基于LM优化算法的BP神经网络目标识别方法

误差反向传播算法（Back-propagation简称BP算法）是当前前馈神经网络训练中应用最多的算法。针对BP算法存在局部极小点，收敛速度慢等缺点，通过采用基于优化理论的Levenberg-Marquardt（LM）算法来改进BP算法。对提取的目标瞬态特性特征归一化后作为BP神经网络的输入，通过Matlab仿真对网络进行调整，并将训练好的网络进行军事目标识别。结果表明，该方法合理可行，且收敛速度快，预测精度高，为目标识别提供了一种新方法。     

GA-BP网络建模在套料钻性能预测中的应用

将BP神经网络建模技术和遗传算法(GA)应用于套料钻性能预测。利用BP神经网络建立套料钻性能预测模型,通过比较实际误差梯度值与给定误差梯度值,来确定BP网络是否处于局部极小状态;GA仅在BP网络处于局部极小时进行学习,对BP网络的连接权值进行优化。BP神经网络和GA两者的有效结合可以解决BP算法固有的缺陷,如收敛速度慢、易陷入局部极小等。套料钻加工性能试验结果表明预测结果和实际结果吻合程度较好,验证了GA-BP网络模型在套料钻性能预测中的有效性和准确性。     

基于遗传神经网络的机械振动信号预测

针对传统的BP神经网络学习算法存在易陷入局部极小及收敛速度慢等缺陷,文中提出了利用实数编码改进遗传算法对神经网络进行优化训练,并把训练好的神经网络用于对机械振动信号的预测, 并与传统BP算法以及改进BP算法预测结果进行比较,充分证实了文中方法的有效性.     

混沌模糊神经网络在导弹故障诊断中的应用

在某型导弹测试设备故障诊断神经网络知识库的组建过程中,针对BP算法易陷入局部极小、收敛速度慢的缺点,将混沌机制引入常规模糊神经网络算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题.通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用于导弹地面测试设备的故障诊断中,并可方便地应用于其它方面.     

基于混沌神经网络的供配电系统故障诊断

基于混沌神经网络的供配电系统故障诊断,采用引入动量项和混沌映射的改进BP算法.先分析系统典型故障,建立典型网络模型.在BP算法中加入动量项和混沌映射,选择神经网络初值.再进行学习训练,分别给训练后的子网络输入现场采集的装备数据,通过网络直接获得故障诊断结果.     

基于自适应卡尔曼滤波器的神经网络算法

针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明, 该算法比BP算法在收敛速度方面有明显提高.     

神经网络算法在自适应卡尔曼滤波器中的应用

针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明,该算法比BP算法在收敛速度方面有明显提高.     

几种基于神经网络的导弹惯性器件故障预报方法及其性能比较

研究了标准BP网络、改进的BP网络(带动量的自适应BP网络)、 L-M网络和RBF网络及其学习算法, 探讨了基于这四种神经网络的导弹惯性器件故障预报方法, 并通过仿真实验对四种网络的预测预报性能进行了分析比较.结果表明, L-M网络和RBF网络对惯性器件的故障预报比两种BP网络更准确, 收敛速度更快.     

焊条熔敷金属抗拉强度预报神经网络模型

基于人工神经网络原理,以酸性焊条配方为研究对象,在生产数据支持的基础上,建立了反映焊条配方与熔敷金属抗拉强度之间映射关系的神经网络模型。采用BP算法训练网络。研究结果表明,该模型预测的结果同生产实际值之间有很好的对应关系。根据网络估测的结果可定量地进行焊条性能预报。为焊条的设计提供了一种科学方法。     

BP网络泛化能力的改进方法

改进的BP算法把检验网络得到的性能指标J反馈回神经网络训练中,利用J和testJ构造出新的性能指标newJ,通过训练和检验的性能指标加权得到神经网络最优权值和阈值.用检验样本集间接地调整网络参数,使网络既能搜索更优解又不过早陷入局部极小值,从而提高网络的泛化能力.     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

基于粗糙集和BP 神经网络的导弹备件消耗预测

针对神经网络预测导弹备件消耗时参数过多会导致事件过长并易陷入局部最优的问题,建立一种基于粗糙集和BP神经网络的导弹备件消耗预测模型。在对采集到的导弹备件消耗信息进行特征提取、形成决策表的基础上,用粗糙集理论对原始信息表进行约简,去除冗余的属性和属性值,并将约简的影响因素值输入到BP神经网络中进行训练预测。实例结果表明：该预测方法大大减少了网络的收敛时间,提高了模型的预测精度,为导弹备件消耗预测提供了一个新的思路。     

