一个通用BP神经网络软件包的设计与分析

本文在讨论人工种经网络一般模型的基础上，介绍了BP神经网络的模型，并对模型各部分的机理作了分析．软件包分为初始训练、追加训练和处理三个模块．讨论了训练算法的软件模拟及其中的信息正向传播算法和误差反向传播算法．针对运用BP软件包的目标讨论了参数设计．软件包经测试和实例处理，效果良好．     

基于遗传BP算法的铸钢生产工艺参数的优化

应用人工神经网络对基于遗传BP算法的铸钢生产过程中部分工艺参数与部分产品质量参数之间进行了优化处理。优化后找出产品部分质量参数最优所对应的部分工艺参数的最优值(即为工艺参数规范值)，以此规范值来指导生产，同时可以进行产前质量预报。     

改进BP3参数对网络识别能力影响的研究

分别从BP网络的学习步长,学习速率自适应调整算法的参数,动量法和自适应学习速率结合起来算法的参数3方面讨论了改进BP参数对网络识别能力的影响;在确定BP网络的隐含层节点个数的过程中提出了BP神经网络自适应学习算法,使得隐层节点的选取动态实现。仿真实验表明,该改进是可行的。     

BP网络学习参数的自调整技术及其应用

本文针对ＢＰ网络的局限性,给出一种改进的ＢＰ算法,此处强调在ＢＰ网络的学习过程中,尽量减少必须由ＢＰ学习算法确定的参数个数,同时又不过分地降低网络的计算能力。主要根据样本对在训练过程中误差曲面的情况,动态、系统地调整参数,尽量减少依赖人工干预,提高合理通用?..     

基于BP网络的权值更新快速收敛算法

针对标准BP网络学习算法收敛慢的问题,提出了两种权值更新的快速收敛算法,即基于梯度变化率的快速传递算法和基于梯度方向的弹性传递算法,并在煤矿事故救援游戏式训练系统中进行仿真和比较,让游戏角色根据井下空气成分学习判断危险程度,以便受训人员或仿生机器人采取相应的措施。仿真结果表明,所提算法的收敛时间比标准算法有一定改善。     

人工神经网络在材料设计中的应用及其若干共性问题的研究

应用人工神经网络进行材料设计已取得了可喜的进展，本文回顾了人工神经网络应用于材料制备工艺研究时的一些共性问题，如：样本筛选、网络结构的确定、加快网络训练速度、改善网络预测效果、最优工艺参数的确定等，并给出相应的解决办法。     

BP算法参数选取及应用

本文对ｓｉｇｍｏｉｄ函数的陡度、学习速率、动量因子等的选取探讨，分析它们对收敛速度的影响，提出一些选取时应考虑的问题，在模糊控制规则生成和智能控制应用中证明本文提出的ＢＰ算法参数选取方法能有效地缩短训练时间。     

基于BP网络曲线拟合方法的研究

在利用BP神经网络进行曲线拟合时,为了解决如何确定BP神经网络隐含层神经元数问题,提出了一种新的快速构建BP神经网络结构的方法,即如何由输入层神经元数、输出层神经元数及样本点数来确定隐含层神经元数,同时针对在曲线拟合过程中经常出现的一些问题提出了解决方案。实验结果表明,该构建方法和改进方案在提高曲线的拟合精度、加快收敛速度方面收到了较好的效果．     

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神经网络的储层参数计算

本文提出了采用人工神经网络对油藏描述中的储层参数进行计算的方法 ,对 BP神经网络的算法进行了改进 ,提高了网络的收敛速度 ,在应用中取得了良好的效果。对神经网络技术在油藏描述中的应用进行了有益的尝试。     

图象数据压缩的BP神经网络方法研究

重点研究BP人工神经网络用于图象数据压缩时,网络拓扑结构变化和算法修正对网络训练时间及重建图象质量的影响,仿真表明：选择合适的网络结构,采用文中给出的快速网络训练算法,可明显加速网络收敛,且网络易避开学习误差的局部极小点,克服网络学习误差收敛刚性。BP神经网络用于图象数据压缩取得了高压缩比和好的重建图象质量。     

