基于改进BP学习算法的GPS高程转换

针对标准BP算法在GPS转换中的不足,给出改进的BP学习算法,通过对工程实例分析比较得出改进的BP算法在转换GPS高程中可以大大减少BP神经网络的训练时间,提高高程转换的效率.     

基于BP神经网络模型的遥感图像道路分割处理方法研究

图像分割是军事目标识别的主要处理方法.由于神经网络对于解决目标识别问题具有适合用于高速并行处理系统、可以实现特征空间较为复杂的划分等优势,采用神经网络模型在复杂的遥感图像背景中,识别出宽度很小的道路是较为理想的.在简单介绍BP神经网络模型的基础上,论述了BP神经网络模型在目标识别中关于道路分割问题的处理方法,并以实例证明了采用BP神经网络模型对遥感图像进行分割,得到的结果图像能够从复杂的背景图像中分割出道路,并能清楚地反映道路的方向和分叉,对于遥感图像的目标识别有重要的实用价值.     

一种BP神经网络改进算法的研究

为提高神经网络传统BP算法的训练速度,以3层神经网络为例,通过对权值的分析与优化,推导出改良的BP算法——双权值迭代优化法,并对该算法与传统算法进行了比较,通过比较发现,新算法在保证精度的前提下可节省训练时间,同时对该算法特点进行了总结。     

一种基于双曲函数的BP网络改进算法

提出了一种新的BP(Back Propagation)网络权值调整规则算法。该算法以双曲函数为基础,将BP网络输出层节点的实际输出值与期望输出值的差作为双曲函数的输入,输出为权值的变化量。实例仿真表明,该算法简单,容易实现,加快了网络的学习速度,提高了学习效率。     

基于BP神经网络的风机转子故障诊断

应用BP算法对转子进行故障诊断，首先论述了BP算法的基本原理，然后提出了输出模式矩阵的改进方法，既将常用的单位矩阵来表示的故障模式转变为二进制结构，由此简化了网络结构，明显减少了样本训练次数，提高了计算故障诊断中对单一故障尤为有效，最后通过实例进行分析，证明这一方法对提高运算速度十分有效。     

BP网络的SPDS训练算法的鲁棒性

证明了作为BP网络的训练算法之一的SPDS算法在收敛的同时具有鲁棒性这一良好性质、实例也 证明了SPDS算法较之BP算法在鲁棒性问题上有较大进步．     

正交投影神经网络的BP和GS杂交学习算法

主要讨论具有单隐层的正交投影神经网络的权值和阈值的学习问题,提出了一种新的将BP算法和GS算法相结合的杂交学习算法,其中GS算法对隐层到输出层的权值和阈值进行学习,BP算法用于输入层到隐层权值的学习,并给出一种最佳的隐层节点数的选取方法．仿真实验表明,该杂交学习算法具有学习速度快且能获得全局最优解的特点,并可有效地对学习过程中出现的病态情况进行求解,具有良好的普适性。     

改进SSA优化的BP神经网络交通量预测模型

为更加准确地进行交通量预测,针对传统的BP神经网络随机赋值、收敛速度慢等问题,提出了改进麻雀搜索算法（sparrow search algorithm,SSA）优化的BP神经网络预测模型。该模型结合SSA位置更新原理和鸡群优化算法中公鸡位置更新方法对麻雀搜索算法进行改进,在避免算法陷入局部最优和位置更新无效的同时有效地提高了算法的收敛速度。利用改进麻雀搜索算法对BP神经网络的权值和阈值进行寻优赋值,得到了改进SSA-BP神经网络预测模型。利用交通量数据,对LSTM神经网络、BP神经网络、SSA-BP神经网络和改进SSA-BP神经网络4种预测模型进行训练和测试,以MAE、MAPE、MSE、RMSE和EC 5个指标对预测结果进行对比分析。结果表明:BP神经网络优于LSTM神经网络,且麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了0.28 veh/(3 min)、MAPE降低了1%、MSE降低了2.72 veh/(3 min)、RMSE降低了 0.04;改进麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了1.31 veh/(3 min)、MAPE降低了4%、MSE降低了9.2 veh/(3 min)、RMSE降低了0.18,且拟合度更接近于1。改进SSA-BP预测模型的性能优于SSA-BP神经网络预测模型,且有效提高了BP神经网络的预测精度,拟合度达到0.98,该模型适用于交通量预测,能够为智能交通系统提供可靠的预测值。     

基于结构式二进制编码的遗传算法在及其在BP网络中的应用

根据BP网络的拓扑特征,本文设计了基于结构式二进制编码的遗传算法,在该算法中,通过先将庞大的解空间进行分解处理,再将分解后的子空间视为个体进行遗传操作,能借助遗传算法的优势在全局范围内搜索到最优解所在的子空间,从而为下一步应用BP算法进行局部搜索明确了起点,缩小了范围,有效解决了BP算法易陷入局部极小,收敛速度慢甚至不收敛等问题,最后,通过字母识别试验证明了该算法的效率。     

