共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
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. 相似文献
3.
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。 相似文献
4.
《轻工机械》2016,(1)
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。 相似文献
5.
6.
7.
8.
倪永宏 《郑州轻工业学院学报(自然科学版)》2010,25(6)
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. 相似文献