基于神经网络的RE-Ni-Cu合金铸铁腐蚀性能预测

通过动态质量损失法腐蚀试验获取RE-Ni-Cu合金铸铁在高温浓碱液中的实测腐蚀深度,并将其作为样本数据用于BP神经网络的训练和验证;利用MATLAB的工具箱函数分别建立拓扑结构为4×15×1和4×15×8×1的BP神经网络,并对两个网络模型进行比较研究。结果表明,在样本集和训练条件下,4层BP网络的预测精度明显高于3层BP网络,可用于RE-Ni-Cu合金铸铁在高温浓碱液腐蚀系统中的腐蚀性能预测。     

改进型BP神经网络在织物悬垂性能中的预测应用

基于改进型BP神经网络,建立反映织物结构参数与织物悬垂性能之间关系的三层网络模型,对织物的悬垂性能进行预测.其步骤包括通过优选样本、优选参数及网络学习前后的数据变换处理确定训练样本,以及神经网络的结构设计.实验结果表明,改进型BP神经网络能较准确预测织物的悬垂性能指标.     

基于BP神经网络的超声无损测定表面开口裂纹高度

为了准确测量服役材料中的裂纹高度,研究了基于端点回波反射法的BP神经网络模型,进行了K值及对应高度裂纹的端点反射波声程差共28组数据作为输入向量对网络训练。结果表明:网络预测值与实际裂纹高度符合得很好,绝对误差均保持在±1mm之间;可以准确快速地预测表面开口裂纹高度,实现测量的智能化。     

基于遗传算法优化支持向量机的航空装备维修费用预测

针对传统航空装备维修费用预测方法难以计算得到满意结果的问题,建立遗传算法优化支持向量机的航空装备维修费用预测模型。将遗传算法与支持向量机相结合,利用遗传算法对支持向量机的参数进行优化,通过实例对GA-SVM模型的应用进行分析对比。结果表明：在航空装备维修费用预测中,该模型比SVR、BP神经网络、偏最小二乘回归以及传统普通多元线性回归方法,具有更高预测精度和泛化能力。     

基于BP 神经网络的装甲车辆发动机使用状态评价

为综合预测装甲车辆发动机使用寿命,应用相关性分析优化发动机使用影响因素指标体系,定义发动机使用条件修正系数,对发动机使用状态样本数据进行分析与处理,构建BP神经网络评价模型,并利用获得的样本数据对网络进行训练和检验。结果表明：该方法能定量评价装甲车辆发动机使用状态,为预测装甲车辆发动机使用寿命提供一种新方法。     

基于BP神经网络的武器装备研制项目风险评估模型

应用BP神经网络对武器装备研制项目风险进行评估.先建立评估模型,再求出模型中误差函数调节的连接权值和阈值,并将输出层作为网络结果输出.其训练网络的样本集为可信度高的权威性评价结果,可通过专家对以往类似装备研制过程的数据进行总结得到.将训练的权值和阈值储存,对拟评价的项目进行预测.     

基于人工神经网络和混合遗传算法的炸药爆速预测

运用基于最优保存和自适应交叉变异的混合遗传算法训练的BP神经网络,根据三维数据建模和炸药的分子量、氧平衡以及装药密度,构建了一个3-4-1型的炸药爆速预测BP神经网络模型。同时利用训练好的神经网络模型对炸药的爆速进行了预测。预测结果表明:模型预测值与有关文献的实验值接近,绝对误差为±7%;也说明了炸药的分子量,氧平衡和装药密度等相关参数与其爆速具有一定的可类推性。     

人工神经网络在合金铸铁腐蚀深度预测中的应用研究

通过动态和静态质量损失法腐蚀试验获取BP神经网络的样本数据,利用MATLAB的工具箱函数建立用于预测动态和静态腐蚀深度的BP神经网络模型,并对两种腐蚀试验方法的预测误差进行比较研究。结果表明,5×8×10×1BP神经网络可用于合金铸铁在烧碱液中的动态和静态腐蚀深度的预测,且腐蚀试验的样本数据越精确,5×8×10×1BP网络对腐蚀深度的预测误差则越小。