BP神经网络在水质参数预测中的应用

本文利用BP神经网络良好的非线性映射特性,建立了水质预测模型,分别建立三种不同训练算法的氨氮预测神经网络,利用MATLAB神经网络工具箱编程实现。选用大量数据,反复加以训练,通过比较,挑选拟合程度好、精度误差小、泛化性能优秀的预测神经网络,并根据测试样本加以检验分析,最终选定L-MBP网络作为氨氮含量神经网络预测方案。     

基于参数选取影响BP神经网络训练结果的分析

模式识别包含了两个方面的内容：样本训练和样本识别。而样本识别的前提则是样本训练,当然训练样本多并具有代表性当然好,但并非越多越优。重要的是在训练神经网络的过程中,权值、阈值等各个参数应如何确定才有利于训练的效率。正是针对使用一组简单样本对神经网络进行训练,并且采用变化参数值的方法观察其训练效果,从而得出不同的输出结果,以及曲线分析图。进而进行对比总结,找出最优的参数设置。而且实验方法和结论有利于应用于其他识别系统的开发。     

基于参数选取影响BP神经网络训练结果的分析

模式识别包含了两个方面的内容:样本训练和样本识别。而样本识别的前提则是样本训练,当然训练样本多并具有代表性当然好,但并非越多越优。重要的是在训练神经网络的过程中,权值、阈值等各个参数应如何确定才有利于训练的效率。正是针对使用一组简单样本对神经网络进行训练,并且采用变化参数值的方法观察其训练效果,从而得出不同的输出结果,以及曲线分析图。进而进行对比总结,找出最优的参数设置。而且实验方法和结论有利于应用于其他识别系统的开发。     

基于DFP校正拟牛顿法的傅里叶神经网络

针对傅里叶神经网络采用最速下降法导致局部极小、学习速度慢以及泛化能力差的问题,提出一种基于DFP校正拟牛顿法的新学习算法。该算法计算复杂度低,能保证网络具有良好的泛化能力和全局最优性。通过2个数值算例检验该算法,同时和BP神经网络以及另外2种傅里叶神经网络作比较。结果表明,该算法计算复杂度约为最速下降法的5%,为最小二乘学习算法的80%,具有较好的泛化 能力。     

基于改进的BP网络模型的分类器的设计与实现

用改进的ＢＰ网络模型作了分类器。改进的模型拓扑结构最简，学习速率快，分类准确率高。     

基于BP网的关联分析方法

神经网络是由大量简单处理单元互连构成的,模拟生物神经系统的自适应、非线性动态系统,具有很好的学习能力和泛化能力,但神经网络是一个"黑匣子",模型结果难以解释,本文应用微积分学求出了模型输出对输入的偏导数,说明了这种偏导数的经济意义,从而解决了神经网络模型的经济解释问题.最后给出的实例说明了这种方法的实际可行性.     

基于递阶遗传算法的BP网络结构设计与权值训练

针对BP网络结构设计及权值训练算法多种改进方案的不足,基于递阶遗传算法,本文同时考虑神经网络结构设计和权值训练,提出一种新的适应度函数,实现了对BP网络结构和权值的同步优化。仿真结果证明了本文算法的有效性。     

基于GA、BP神经网络和多元回归的集成算法研究

遗传算法、BP神经网络和多元回归是目前应用比较广泛的数据挖掘算法,它们各俱优点,同时也存在诸多无法避免的缺陷。该文在前三者的基础上,提出一种BP网络与多元回归模型融合的杂合BP网络,并采用遗传算法优化杂合BP网络的初始权值,有效地避免几种方法在单独使用时存在的缺陷。验证实验结果表明：新方法所建立的模型在收敛速度、精度和...     

BP网络改进算法及其在故障诊断中的应用

针对基本BP算法在接近最优点时收敛速度变慢的缺点,提出一种BP网络的快速训练算法。将网络训练过程分为两个阶段,首先采用BP算法使其接近最优点,再改用共轭梯度法以加快收敛速度。仿真结果表明该算法是一种快速的方法。并将其应用于故障诊断中,结果表明了该方法的可行性。