基于BP神经网络算法的可见光图像热目标自动识别技术

BP算法即误差逆向传播学习算法,按照BP算法进行训练的多层神经网络被称为误差逆传播神经网络,即BP神经网络。BP神经网络按有人管理示范的方式进行学习,学习期间网络误差由后向前传递修正各权值和阈值。本文将主要探讨基于BP神经网络算法的可见光图像热目标自动识别技术。     

一种基于数值计算的改进BP神经网络加速算法

为增加神经网络收敛的稳定性与收敛速度,提出了一种改进的网络优化加速算法.在权值调整期间加入前N期权值结果,增强了训练的稳定性;使用Steffensen迭代算法进行加速,使网络训练较快地收敛;有效地解决了传统BP神经网络的缺点.进行数值实验,将10幅二值化后的车牌数字字符图片作为训练样本送入改进的网络与传统的BP神经网络中分别进行训练,可以看出传统BP算法在训练过程中出现了振荡且收敛速度较慢.而改进的算法误差稳步下降,没有出现传统算法中振荡的现象,且较传统算法早达到收敛稳定.     

基于高速动车组重联网络控制系统时延的研究

文章首先建立高速动车组重联网络控制系统模型并分析前向通道与反向通道时延,基于BP神经网络递推预测的方法对网络控制系统未来的输出进行预测。然后提出一种快速隐式广义预测控制算法(IGPC)对预测的时延进行补偿,IGPC算法的原理是根据系统输入与输出数据,并利用广义预测控制(Generalized Predictive Control,GPC)算法与动态矩阵控制律(DMC)的等价性,直接求解最优控制律。IGPC算法比GPC算法的计算量更小且效率更高,既能节省时间成本又能保证高速动车组网络控制的实时性。最后将BP神经网络递推预测的方法与IGPC、GPC结合起来,分别采用无时延补偿基于BP神经网络预测的GPC算法、有时延补偿基于BP神经网络预测的GPC算法及有时延补偿基于BP神经网络预测的IGPC算法进行实验仿真,实验结果表明:相比较于其它两种算法,有时延补偿基于BP神经网络预测的IGPC算法可较好地跟踪标准参考方波,在初始阶段的震荡时间最短且超调量也最小。故有时延补偿基于BP神经网络预测的IGPC算法为最优算法。     

基于蚁群BP神经网络算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络算法的迭代次数N比传统算法少50%,运行时间T快60%。这说明蚁群BP神经网络算法在六维力传感器解耦研究中有着很好的应用效果。     

BP神经网络在无线传感网实时定位中的研究

本文提出了一种基于接收信号强度并结合BP神经网络算法的一种新型定位方法。该方法首先建立一个定位环境模型,用有限数量的参考节点先组建一个无线传感器网络。然后采集样本数据,读取RSSI和实测盲节点的位置坐标,把这些数据用作训练和测试BP神经网络模型。最后把得到的BP神经网络模型应用于具体问题并检测应用效果。经实践检验,该定位方法在短距离定位中比较可行,具有较好的定位性能。     

基于BP神经网络的仓储小麦的生理生化指标预测

BP神经网络算法在粮食仓储领域拥有巨大的应用价值和潜力。本研究尝试将BP神经网络引入仓储小麦品质预警模型,以天津储粮抽检数据为对象,通过对室内温度的记录,样品水分、淀粉、蛋白质等11项生理生化指标的定期检测,利用BP神经网络算法进行仓储小麦的品质预测与影响分析。仿真结果表明,基于BP神经网络的数据预测方法具有较小的过程误差和较高的结果准确性,为仓储小麦的品质预测提供了一种有效的研究方法。     

改进的WKNN算法研究

在不同室内定位算法中,传统WKNN算法原理简单易于实现,但基于该算法的定位结果往往存在定位误差较大、精度不高等问题。为了克服这种不足,将改进的WKNN算法引入室内定位。此方法通过观测每项实测值与存储值的差异量,赋予修正权重值来减少错误信号强度值对整体指纹距离的影响,经实验结果表明,改进后的WKNN算法能够有效减小室内定位误差,优化室内定位精度。     

BP神经网络在数控伺服系统中的应用

在分析三环伺服系统的基础上,针对传统PID控制的不足,将BP神经网络与常规PID控制相结合,提出了一种基于BP算法的PID控制新策略,通过编写有关程序,应用Matlab进行仿真运行.仿真实验表明系统跟随输出响应迅速,超调小,调速精度高,且能适时对参数进行在线调整,表现了很好的自适应性和鲁棒性,能很好地满足系统设计要求.     

基于思维进化神经网络的细纱断裂强度预测

探讨一种基于思维进化算法优化BP神经网络的细纱断裂强度预测方法。利用思维进化算法对BP神经网络的阈值和权值进行优化,发挥在全局寻优方面的优势。试验结果表明:基于思维进化算法优化BP神经网络预测模型比单一的BP神经网络预测模型具有更高的准确性,该模型的细纱断裂强度预测值与实测值之间的平均绝对百分比误差和均方根误差下降明显。认为:基于思维进化算法优化BP神经网络模型具有更好的综合预测性能。     

基于BP神经网络的变形监测数据处理

变形监测是大型建筑物、构筑物安全运营的保障性工作,从而避免灾害的发生,则需要进行相应的预测预警。本文通过基于BP网络模型的变形监测与基于遗传算法的BP网络模型的变形监测的对比,表明所建立的GA-BP模型预测输出的误差要优于单一的BP神经网络模型,能更加有效、可靠地预测相关变形。