采用进化计算的BP神经网络学习算法研究

针对ＢＰ神经网络中存在的局部极小问题,本文提出了采用进化计算方法改进ＢＰ学习算法收敛速度的新方法,理论分析和数字仿真表明算法有很好的效果。     

利用改进的BP算法实现神经网络辨识仿真

系统辨识是控制系统设计的基础。基于多层前馈神经网络结构,采用一种改进的BP算法,利用二阶梯度变尺度模型,完成了神经网络非线性系统辨识。与传统的辨识方法比较,神经网络应用于非线性系统辨识具有泛化功能和很好的容错能力,是一种不依赖模型的自适应函数估计器。采用一种改进的BP算法有效地改善了系统收敛速度慢的问题,BP模型已成为神经网络的重要模型之一,从而为控制系统正确设计奠定理论基础。     

基于网格服务的分布式BP分类算法研究

在分析传统集中式BP算法对海量高维数据分类不足的基础上,结合网格服务和粗糙集约简的思想,提出了基于网格服务的分布式BP分类算法（Distributed BP Classification algorithm based upon Grid Service,DBPC-GS）。仿真实验表明,粗糙集约简使得BP网络处理高维数据的复杂度大大降低;同时与传统集中式BP分类算法相比,DBPC—GS算法的平均耗时明显下降,CPU的负载也下降了约40％;且GBPC—GS算法仍然保持较高的分类精度。     

经济评价中神经网络BP算法应用的探讨

1987年Lapedes和Farber首先应用神经网络进行预测,开创了神经网络预测技术的历史,这就为我们在产品价格预测领域,探索一些新的算法理论及技术,开辟了一条崭新的道路。 所谓人工神经网络(Artificial Neural Networks)简称神经网络(ANN),就是基于模仿生物大脑的结构和功能,而构成的一种信息处理系统,目前国际上ANN的应用主要是基于一般计算机的软件模拟来实现的。 神经网络为什么可以应用于预测呢?因为ANN是     

基于虚拟信源的无损数据压缩方法研究

本文首先提出了虚拟信源概念和基于虚拟信源构建数据压缩方法的思想，设立了0与1的字符长串的通用虚拟信源Y，然后用神经网络建立了虚拟信源Y的模型，又用该模型和一个取整函数构造出了基于虚拟信源的无损数据压缩方法。实验表明，一些情况下此压缩法的压缩比为3：1，该压缩方法体现了虚拟信源建模思想，它与已有的熵编码（无损）压缩方法考察数据压缩问题的角度完全不同，它能压缩一些已用熵编码压缩过的数据。它与高保真的小波编码方法结合能获得一些高压缩比又高保真的数据压缩实例。     

人工神经网络的BP算法及其应用

在一般人工神经网络的BP算法的基础上,研究了BP算法所遵循的数学基础,指出其存在的缺陷和不足,并给出改进方法。探讨了MATLAB环境下实现人工神经网络BP算法的编程方法及方法改进比较的例子,得到了良好的结果。     

基于检查点算法的网格计算容错机制研究

文章设计了一个基于网格计算的任务迁移与恢复模型，指出了该模型的各模块功能架构．并进一步分析和比较了该模型容错的检查点存储方式及其信息编码算法，最后通过实现一个基于Checksum算法的容错CG求解器实例表明相关理论的有效性。     

基于改进BP算法的数字字符识别

本文利用BP神经网络算法，在MATLAB环境下，分别用理想字符信号和含噪声字符信号对同一网络进行了训练，使系统具有较强的容错性。最后用实际扫描的不同字体字符进行了识别实验。实验结果证明了系统在实际应用中的可行性。     

嵌入式GPS车载系统定位数据压缩算法的实现

根据嵌入式系统的特征，分析数据压缩模型工作原理，结合GPS定位数据的格式和特点，创造性地提出了嵌入式GPS定位数据的实时压缩的新算法，并通过模拟仿真得到验证，效果显著。     

GMRES算法在新型轻量级网格平台XtremWeb上的实现

通过使用很多数量未利用的空闲计算资源，网格计算可以获得高计算吞吐量。文章介绍通过使用一个新型轻量级网格系统Xtrem Web实现一个典型的并行方法GMRES算法。这个全局计算平台，和很多个流行的网格系统一样，利用窃取CPU周期技术，致力于解决多参量一般型应用。一个解决大型非对称线性问题的重要算法GMRES（m）算法就在这个平台上实现。     

面向网格计算的高效可配置数据传输协议

针对目前主流的数据传输协议难以有效应对网格计算的问题,提出了一种面向网格计算的高效可配置数据传输协议(ECUDP)。ECUDP基于标准的用户数据报协议(UDP)协议,在保证高效通信的前提下,解决了UDP可靠性不足的缺陷。同时,通过可配置的功能模块,ECUDP能够满足不同网格应用的传输需求。实验结果表明,ECUDP可以在不同的网格计算情景中非常有效的运行,分析模型能够结合实际情况对其性能做出较为准确的预测。     

