几种变学习率的快速BP算法比较研究

首先将作者见到的各种变学习率的快速ＢＰ算法分成了３类，然后针对两类不同的问题对它们进行了大量的对比研究；根据实验结果指出，对种种皮变学习率为基础的快速ＢＰ算法，应视具体应用问题慎重选择，不能仅凭对一个问题的实验即说明这一定比基本ＢＰ算法更为优越。     

变步长LMS算法性能比较与仿真

本文对现有的变步长LMS算法进行分类归纳，列出3种具有代表性的算法，并对这3种算法性能进行分析，指出原算法没有说明的缺陷。最后对这些算法进行仿真，证明了分析的正确性。     

BP网络的自适应步长因子算法

利用灰色理论的关联度方法，提出了ＢＰ网络的自适应步长因子算法，加快了ＢＰ网络的学习速度。最后以异或问题为例说明了该算法的正确性和可靠性。     

采用同伦BP算法进行蠓虫分类

关于蠓虫分类问题,国内外研究该问题的文献较多.为克服标准BP算法中存在的网络学习收敛速度慢、容易陷入局部极小等问题,引入同伦算法,提出了一种将同伦与快速BP算法结合的改进算法来进行蠓虫分类.同伦方法是一种循序渐进的解决非线性问题的方法,把这一思想推广到跟踪多层感知机(MLP)网络能量函数的极小值路径.因为能量函数E(W)(W是权重矢量)的极值点相当于梯度wE(W)的零点,因此,对能量函数极值点的跟踪可以转化为对其梯度函数零点的跟踪.结果表明,此方法在收敛速度和避免陷入局部极小的能力上具有良好的可靠性、先进性、稳定性,值得推广.     

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。     

一种瞬变步长LMS自适应滤波算法

基于规一化起动、平滑递推和ＰＬＳ算法导出了一种新的变步长ＬＭＳ算法。文中分析了起动后的平稳连接和提高起始收敛速度的条件，证明了步长因子μ（ｋ）的瞬变特性及其对减小失调噪声的作用。计算机仿真效果较好，支持了理论分析。     

步长动态寻优的BP算法

从ＢＰ算法原理出发,找到造成这一结果的根本原因,利用目标函数对学习步长的一阶、二阶梯度值,应用牛顿近似法和线性寻优法来求得动态最优步长,这种算法所需存储一阶二阶导数的单元结构和标准ＢＰ算法中的结构相同,不会对存储造成大的负担,可使编程易于实现。计算机的仿真实验结果表明,这种方法是切实有效的。     

一种变步长并行LMS算法的研究

分析了几种常见的LMS算法，并通过理论分析，提出了一种变步长并行LMS算法，提高了LMS算法的收敛速度，使其适应高速数据处理需求。研究了变步长并行LMS算法的原理和具体实现步骤，同时通过变换算法的特性参数进行了MATLAB仿真研究，结果表明该算法具有一定的先进性。     

基于改进BP网络的图像压缩

针对BP网络的图像压缩技术,提出了一种改进的BP网络局部学习自适应Silva-Almeida(SA)算法,该算法将训练过程分为加速、平稳收敛两个阶段的基础上,同时局部自适应调整学习速率和动量因数两个参数。经曲线拟合试验,其训练精度有较大提高,震荡现象得到进一步改善,训练速度加快。在图像压缩的仿真试验中,相对于目前常用的弹性BP算法(RPROP算法),该算法训练速度加快,重建图像质量有很大提高,利用该算法进行图象压缩可以获得更高的压缩比。     

一种新的同伦解曲线跟踪算法

给出一种新的同伦算法,并与Li－Yorke算法比较,计算结果表明该算法方便、快捷、准确。     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

回波抵消器中一种变步长自适应算法

自适应回波抵消器是综合业务数字网中U接口的主要部件。通常采用LMS算法对自适应横向滤波器的加权系数进行调节。为了解决自适应过程收敛速度和稳定后精度的矛盾,本文推导出一种可变调整步长LMS算法,并给出该算法收敛速度和稳定后精度的计算机模拟结果。     

BP网络的SPDS训练算法的鲁棒性

证明了作为BP网络的训练算法之一的SPDS算法在收敛的同时具有鲁棒性这一良好性质、实例也 证明了SPDS算法较之BP算法在鲁棒性问题上有较大进步．     

BP神经网络Vogl快速算法的改进

针对 BP算法收敛速度慢的特点 ,提出了对 V ogl快速算法的改进方法 .实践证明此改进方法使BP算法的收敛速度得到了较大的改善     

正交投影神经网络的BP和GS杂交学习算法

主要讨论具有单隐层的正交投影神经网络的权值和阈值的学习问题,提出了一种新的将BP算法和GS算法相结合的杂交学习算法,其中GS算法对隐层到输出层的权值和阈值进行学习,BP算法用于输入层到隐层权值的学习,并给出一种最佳的隐层节点数的选取方法．仿真实验表明,该杂交学习算法具有学习速度快且能获得全局最优解的特点,并可有效地对学习过程中出现的病态情况进行求解,具有良好的普适性。     

一种快速收敛的BP算法

在常规算法的基础上，提出了一种基于变斜率算法与共轭梯度算法的接力逆向传播算法。通过寻找神经元激活函数的最优斜率集来加速迭代，还充分利用了共轭梯度算法的快速二次收敛的特点。计算表明，该算法收敛速度快、学习精度高。     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少。以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中。实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30％。     

基于改进BP算法的发电机组振动故障诊断技术

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,提出了一种改进的BP算法。应用这种改进的BP算法对某发电机组振动故障进行了诊断研究,结果表明,该改进BP算法加快了网络的收敛速度,避免了陷入局部极小陷阱的问题。     

改进BP算法在过程神经网络中的应用

过程神经网络是一种基于过程神经元的新型神经网络,其输入及权值皆为时序函数.针对基本BP算法的一些不足,将一种改进BP算法应用于前馈过程神经网络的训练之中,提高了网络的学习效率,扩展了过程神经网络的训练算法理论.在改进BP算法与网络训练的结合过程中,权函数及输入函数皆被用同一正交基函数展开.最后基于改进BP算法将过程神经网络应用于了飞机发动机尾气温度指数的预测当中,验证了算法的有效性,同时也展示了过程神经网络广泛的应用前景.     

基于BP神经网络的车型分类器

针对车型特征,提出了一种基于BP神经网络的识别方法．从图像中提取车型特征向量,用BP神经网络设计分类器,并进行有效的训练与测试．应用改进的BP算法（尺度化共轭梯度法）对网络进行训练,使网络很快得到收敛,解决了一般算法收敛慢的缺陷．