基于MapReduce的BP神经网络算法研究

随着信息化社会的飞速发展,需要进行数据挖掘的数据量急剧增大,传统的串行化BP神经网络训练方法在处理海量数据集时存在很大问题,如耗时过长,甚至内存不足无法训练。为了解决这个问题,提出了一种在云计算环境下,基于MapReduce的BP神经网络训练方法 MR-GAIBP,实验证明,提出的方法,相比于已有的方法拥有更快的收敛速度和更高的精度,在大数据集上有更快的训练速度。     

基于FY-3C MWHTS的台风降水反演算法研究

为估测台风带来的地表瞬时降雨率，利用FY-3C上搭载的微波湿温探测仪（Microwave Humidity and Temperature Sounder，MWHTS)的L1级在轨观测亮度温度数据与多卫星降水分析TMPA（Tropical Rainfall Measuring Mission（TRMM）Multi-Satellite Precipitation Analysis）3B42降水产品数据，通过多元线性回归和BP神经网络两种算法对台风区的降水情况进行了反演研究。结果表明，由这两种算法反演的降水分布图可以清晰地看到台风中心、云墙以及螺旋雨带等台风的位置、分布及结构信息，这与TMPA 3B42降水产品数据估测到的台风降水分布图相一致。此外，从定量的角度来看，TMPA 3B42降水数据与这两种反演算法反演的地表瞬时降水量（mm/hr）都具有较高的相关性和较小的偏差和均方根误差，反演的精度较高。故这两种算法都可以用来反演台风区的降水量，同时也表明FY-3C MWHTS微波在轨观测资料在台风区监测及降水研究中能发挥出较高的应用价值。     

基于遗传模拟退火算法的BP算法研究

目前广泛应用于神经网络优化的方法是反向传播(Back Propagation,BP),但是BP神经网络的全局搜索能力很有限.文中探讨了两种全局优化算法:遗传算法(Genetic Algorithm,GA)和模拟退火(Simulated Annealing,SA),以及它们和BP算法结合形成的优化算法,并且比较了它们在神经网络优化中的优缺点.     

基于优化BP神经网络的销售预测算法研究

已知国内房屋售价具有一定的不完整的规律性,其会因季节变换、人群流动、国家相关政策等一系列因素而呈现一定的规律.与此同时,该规律性并没有确定的单一因子可以直接影响,故其售价与全部因素之间的关系也是非线性的.针对这一问题,利用神经网络输入量的非线性、冗杂性和可不完整性,对一段时期内的房屋售价进行预测是一种合理的预测方法.基...     

基于知识和遥感图像的神经网络水质反演模型

为进一步提高遥感图像水质反演的精度，提出了一种基于知识和遥感图像相结合的神经网络水质反演模型。该模型利用遥感图像数据以及与水质相关的知识数据作为BP神经网络的输入，经训练后，确定神经网络的结构，在训练好的BP神经网络基础之上对水质进行反演。以中国太湖为例进行实证研究，实验中，使用的知识数据包括太湖的地理信息知识和先对太湖TM图像上的水域解译进而对水质进行分类的知识。实验结果表明，本文提出的水质反演模型较常规的线性回归模型和传统的神经网络模型有更高的反演精度。     

微震震源定位算法优化研究及应用

微地震监测过程中,如何精准、实时地反演出微地震源的位置对生产应用起到了重要作用.国内外学者通过对微地震震源反演原理的研究提出很多反演方法,如纵横波时差法、模拟退火法、多个参数联合反演等,其中震源扫描叠加算法(source-scanning algorithm,SSA)由于其客观性和易用性得到广泛应用.通过研究微地震定位...     

基于GA-BP的个股超短线预测应用研究

本文将遗传算法（GA）与BP算法相结合的人工神经网络模型学习算法，通过对海信电（600060）股票收盘价进行超短线预测研究，该模型通过matlab编程仿真，通过实验证明了股价超短线预测模型的可行性。     

基于融合算法的测试优化选择问题研究

测试优化选择是个集覆盖问题,而启发式算法是求解集覆盖问题的有效方法。文中将遗传算法、BP神经网络和模拟退火算法进行融合,提出了一种融合算法,该算法充分利用遗传算法全局搜索能力强、BP神经网络训练能力强和模拟退火算法搜索速度快的优点,既避免陷入局部最优的现象,又提高了搜索的效率和精度。该算法已应用于求解测试优化问题。实例证明,该算法能够快速有效地求得测试优化问题的最优解。     

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...     