云计算技术中大数据SLIQ算法研究

数据信息交流和社交方式在互联网+时代都呈现了新的发展态势,自媒体等新的数据产生方式让大数据时代来临。海量数据在大数据时代需要新的技术手段和方法,对数据存储、处理、检索和计算进行新的设计,尤其在数据挖掘领域,面临很多新的课题和挑战。当前,很多的传统数据挖掘算法只能在数据量较小的情况下适用,在串行的小规模输入数据环境下,算法还能适应。当数据量规模增大甚至呈指数形式增长时,时间复杂度和计算量也同步增长,需要对算法进行适应大数据的改进。云计算和云平台的使用为存储和分析海量数据提供可靠的实现手段,对数据挖掘算法的改进提供了高效的解决方案。文中在Hadoop、MapReduce框架下开展并行的SLIQ算法改进方案,改进算法很好地适应了云平台环境和海量数据,提高了运行效率。     

A universal algorithm for sequential data compression

A universal algorithm for sequential data compression is presented. Its performance is investigated with respect to a nonprobabilistic model of constrained sources. The compression ratio achieved by the proposed universal code uniformly approaches the lower bounds on the compression ratios attainable by block-to-variable codes and variable-to-block codes designed to match a completely specified source.     

基于遗传算法的BP神经网络在图像压缩中的应用

以神经网络和遗传算法为代表的进化算法都基于智能信息处理的理论,但是各自都存在一些缺陷.设计并实现了基于遗传算法的BP神经网络算法BP-GA,该算法将遗传算法和BP算法相结合,用基于实数编码的遗传算法优化神经网络的权值后,应用于图像压缩.实验证明,利用此混合神经网络进行图像压缩,压缩比高,图像恢复质量效果好.     

一种网格概率多目标数据关联算法

针对多目标跟踪中数据关联问题,提出了一种基于网格概率的数据关联算法。该算法首先计算出关联门内全部回波的关联系数,然后利用网格概率的思想将关联系数小的有效回波的系数值配权给其它有效回波,同时对于两跟踪波门交叉区域内的有效回波也使用配权法分别分配给两个跟踪波门内的其它邻近回波,最后通过概率加权进行数据关联。仿真结果表明,该算法能够有效解决多目标跟踪中的数据关联问题,并且有较高的关联正确率,而且CPU占用时间较短。     

基于BP神经网络的智能电网配电系统改进算法的研究

提出一种基于BP神经网络的智能电网配电系统改进算法.由于BP网络是一种按误差逆传播算法训练的多层前馈网络,具有学习性,可以根据已有的配电参数样本集进行训练,从中分析出内蒙古各地区根据时间不同所配电的分配情况的内在联系,实现对以后配电系统进行自适应控制.该算法的优点就是在构造过程考虑了BP的预测精度和训练时间,采用了梯度下降法的方法,进行Matlab仿真实验,获得了较为准确的预测结果.     

深度学习驱动的智能电网运行图像数据压缩技术

随着智能电网的快速发展,用于监视电网运行状况的测量设备大规模投入,其产生的海量运行图像等监视数据由于规模大、维度高、数据冗余等问题难以得到有效利用。为了进一步提高电力大数据的分析应用能力,文中提出一种基于深度学习的电网运行图像数据压缩方法,考虑电网图像监视数据在时序上的耦合关联,通过卷积神经网络对电网运行图像数据进行压缩,有效减少了电网运行图像数据的冗余度。与其他方法相比,基于卷积神经网络的图像数据压缩模型不依赖于人工的数据特征提取和工程经验,可以直接以电网中采集到的原始图像数据的灰度函数作为模型的输入,将数据的特征提取和分类合二为一,实现电网运行图像数据的高效、便捷压缩。通过仿真进行了文中所提方法有效性的验证,结果表明,与其他神经网络相比,所提方法在电网图像压缩效率及压缩精度中具有较强优势。     

合成孔径雷达原始数据幅相压缩算法

针对现代合成孔径雷达(SAR)对相位信息越来越高的要求,该文根据SAR原始数据幅值和相位统计独立的分布特点,提出了对SAR原始数据的幅度和相位分别进行量化的幅度相位压缩算法,即AP(Amplitude ＆ Phase)算法;介绍了算法原理和实现流程图;在实验基础上分析了算法的性能;并将该算法与BAQ算法相比较,验证了AP算法能够很好地保留原始数据的相位信息的特点。     

一种云计算环境下海量数据安全特征提取算法

面对云计算环境下大规模数据和多变入侵行为,提出了一种云计算环境下海量数据安全特征提取算法。该算法在定义最佳提取特征指标的基础上,构建基于改进离散狼群算法(Improved Discrete Wolf Pack Algorithm,IDWPA)的安全特征提取模型,最大限度的降低了提取特征冗余度和问题复杂度。针对安全特征提取问题特点,重新设计IDWPA个体编码方式和更新策略,并将IDWPA应用于安全特征提取模型求解,从而实现了最佳安全特征提取。仿真结果表明,相比于其他特征提取算法,基于该算法特征提取的数据分类准确率明显改善。     

基于LabWindows/CVI的自动测试系统数据管理平台的实现

文章论述了基于LabWindows/CVI环境,利用SQLToolkit工具包,通过建立数据表,添加、查询、删除记录等数据库操作,实现对板级自动测试系统中测试数据的管理。