BP神经网络及其改进

介绍了标准BP算法及其优缺点,并针对其存在的缺陷,从各个不同的方面对BP算法提出了改进,并对各种改进方法的原理及优缺点作了详尽的分析,从而使BP神经网络更广泛地应用于各个领域.     

神经网络BP算法的研究,实现及改进

给出了目前较流行的一种神经网络学习算法－－神经网络ＢＰ算法的数学证明及计算机实现，并在此基础上提出了几种改进算法。计算机模拟结果表明，改进算法提高了学习速度与精度，应用于工程图形元素识别效果良好。     

神经网络BP算法模拟函数曲线的改进

对神经网络的BP算法进行了进一步的探讨,提出了对不同连接权值的改进方法,并在VC 开发环境下,开发了模拟函数曲线程序,对改进算法进行了验证,结果显示训练速度明显提高,所仿真的函数图形也更接近。     

一种BP神经网络的学习算法及其改进

本文详细推导了典型ＢＰ神经网络学习算法,并给出了一种基于动量和学习速率自适应调整的虎法。仿真结果表明,改进算法的学习速度和收敛性得到了明显的提高。     

一种综合改进的BP神经网络及其实现

从网络拓扑结构、增加动量项、增加学习速率自适应调整、增加权重初始化的N－W法等几个方面讨论了BP神经网络的改进，通过这几种方法的组合实现了一种新的改进型网络。详述了网络结构参数如学习速率初始值、隐含元个数、网络收敛精度等的确定原则和方法，并针对某一问题进行了计算分析。计算中重点分析了学习速率和隐含元个数的确定、各种单一改进方法和综合改进方法的比较、网络训练样本量的取舍等。分析表明改进方法是有效果的。     

神经网络BP算法的一种改进

提出了一种改进算法，对原来的误差函数做了很小的改动。改进算法既保持了原ＢＰ算法的优点。又可以有效地避免假饱和，使学习过程可以较快地完成，取得了满意的结果，本文推导了改进后的算法，并结合实例对算法的效果进行了讨论．     

改进的BP神经网络在医疗中的应用研究

鉴于传统BP神经网络存在诸如收敛速度缓慢和易陷入局部极小值的缺陷,提出在BP神经网络中引入动量因子、陡度因子、自适应学习速率和改进粒子群算法优化BP权值等对传统BP进行改进,使其达到预测误差小、精度高、训练快的目的。改进后用来预测区域内各个年龄段患糖尿病人数百分比。由仿真实验结果可知,改进后的BP神经网络比传统BP神经网络收敛更快、误差更小。     

BP神经网络算法的改进及在Matlab中的实现

分析了BP神经网络算法收敛速度慢的原因，研究了一种提高其收敛速度的方法，即将动量法和批处理方法结合起来对BP算法进行改进，提高学习速度，并给出了算法思想，用Matlab神经网络工具箱对神经网络进行了初始化和训练，仿真测试结果证明该方法是可行，具有实用性。     

基于改进的BP神经网络进行车牌定位的研究

采用改进的BP神经网络，对汽车图像中车牌定位的方法进行了研究。选取训练样本图像，以人工定位后的图像为导师信号，将图像的灰度序列直接采用改进的BP算法进行训练，以期提高定位的精度和速度。试验结果表明，用改进的BP网络对灰度图像直接感知，在定位精度和速度方面取得较好的效果。     

BP神经网络的硬件实现

本文提出了一种采用ＭＯＳ晶体管的电流模式连续时间模拟ＢＰ神经网络的硬件实现新方法，硬件系统适合利用ＶＬＳＩ技术，具有片人误差反向传播学习功能，能简经ＢＰ新算法修正权值，对所设计的电路提供了ＰＳＰＩＣＥ仿真结果，结果表明硬件实现方法的可行性。     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

BP神经网络学习算法的研究

文中针对BP算法收敛速度慢的问题,提出一种改进的BP算法．该算法结合生物神经元学习与记忆形成的特点,针对特定的训练样本,只激发网络中的部分神经元以产生相应的输出,而未被激发的神经元产生的输出则与目标输出相差较大,所以对未被激发的神经元权值闽值进行调整．利用距离来度量训练样本与神经元权值之间的关系,可以找到未被激发的神经元．文中提出的算法是对局部神经元权值闽值的调整,通过实验表明该算法有助于加快网络的学习速度．     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

变结构神经网络模型的BP算法及其应用研究

神经网络模型是一种非常有效的数据处理工具,但是存在结构确定困难的缺点.针对神经网络算法的这种缺点,提出了变结构神经网络模型.此模型增加了神经网络隐节点的决策变量,并对此决策变量进行松弛.在采用BP梯度算法确定神经网络结构的同时,确定网络参数.由于电缆的状态监测是时序数据,将此模型应用于电缆的状态监测过程中,能体现出较好的适应性.     

神经网络BP算法在噪声主动控制中的应用

在噪声主动控制系统中采用神经网络控制方法，给出了神经网络BP算法的一种变异算法。仿真实验表明，基于神经网络的噪声主动控制系统具有非常好的降噪效果和稳定性。     

基于混合混沌优化法的BP神经网络算法

运用混合混沌优化法训练BP神经网络，构造了基于混合混沌优化法的BP神经网络训练算法，实例说明具有较高非线性逼近能力和应用价值。