共查询到19条相似文献,搜索用时 93 毫秒
1.
2.
基于遗传优化神经网络的电子舌在黄酒检测中的应用 总被引:4,自引:0,他引:4
采用遗传学习算法和误差反向传播(BP)算法相结合的混合算法来训练前馈人工神经网络,从而提高神经网络的收敛质量和收敛速度,并将此算法运用到电子舌对黄酒的检测上。与经典BP网络及附加动量项BP网络的训练与预测进行了比较。结果显示:遗传优化BP算法具有预测精度高、收敛速度快及运行时间短的优点,是一种快速、可靠的方法。 相似文献
3.
4.
5.
6.
7.
针对标准BP算法收敛速度慢及易陷入局部极值等问题,提出一种基于粒子群优化与BP混合算法的神经网络学习方法。该方法在网络的训练过程中,同时利用粒子群算法与BP算法进行最优网络权值的搜索,从而既充分利用了粒子群算法的全局搜索性又较好地保持了BP算法本身的反向传播特点。将该混合学习算法应用于复杂函数的拟合仿真,并与标准BP算法以及传统的粒子群优化BP神经网络学习算法进行比较。实验结果表明所提的混合学习算法具有较高的收敛精度,且收敛速度更快。 相似文献
8.
中医脉象的BP神经网络分类方法研究 总被引:5,自引:2,他引:5
为了实现中医脉象的客观、准确分类,文章提出了一种基于BP神经网络的脉象识别方法。考察了隐层节点数对网络收敛速度、识别正确率的影响以及学习率对收敛速度的影响,改进了网络训练算法。并选取了较好的学习率参数对脉象信号进行了网络训练,获得了满意的网络收敛误差和识别精度。最后用大量临床脉象样本对网络和算法进行了检验,实验结果表明该方法能够实现对中医常见脉象的准确、快速分类。 相似文献
9.
模糊神经网络在电力短期负荷预测中的应用 总被引:5,自引:1,他引:5
提出用于电力短期负荷预测(SILF)的一种模糊神经网络(FNN)方法,该方法针对BP网络收敛速度慢、易导致局部极小值的缺点,将考虑气候、温度、星期类型等影响因素的模糊技术与快速二阶BP网络相结合,并以南方电网负荷预测为例,应用MATLAB蚀语言对系统进行仿真训练,测试结果表明,该方法具有较高的预测精度。 相似文献
10.
快速二阶BP网络及其在城市用水量预测中的应用 总被引:4,自引:0,他引:4
针对BP网络收敛速度慢,易导致局部极小值的缺点,提出一种快速二阶BP网络,并以城市年用水量预测为例,与BP网络对比,结果表明,该方法加快了收敛速度,提出了结果的准确度。 相似文献
11.
基于小波网络的BP算法改进研究 总被引:2,自引:0,他引:2
对BP算法的特点进行了分析,在权值平衡算法的基础上,应用小波网络对其进行改造,提出了基于小波网络的BP权值平衡算法,给出了具体的算法步骤,仿真结果证明该算法既具有BP网络的简捷性,又能够提高学习速度和精度,避免了BP网络易出现的收敛速度慢、易产生局部最优解的问题,是一种较好的神经网络学习算法。 相似文献
12.
基于粒子群优化的BP网络学习算法 总被引:25,自引:0,他引:25
本文提出一种新颖的基于粒子群优化的BP网络学习算法,该算法是一种全局随机优化算法。用Iris分类问题,将所提出的算法与BP算法作了对比实验。实验结果表明:所提出的算法性能优于BP算法,而且具有良好的收敛性。 相似文献
13.
14.
本文在对BP神经网络算法分析的基础上,提出一种基于演化算法的BP改进算法(EBP)。该算法将演化算法运用到BP算法学习率的求解中,从而达到学习率的自适应、自组织的目的。实验结果表明,使用EBP算法进行求解函数逼近、优化和建模等BP神经网络应用问题,都要比传统的BP算法具有更好的精确度和收敛速度,并且能够克服传统BP算法易陷入局部最优解、学习过程出现震荡等缺点。 相似文献
15.
16.
一种模糊规则动态调整BP算法中参数的方法 总被引:8,自引:0,他引:8
文中首先对标准的BP算法进行了分析。然后在此基础上提出了通过模糊规则推理动态调整学习率和动量因子的改进的方法,并通过模糊推理系统实现了BP算法的模糊控制。最后通过实例将该算法与标准BP算法和Vogl改进的算法进行了比较,实验结果表明通过模糊推理来改善神经网络的BP算法性能是一种很有前途的方法。 相似文献
17.
短低密度校验(LDPC)码的Tanner图中通常存在环路,变量节点之间的信息不再相互独立,导致LLR BP算法译码性能的下降。针对上述问题,提出一种改进型LLR BP译码算法,推导出有环时变量节点的真实信息,利用最小均方误差准则计算出有记忆的变量节点信息的权值,通过调整变量节点信息的迭代过程降低变量节点之间信息的相关性。仿真结果表明,改进型LLR BP算法具有比LLR BP算法、归一化BP算法及偏移量BP算法更好的LDPC译码性能。 相似文献
18.
本文提出了基于改进型粒子群优化的BP网络学习算法。在该算法中,首先改进了传统的BP算法,有效地使得网络中输入层、隐含层和输出层结点个数达到一个最优解。然后,用粒子群优化算法替代了传统BP算法中的梯度下降法,使得改进后的算法具有不易陷入局部极小、泛化性能好等特点,并将该算法应用在了股票预测的应用设计中。结果证明明:该算法能够明显减少迭代次数,提高收敛精度,其泛化性能也优于传统BP算法。 相似文献
19.
GPU加速的神经网络BP算法* 总被引:3,自引:3,他引:0
近年来图形处理器(GPU)快速拓展的可编程性能力加上渲染流水线的高速度及并行性,使得图形处理器通用计算(GPGPU)迅速成为一个研究热点。针对大规模神经网络BP算法效率低下问题,提出了一种GPU加速的神经网络BP算法。将BP网络的前向计算、反向学习转换为GPU纹理的渲染过程,从而利用GPU强大的浮点运算能力和高度并行的计算特性对BP算法进行求解。实验结果表明,在保证求解结果准确度不变的情况下,该方法运行效率有明显的提高。 相似文献