基于改进狮群算法和BP神经网络模型的房价预测

将狮群算法(lion swarm optimization,LSO)与海鸥算法的迁徙机制和螺旋搜索机制结合,增强算法的局部搜索能力;同时增加监督机制,提高算法的全局搜索能力.与粒子群算法和狮群算法对比,在常用的测试函数上验证改进狮群算法的优越性.采用改进后的狮群算法优化BP神经网络模型,对房屋价格预测问题进行研究,通过...     

一种改进的BP网络快速算法

BP神经网络已广泛应用于许多领域,但标准BP算法收敛速度很慢.为了提高标准BP算法的收敛速度,提出一种基于LM数值优化算法,以双极性S型压缩函数为转移函数的改进BP算法.分析了双极性S型函数及LM算法与BP神经网络具体结合实现的方法,并给出了算法步骤.通过实例证明,改进后算法的收敛速度比其它BP算法快.     

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     

基于改进BP算法的发电机组振动故障诊断技术

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,提出了一种改进的BP算法。应用这种改进的BP算法对某发电机组振动故障进行了诊断研究,结果表明,该改进BP算法加快了网络的收敛速度,避免了陷入局部极小陷阱的问题。     

基于差分进化的BP神经网络在纱线质量预测中的应用

为了提高BP神经网络在纱线质量预测上的精度,采用差分进化算法训练BP神经网络,利用差分进化算法的全局寻优能力优化BP神经网络的权值和阈值,建立了反映纱线质量的重要指标——单纱强度和条干CV%的神经网络预测模型.对真实数据的测试表明该算法效果良好,提高了BP神经网络算法的预测精度,能够为企业的纱线质量预测提供有效支持.     

基于改进BP神经网络的显示器色空间转换

彩色显示器是用来传达颜色的重要工具,而色彩在不同设备或系统上往往会有差异,所以对显示器建立一个色彩管理系统很有必要.用色彩管理软件和分光光度仪对显示器进行屏幕的校准和特性化,采用改进的BP神经网络法建立了从RGB色空间到Lab色空间的转换模型.通过对实验数据进行对比分析可知,这种算法对色彩空间的转换具有较好的非线性拟合能力和更高的预测准确性.     

Sub-pixel mapping method based on BP neural network

A new sub-pixel mapping method based on BP neural network is proposed in order to determine the spatial distribution of class components in each mixed pixel.The network was used to train a model that describes the relationship between spatial distribution of target components in mixed pixel and its neighboring information.Then the sub-pixel scaled target could be predicted by the trained model.In order to improve the performance of BP network,BP learning algorithm with momentum was employed.The experiments were conducted both on synthetic images and on hyperspectral imagery(HSI).The results prove that this method is capable of estimating land covers fairly accurately and has a great superiority over some other sub-pixel mapping methods in terms of computational complexity.     

基于改进的BP神经网络进行车牌定位的研究

采用改进的BP神经网络，对汽车图像中车牌定位的方法进行了研究。选取训练样本图像，以人工定位后的图像为导师信号，将图像的灰度序列直接采用改进的BP算法进行训练，以期提高定位的精度和速度。试验结果表明，用改进的BP网络对灰度图像直接感知，在定位精度和速度方面取得较好的效果。     

基于量子粒子群算法的BP网络板形模式识别研究

针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。     

基于改进BP神经网络的车牌字符识别研究

分析BP网络学习算法的缺陷基础上,引入动量项和遗传算法对BP网络学习算法进行改进。提高了车牌字符识别的正确率。     

Method of tracing the photovoltaic maximum power point based on NN with asymmetric basis

To ensure that the photovoltaic power generation system always works at its maximum power point, a method for photovoltaic maximum power point tracking by the neural network based on asymmetric basis is proposed, and its concrete implementation steps are given. Fuzzy factor membership functions are built according to the influences of photovoltaic power generation factors on the power generation efficiency, and the fuzzy weights of the influencing factors are calculated, with these weights infused into the building of the neural network based on fuzzy asymmetric basis. The network is trained by using methods of fixed basis width RBF, traditional RBF and the method proposed in this paper with four kinds of quantities of samples, and the comparison in terms of the network training time and the standard deviation indicates that the accuracy of the network with 180 samples is the highest, at least an order of magnitude higher than other that of methods. By determining the working parameters of the photovoltaic system in real time by using this neural network, the photovoltaic system can make the internal and external resistances completely match at every moment through the slide rheostat, thus ensuring that the system always works at the maximum power point.