基于前馈多层感知网络的图像边缘检测算法

通过对经典边缘检测算法的研究,提出了基于前馈多层感知网络的边缘检测算法。在训练过程中结合边缘检测的特点对BP算法进行了改进。实验结果表明该算法具有很强的自适应性,能够在很大程度上避免背景及噪声对边缘检测结果的影响。     

基于前馈人工神经网络的miRNA预测

microRNA(miRNA)是一类长度约为20~24个核苷酸保守的非编码小分子RNA,如何能准确预测miRNA一直是生物信息学的难点之一.文中提出一种新的预测方法—粒子群优化的前馈人工神经网络预测miRNA,从331(阴性数据168,阳性数据163)个样本组成的数据集中提取每个样本的36维特征向量训练人工神经网络模型,并用训练好的模型对不同的测试集进行测试,结果表明这种方法平均预测精度达到91.0%,高于传统的SVM预测方法,从而为miRNA预测提供了一个新的研究方向     

基于多层前馈神经网络SPDS算法的地质数据非线性分析问题研究

多层前馈神经网络善于解决非线性分析问题,但对于复杂的地质数据,普通的训练算法难以收敛。首先介绍了SPDS算法,并把它用于解决地质数据的非线性分析问题。算法的仿真实验表明,用SPDS算法训练的多层前馈神经网络,比较好地解决了该问题。     

多层前馈神经网络改进算法及其应用

从前馈神经网络原理分析出发，提出一种速率适应因子方法用于对多层前馈神经网络中BP算法的改进，并将改进的算法用于XOR问题的学习及多重XOR分类器问题的学习。仿真结果表明，改进后BP的算法可显著加速网络的学习速度，并且学习过程具有良好的收敛性及较强的鲁棒性。     

人工神经网络在多传感器信息融合中的应用研究

本文通过严格控制的试验和对采样数据的细心处理,将人工神经网络运用于油品水分检测的多传感器信息融合中。BP网络和RBF网络被公认为比较擅长函数逼近处理,大量的试验数据表明,这两种网络确实能够改善信息融合的性能。最后,作者指出,神经网络训练是否成功,除了神经网络的结构设计之外,数据的预处理也同样是十分重要的,适当的信号噪音能够提高网络的精度和适应能力。在进行实际测量时,数据的有效性、完整性等将影响网络的最终结果。因此对于采样数据的预处理以及训练集的选择将影响到人工神经网络的鲁棒性和普适性。     

人工神经网络BP算法的实现

BP网络是一种得到广泛应用的人工神经网络模型.本文简要介绍了BP算法的原理,并给出了其在VC 6.0中的实现方法。     

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点对中长期电力负荷进行前期预测,结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点,在考虑经济因素的前提下对输入数据进行预处理,采用改进的BP算法最终得出预测结果,文中的算例表明了该方法是可行且有效的.     

基于人工神经网络的板形模式识别方法

根据带钢板形控制的要求,运用人工神经网络理论,提出了一种新的板形识别方法,代替了传统的多项式最小二乘拟合法,该法具有很强的容错性和抗干扰能力,编制了板形模式识别软件,识别效果很好。     

多层前向神经网络在柴油机故障诊断系统中的应用研究

故障诊断是计算机模式识别领域的一个活跃课题。文中提出了基于ANN的柴油机故障诊断方法,设计了适合该诊断系统的BP网络结构,并给出了一种改进的BP算法(IBP),该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明:该算法比标准BP算法具有更快的学习速度和更高的学习精度,完全适用于柴油机故障诊断系统。     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中，存在着含有大量数字信息的文件，实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此，文中提出了一种神经网络的方法来实现数字识别。经实验结果表明，该系统取得了较好的识别精度。     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度。     

基于人工蜂群的 BP 神经网络算法

传统BP神经网络存在容易陷入局部极小点、收敛速度慢等缺点。人工蜂群算法是基于蜜蜂群体的觅食行为而提出的一种新的启发式仿生算法,属于典型的群体智能算法。它为全局优化算法,该算法简单、实现方便、鲁棒性强。针对BP神经网络算法的不足,提出利用人工蜂群算法交叉优化BP网络参数的权值和阈值,实验证明该优化算法确实提高了解的精度,加快了网络收敛速度。     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

基于人工神经网络的中长期负荷预测算法

当前中长负荷预测的大部分方法都衍生于传统的线形统计理论,难以解决复杂的非线性问题。文中结合BP人工神经网络技术,利用人工神经网络所具有的非线性映射和函数逼近功能对中长期电力负荷进行了研究,提出了一种中长期电力负荷预测的思路。并利用北京市的实际数字对未来若干年的用电量进行了预测,实验结果表明,该算法具有较好的准确性和可行性。     

基于神经网络的某超市水产品运营量预测模型研究

随着人工神经网络技术的不断成熟,人工神经网络和预测预报紧密结合起来。结合＂神经网络＋预测＂的开发模式,引入BP人工神经网络学习算法,构建了某超市水产品运营预测模型,并讨论不同结构的BP网络及随机初始化对预测结果的影响,同时进行了神经网络预测方法和其它预测方法的比较。     

基于人工神经网络的混凝土碳化深度研究

介绍了BP神经网络的基本概念与结构,提出了计算和预测混凝土碳化深度的神经网络模型。建立1-3-1单因子(时间)输入向量网络与传统回归分析方法进行比较;建立6-4-1多因子输入向量网络计算及预测混凝土碳化深度。分析结果表明该模型计算和预测精度都能达到工程要求,适合在工程中应用。     

基于BP人工神经网络的图像压缩技术过程及分析

本文介绍了BP人工神经网络在计算机图像压缩中应用的原理,对其实现的过程进行了详细的阐述,并通过采用非线性网络和最速下降法实现了图像压缩。分析结果表明:可以通过牺牲压缩率,增加隐含层的神经元数来提高重建图像的质量。     

人工神经网络技术的发展与应用

神经控制是一种新型的控制系统,其在动态模拟、建模和控制方面应用广泛。为了更好地研究人工神经网络技术,对人工神经网络的起源和发展历史作了回顾,阐述了人工神经网络的一般结构特性,讨论了几种常用的人工神经网络的忧缺点以及目前在工程应用中的情况,并用较先进的例子对其应用作了说明,然后对其发展与应用作了展望,以期对人工神经网络的研究与应用提供参考。     

基于自组织神经网络的烧结终点自适应预报系统的开发

烧结终点的在线检测和提前预报对于稳定终点,进而提高烧结矿强度和产量、降低能耗有重要意义。文章介绍了烧结终点的软测量方法;提出了一个新的预报参数——风箱废气温度曲线拐点;将多层前向人工神经网络应用于烧结终点的预报,对BP算法做了较大改进,使学习算法可以自组织神经网络的结构。应用这些技术开发的烧结终点自适应预报系统能够快速、准确地判断和预报烧结终点的状态,可用于在线操作指导或作为自动控制的依据。     

遗忘神经网络模型及其BP算法

为解决跨时间数据训练神经网络时的数据选择问题，提出在神经网络的训练模型中引入遗忘系数，从而建立了一种改进的前馈神经网络模型——遗忘神经网络模型。介绍了该模型的基本原理，并给出了其BP算法。