BP网络进化及其在雷达目标识别中的应用

针对常规ＢＰ神经网络的ＢＰ算法只能训练固定结构的神经网络,存在诸如易落入局部极值、没有引入提高泛化能力的训练机制等固有不足之处,以及一些神经网络进化算法的进化机制中存在的缺陷,本文提出一种ＢＰ神经网络进化算法,并用于高分辨雷达目标一维距离像的识别问题。实验结果表明,经所述方法优化后的神经网络结构简单、泛化能力优于ＢＰ算法和一些进化算法训练的网络。     

基于BP神经网络的自适应控制

本文利用ＢＰ神经网络对被控对象进行在线辨识和控制。为实现自适应控制，本文对ｓｐｅｃｉａｌｉｓｅｄ ｌｅａｒｎｉｎｇ算法进行了改进，在此基础上，本文还提出了一种基于ＢＰ网络的自适应ＰＩＤ控制器。     

自适应神经模糊控制器及其在炉温控制系统中的应用

将自适应模糊控制技术与神经网络技术相结合,提出了一种自适应神经模糊控制器的实现方法,并用一种改进的快速ＢＰ算法来训练网络。该方法和算法用于炉温控制系统,获得了满意的控制效果,验证了方法和算法的有效性。     

BP算法在车灯调节装置故障诊断中的应用研究

首先介绍了人工神经网络的基本原理,然后详细介绍神经网络反向传播算法,包括ＢＰ网络的基本结构及学习算法,最后研究了人工神经网络ＢＰ算法在车灯调节装置故障中的应用。通过样本训练和检验,验证了人工神经网络ＢＰ算法在车灯调节装置故障诊断的可行性。     

前馈神经网络中的反向传播算法及其改进：进展与展望

ＢＰ网络和算法是使用最广泛的神经网络模型之一，但由于它使用梯度算法，因而存在固有的局部极小及收敛速度慢等问题。本文首先回顾了ＢＰ算法的产生和发展过程，之后对ＢＰ算法因有的特点进行了阐述，最后针对原基本ＢＰ算法的缺陷对各种改进方法进行了全面并指出了这一研究中的有关问题。     

神经网络算法的并行实现

本文针我们构造的并行神经计算机的特点，重点介绍了典型的神经网络算法ＢＰ、Ｈｏｐｆｉｅｌｄ在该系统上的实现方法。     

基于B─P神经网络的复杂对象系统多目标综合评价方法及其应用

复杂对象系统的综合评价是一项复杂的多目标决策活动。本文将Ｂ—Ｐ神经网络应用于复杂对象系统的综合评价，描述了用于多目标综合评价的三层Ｂ－Ｐ神经网络结构，给出了神经网络输入指标特征值量化的方法，讨论了神经网络学习及其计算机实现算法，最后给出了应用该方法综合评价我国大中城市整体发展水平的具体实例。     

基于B—P神经网络的复杂对象系统多目标综合评价方法及其应用

复杂对象系统的综合评价是一项复杂的多目标决策活动，本文将Ｂ－Ｐ神经网络应用于复杂对象系统的综合评价，描述了用于多目标综合评价的三层Ｂ－Ｐ神经网络结构，给出了神经网络输入指标特征值量化的方法，讨论了神经网络学习及其计算机实现算法，最后给出了应用该方法综合评价我国大中城市整体发展水平的具体实例。     

一种混合学习算法的研究

提出一种基于模糊逻辑和神经网络的自学习网络模型。该模型通过特定的学习算法训练样本，能自动生成模糊逻辑规则，调节输入、输出变量的隶属函数。同时，提出了一种结合自组织学习和ＢＰ学习的混合学习算法──ＢＰＳＯＭ，这种算法比通常的ＢＰ机学习算法收敛性好，速度快。     

面向MATLAB神经网络工具箱的图象数据融合算法及实现

采用了ＢＰ神经网络对某岛屿的５幅不同波段的ＳＡＲ图象进行融合处理，以便能够获得更为清楚的图象。因神网络的运算涉及大量的矩阵运算，所以采用了ＭＡＴＬＡＢ这一平台来构造ＢＰ神经网络，取得了良好的效果。实验表明，采用的ＢＰ神经网络的图象数据融合的算法及程序设计是有效的，并有广泛适用性。     

基于BP神经网络算法的数据挖掘方法研究

详细介绍了数据挖掘技术的相关概念、任务以及神经网络原理,指出了传统的BP算法在数据挖掘过程中的不足之处,提出了一种变异的BP神经网络算法,大大提高了BP神经网路算法的收敛速度.     

