BP神经网络算法的改进及在Matlab中的实现

分析了BP神经网络算法收敛速度慢的原因，研究了一种提高其收敛速度的方法，即将动量法和批处理方法结合起来对BP算法进行改进，提高学习速度，并给出了算法思想，用Matlab神经网络工具箱对神经网络进行了初始化和训练，仿真测试结果证明该方法是可行，具有实用性。     

BP网络学习算法改进方案的探析

Ｂ Ｐ 网络是目前应用最为广泛的神经网络,但由于 Ｂ Ｐ 网络采用的是梯度下降法,这就不可避免地会出现网络学习收敛速度慢及容易陷入局部极小等问题。此外,学习因子和惯性因子选取对网络的收敛有较大的影响,但它们只能凭 经验确定。因此, Ｂ Ｐ 网络的有 效应用受到 了一定的限 制。针对 Ｂ Ｐ网络的学习收敛速度慢这一主要缺陷,对改进激励函数、改进 误差函数、改进一般化误差、学 习因子和惯性因子的自适应调整、梯度下降法与直接搜索法相结合、全局 优化、非线性优化、拓仆修正算 法等多种改进方案按改进原理进行了分类综述,并在此基础上,通过解决 Ｘ Ｏ Ｒ 问题的仿真实验对部分改进方案进行实验性评价,分析说明了它们的优劣和特点。     

BP神经网络Vogl快速算法的改进

针对 BP算法收敛速度慢的特点 ,提出了对 V ogl快速算法的改进方法 .实践证明此改进方法使BP算法的收敛速度得到了较大的改善     

神经网络BP算法的研究,实现及改进

给出了目前较流行的一种神经网络学习算法－－神经网络ＢＰ算法的数学证明及计算机实现，并在此基础上提出了几种改进算法。计算机模拟结果表明，改进算法提高了学习速度与精度，应用于工程图形元素识别效果良好。     

BP神经网络及其改进

介绍了标准BP算法及其优缺点，并针对其存在的缺陷，从各个不同的方面对BP算法提出了改进，并对各种改进方法的原理及优缺点作了详尽的分析，从而使BP神经网络更广泛地应用于各个领域．     

多层神经网络的一种新的学习算法

给出前馈式多层神经网络的一种新的学习算法，该算法的特点是单参数动态搜索，大大减少了误差函数的计算量。给出了详细的算法描述。计算结果表明，新算法的收敛速度较现行的Ｂ－Ｐ算法有明显的改进。     

BP神经网络及其改进

介绍了标准BP算法及其优缺点,并针对其存在的缺陷,从各个不同的方面对BP算法提出了改进,并对各种改进方法的原理及优缺点作了详尽的分析,从而使BP神经网络更广泛地应用于各个领域.     

PID神经网络的研究和改进

针对PID神经网络能根据控制效果进行在线自学习调整及具有无静差控制效果等特点,通过分析PIDNN控制算法存在的局限性,提出了对误差进行分级的改进算法.对改进的算法进行仿真,结果证明该方法能有效地改善网络的性能.     

一种改进的基于 ART2神经网络的文字识别算法

为了解决 ART2神经网络的漂移问题,提出了一种改进的基于 ART2神经网络的文字分类和识别方法.此方法能够自主学习,收敛速度快,识别率和识别速度都比 BP神经网络高.实践证明,基于此设计的脱机手写体文字识别系统能对较规范的手写体文字进行识别,识别率达到85%.     

LMBP神经网络算法的改进

针对LMBP神经网络算法的一些不足,如计算量大,收敛速度慢等特点,提出一些改进方法,即将求逆矩阵G-1移到等式左边,用直接分解法求解,极大地减少了计算量,并且采用变步长代替原来的固定步长.通过结合聚合釜的现场数据集进行故障诊断的仿真实验,结果表明所提改进LMBP故障诊断方法有效、可行.     

一种基于遗传操作的神经网络混合训练算法

介绍了一种改进遗传算法的基本操作,并讨论了综合应用遗传算法及ＢＰ算法进行神经网络的权值训练。通过实例比较和分析了这种混合算法与ＢＰ算法的实验效果。     

BP神经网络在农业发展中的应用

本文简述了BP神经网络的基本原理,提出了一种基于BP神经网络对农业增加值占国内生产总值的比重的测评模型。实验表明,该模型的辨识精度高,能正确实现。     

GA-BP神经网络算法在中文分词分析中的应用研究

目前,采用神经网络来进行分词的方法已有出现。在实现BP网络分词的基础上采用BP网络与改进的遗传算法相结合的方法对已有的方法进行改进,网络容易陷入局部极小的问题得到了较好的解决,收敛速度得到了提高,分词效果得到了很大的改善。     

基于人工神经网络的原油触变特性参数计算

基于Levenberg-Marquardt算法的前馈BP网络的原油触变特性参数计算方法,计算触变特性参数精度高,不依赖于具体的函数形式,能有效克服传统计算方法的不足。     

基于遗传算法和神经网络的因素分析

提出了一种基于遗传算法 (GeneticAlgorithm)和通用神经网络 (GeneralizedRegressNeuralNetwork)的因素分析法———GA GRNN因素分析法。从理论和实验两方面分析了该方法的原理、可行性和实际效果。     

基于改进Elman神经网络的氧化铝浓度控制建模

铝电解过程是一个非常复杂的非线性、时变和大滞后的工业过程体系,因而采用常规的控制方法很难达到良好的控制效果。针对此问题本文提出了采用改进的Elman神经网络对其进行建模,介绍了改进Elman神经网络结构及其学习算法;分析了影响氧化铝浓度的主要因素,并根据实际情况确定了输入层和中间隐层的维数,从而确定了模型的结构。通过对现场采集的数据进行了仿真,仿真结果表明：与常规Elman相比,神经网络收敛速度和稳定性上都有明显提高,得到了令人满意的结果。     

多层神经网络学习算法的研究

在样本的学习过程中引入了求解复杂优化问题比较有效的多级优化技术，将一个复杂的多层神经网络权值优化问题分解成多个相对简单的优化子问题，然后利用迭代的策略进行求解，并提出了一种改进的ＢＰ算法，提高了学习效率。     

有效的神经网络问卷分析系统

由于对问卷制作的重要性缺乏认识,人们往往把简单制作并使用后的问卷随手扔在一边。为了克服这种毛病,我们急需研究一套制作优良问卷的方法。本论文将介绍,为了制作优质问卷而采用的ＥＥＳＭ系统,即问卷内容分析、应答资料分析、问卷内容评估以及问卷的难度、问卷的分辩率、错误答案的有效率分析系统。运用ＥＥＳＭ系统之后,比起常规的学习评估系统,学习率明显得到加强。     

人工神经网络

本文介绍了人工神经网络的概念,阐述了神经网络的一般结构和分类,以及神经网络的训练算法及其范化能力的改进．并综述了神经网络的应用。     

基于GA与BP神经网络的网络入侵检测组合模型研究

针对入侵检测系统产生的高维数据的处理问题,提出基于GA与BP神经网络的入侵检测组合模型进行特征选择。为了优化入侵检测分类算法,利用遗传算法适合复杂系统优化的特点,去除入侵检测数据多维特征属性中的冗余部分,将入侵检测数据特征属性对应到染色体,BP神经网络的分类准确率作为种群个体的适应度值,通过遗传算法的全局搜索能力,找出对分类算法最有影响的特征属性组合,从而达到降维的目的。采用KDD99数据集进行分析,实验表明,经过组合算法特征选择的数据能在分类正确率、运算时间、运算稳定性等方面取得更优的效果。