入出口海产食品风险分析过程中,构建了一种改进型的神经网络风险分析模型,对海产食品进行定量的风险值评估,实现了从定性决策到定量决策的转变。测试结果表明,该模型具有较高的精确度,为神经网络教学在课程应用上提供了一...     

基于BP神经网络的网络智能诊断系统

随着计算机网络的发展，网络维护与管理日趋复杂。故障诊断就是对网络运行状态进行检测，并对出现的故障进行处理。随着人工智能理论的发展，要求把智能技术引入网络故障诊断领域，其中人工神经网络能比较准确地完成网络智能诊断任务，特别是目前广泛采用的前向多层神经网络模型(BP模型)。文章对BP神经网络故障诊断系统进行研究和设计，并通过实例进行仿真试验，结果证明该系统对网络故障的智能诊断有较高的实用价值。     

基于遗传算法和Hopfield神经网络的字符识别方法

分析了Hopfield神经网络和遗传算法的基本原理,探讨了Hopfield神经网络在字符识别中的应用,针对Hop-field神经网络易陷入局部最优的问题,提出了基于遗传算法的Hopfield神经网络的字符识别方法,利用遗传算法的全局搜索能力来弥补Hopfield网络易陷入局部最优解的缺点。并进行了仿真验证。实验结果证明...     

基于双Sigmoid小波混沌神经网络的盲检测算法*1

接要:针对在盲检测环境中暂态混沌神经网络的缺陷,提出了基于双Sigmoid小波混沌神经网络的盲检测算法,构建了新网络的模型和能量函数,并分别在同步和异步更新模式下证明了该网络的稳定性.新网络的设计思想体现在:采用墨西哥帽小波函数和Sigmoid函数的组合作为网络的激励函数,再为每个神经元加一个激活函数构成双Sigmoid.仿真表明:由于小波函数较强的逼近能力以及双Sigmoid快速收敛的特性,提出的算法显著地提高了网络的全局寻优能力和寻优精度.     

Matlab语言的Neural Network Toolbox及其在同步中的应用

介绍Matlab神经网络工具箱的相关情况及基本应用。结合一些简单的例子进一步对神经网络工具箱中的一些函数及神经网络结构解释和说明。通过该说明明确神经网络工具箱的相关应用,并利用神经网络在同步中的应用进行简单的介绍。通过仿真验证神经网络在同步中的可行性。     

基于概率神经网络的农作物虫情预测

为了提高对农作物虫情预测的准确度,本文主要采用概率神经网络（PNN）对农作物虫情进行预测．并将预测结果与BP神经网络的预测结果进行比较。结果表明,概率神经网络的预测准确度远远大于BP神经网络,显示了概率神经网络在模式识别领域的优势。     

人工神经网络在近红外光谱建模中的应用及研究现状

对国内外近十年来人工神经网络在近红外光谱建模中的应用和研究进行了详细的综述,包括误差反向传播网络、径向基网络、支持向量机、自组织特征映射网、广义回归神经网络、概率神经网络、小波神经网络、模糊神经网络以及集成神经网络等的应用和研究。概括了这些网络的基本工作原理及优缺点。最后根据神经网络的发展方向和工农业的发展需求,提出了今后人工神经网络在近红外建模方面的发展方向。     

改进ART-2A神经网络在故障自诊断中的应用

ART-2A神经网络可以很好地应用于模式识别中的分类问题,但由于算法结构的不足,存在分类漂移现象,导致网络不稳定,严重影响了网络的工程应用.对标准ART-2A网络结构和算法过程进行了深入研究,分析了引起分类漂移的原因,提出了一种ART-2A神经网络改进算法,并通过故障自诊断实验进行网络稳定性和实用性验证.实验证明改进ART-2A神经网络能长期稳定工作,准确进行故障判别,实现系统的故障诊断自动化.     

基于深度学习的手语识别综述

手语识别涉及计算机视觉、模式识别、人机交互等领域,具有重要的研究意义与应用价值。深度学习技术的蓬勃发展为更加精准、实时的手语识别带来了新的机遇。该文综述了近年来基于深度学习的手语识别技术,从孤立词与连续语句两个分支展开详细的算法阐述与分析。孤立词识别技术划分为基于卷积神经网络(CNN)、3维卷积神经网络(3D-CNN)和循环神经网络(RNN) 3种架构的方法;连续语句识别所用模型复杂度更高,通常需要辅助某种长时时序建模算法,按其主体结构分为双向长短时记忆网络模型、3维卷积网络模型和混合模型。归纳总结了目前国内外常用手语数据集,探讨了手语识别技术的研究挑战与发展趋势,高精度前提下的鲁棒性和实用化仍有待于推进。