基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。     

改进的HS算法优化BP神经网络的入侵检测研究

基于传统BP神经网络的入侵检测中，BP神经网络算法模型存在着易陷入局部最优且初始值随机性较大的缺陷。初始值的选择直接影响到BP神经网络的训练效果，较好的初始值有利于BP神经网络跳过局部最优，从而提高训练效率。针对BP神经网络的缺陷，提出了用改进的和声搜索算法对BP神经网络的初始值进行优化，使得BP神经网络得到一组较优的初值的方法。实验结果显示，改进的和声搜索算法具有更高的适应度函数值，将该算法优化的BP神经网络用在入侵检测中，能够显著提高算法检测率和收敛速率。     

基于BP的燃气管道评估专家系统设计与实现

BP神经网络具有并行处理、自适应学习、容错能力好等优点,根据地下燃气管道安全评估的应用要求,对其算法进行改进,结合专家系统的设计思路,构造了一个基于BP神经网络的地下燃气管道安全评估专家系统,包括知识表示、知识荻取和推理解释等模块.然后利用已有的样本编制软件进行实验,结果表明,该系统评估正确率达91%,推理效率高、扩展性好,从而很好地满足了实际应用的要求.神经网络为专家系统的发展提供了一条新的途径.     

基于神经网络的优化算法在异常入侵检测中的应用

本文描述了一种采用人工神经网络技术的高效异常入侵检测模型,对网络流量处理、神经网络的训练及其算法、神经网络的检测及其算法进行了详细的论述,利用Levenberg-Marquardt算法对传统BP算法进行改进,改进的BP算法较传统BP算法具有收敛速度快、正确检测率高的优点。     

遗传神经网络技术在专家系统中的应用

讨论了神经网络在专家系统中的应用,提出了神经网络专家系统的设计方法,给出了系统的结构,论述了系统实现中的一些技术问题。分析了遗传算法及BP神经网络的理论基础,讨论了遗传算法、神经网络与专家系统的结合方式。在专家系统中应用遗传神经网络技术,具有独创性,理论和实践上都具有重要意义,进一步丰富了选矿专家系统的研究方法。建立相应的遗传神经网络模型,论述了选矿数据预处理的方法、BP神经网络的设计,提出了相关参数的经验选取办法。通过实例验证,模型的预测精度可以达到90％以上。     

前向神经网络参数估计中的进化规划

人工神经网络在很多领域有着成功的应用。神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解。进化规划是一种随机优化技术,它可以发现全局最优解。文章介绍了进化规划在前向多层神经网络参数估计中的应用,结合具体例子给出了算法实现的具体操作步骤和实验结果。实验数据表明采用进化规划得到的网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能。     

改进的遗传算法在优化BP网络权值中的应用

对遗传算法和BP神经网络的特点进行了比较,作为进化算法神经网络与遗传算法的目标相近而方法各异。阐述了遗传算法与神经网络结合的必要性。提出了一种改进的遗传算法优化BP神经网络的权值,用遗传算法的全局随机搜索能力弥补了神经网络容易陷入局部最优解的问题。同时,在遗传算法中改变传统的同代交叉机制,采用父代与子代进行交叉,避免了遗传算法过早丧失进化能力。     

基于蚁群优化算法的BP神经网络的RPROP混合算法仿真的研究

本文对蚁群优化算法的BP神经网络中的RPROP混合算法进行了研究,提出了利用蚁群优化算法,结合RPROP混合算法解决无线网络传感器中如何处理信息服务点中大量的冗余数据、网络运行速度等相关问题,通过建立系统构架及信息服务点,证明该算法能够延长BP神经网络的生命周期,加快BP神经网络的收缩速度,能够将网络中信息服务点的重复数据进行有效的合并处理,并及时过滤掉非正常信息服务点的数据,减少数据服务点的能量消耗,期训练过程中迭代次数改善明显,解决BP神经网络的学习、训练时间冗余等问题,同时具有较强的计算、寻优等能力,提高了网络分类正确率和运行的效率,是一种较为实用的算法,完全能够满足日益增长的无线互联网终端的运行需要。     

基于WNN的BP算法的多传感器数据融合研究

小波神经网络（WNN）是将小波理论和神经网络理论结合起来的一种神经网络,有较强的函数学习能力和推广能力及广阔的应用前景。采用基于WNN的BP权值平衡算法对多传感器测量的结果进行特征级的数据融合,融合结果提供给决策级判断。该融合算法避免了BP网络收敛速度慢,易产生局部最优解等缺点,提高了学习的速度、精度。仿真结果表明了该方法的有效性。