微震定位系统中拾震器布阵研究

对微震监测中拾震器阵列进行科学有效的布置是保证微震定位系统能有效运行的一个关键条件,设计了4种拾震器阵列布设方案,使煤矿中微震定位监测系统运行得更加科学有效.首先建立复杂地质模型,利用微变网格射线追踪正演模拟出微震源起震到拾震器阵列接收信号的过程,然后在施加随机扰动的情况下,利用粒子群-神经网络算法(PSO-BP)反演推算出震源位置,最后通过震源位置的误差来分析各个布阵方案的特点,同时分析了阵列中拾震器数量的合理值.研究结果表明,在微震监测系统中拾震器利用率最高的情况下,可以给出准确、合理、有效的拾震器布阵方案.     

基于BP算子的自适应混合遗传算法研究

将误差反向传播算法(BP算法)以一个算子的形式融入到遗传算法中,以提高遗传算法的优化性能.其基本思路是:在遗传算法收敛速度放慢时启用BP算子,把新一代群体作为BP算子的初始值再用BP算法训练网络,这样交替运行BP算法和遗传算法,直到达到问题要求的精度.通过对4例实验函数的优化,证明了混合遗传算法具有良好的收敛性和稳定性.实验对插入BP算子的遗传算法和传统遗传算法的优化结果进行了比较分析,结果表明BP算子的插入对遗传算法的优化性能、收敛速度和收敛精度方面都有了很大的改进.     

STM32的四旋翼无人机故障诊断仿真研究

提出了基于BP神经网络的四旋翼无人机故障诊断方法,但考虑到经典BP神经网络算法误差收敛速率慢,训练学习容易陷入局部最优值等缺陷,设计了一种基于改进型遗传算法(Genetic Algorithm)优化BP神经网络.改进型GA算法对编码方式和选择算子进行了优化,同时对交叉和变异算子等参数进行了调整.Matlab仿真表明,改进后的BP神经网络算法的检测性能有了明显的增强,避免了经典BP算法容易陷入局部最优值的问题.     

基于遗传算法和BP网络的物体识别方法

目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大.结合遗传算法的神经网络方法,充分利用GA的全局搜索能力、BP算法的局部搜索能力和鲁棒性强的特性,提出了一种用遗传算法全局优化神经网络拓扑结构和网络权值的新编码方案进行物体识别方法.仿真结果表明,该方法既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又加快GA.BP网络的收敛速度,提高收敛精度且识别率较高,从而验证了该方法的有效性.     

基于遗传算法的港口设备事后维修的单机调度

针对港口设备在损坏后的维修调度问题,即事后维修的调度问题,通过对港口设备的事后维修调度安排进行分析,建立维修设备的调度模型。模型中使用BP神经网络算法来量化港口待维修设备的权值,并利用遗传算法来最小化维修作业任务的总加权完成时间,获得优化后的维修调度顺序和相对应的维修时间安排。通过港口吊具设备的维修算例,展示了优化的调度模型在港机设备中的运用,模型明确了港机的维修顺序,并在保证维修任务完成的情况下节约了维修时间,为港口设备维修计划提供参考。     

基于改进的BP神经网络入侵检测方法研究

针对遗传算法局部搜索能力弱和收敛速度慢,在选择操作之后加上了禁忌搜索算法,并对交叉操作进行改进,最后用禁忌搜索作为变异操作,从而加快算法的收敛速度,并用此改进的遗传算法来优化BP神经网络的权值。实验证明,采用该方法优化BP神经网络权值,能克服BP神经网络收敛速度慢、局部极小问题。     

基于遗传BP算法的神经网络在桩基检测中的应用

文中介绍了传统的遗传算法与BP算法,并分析了它们的不足。提出了一种将遗传算法和BP算法相结合的遗传BP算法,在遗传算法的群体设计中采用小生境技术,防止优秀个体早期退化。并将此方法应用于桩基检测中,实验证明了其正确性和有效性。     

遗传算法优化神经网络权值盲均衡算法的研究

将遗传算法与神经网络盲均衡算法相结合,提出了两段式优化神经网络权值的方案。首先利用遗传算法全局搜索能力强的特点优化初始权值,然后发挥BP算法局部搜索速度快的特点得到最佳权值。经计算机仿真表明,该算法与传统BP神经网络盲均衡算法相比,收敛速度加快,稳态剩余误差减小,误码率降低。     

将KFCM算法应用于源代码挖掘的研究

为解决软件工程数据量大、属性多且多为离散型数据的特点,提高软件工程数据的挖掘效率,寻求更快速、高效的聚类算法,提出了将基于核函数的模糊聚类算法应用于源代码挖掘;同时采用TF-IDF方法对离散型文本数据进行处理,解决了核模糊聚类算法不能对文本数据直接进行聚类的问题.将遗传算法与KFCM算法相结合,克服了KFCM只能求解局部极小值的问题.实验结果表明,改进的KFCM算法对软件工程数据的挖掘有很好的聚类效果,且有较高的效率.