基于BP神经网络的细胞追踪方法

在医学和生物制药等领域,针对细胞的检测、识别、追踪的分析都是一些疾病防治和药物生产所必须要进行的任务,但是目前的细胞追踪算法在遇到细胞重叠、分离过程中会出现对细胞的追踪失败的情况。文章采用BP神经网络的方法来改进细胞的追踪,从而改善细胞的追踪效果。     

基于BP神经网络的超声磨料混粉电火花加工模型

由于超声磨料混粉电火花加工是一个复杂的过程，难于建立精确的加工理论模型。应用BP神经网络实现了超声磨料混粉电火花加工的模型建立，并通过该模型对超声磨料混粉电火花加工试验研究的零件表面粗糙度和加工速度进行了预测，预测结果与实际试验数据有较好的一致性，可用于指导实际超声磨料混粉电火花加工。     

基于PSO-PID的超声电源频率跟踪系统设计

针对多数超声波电源存在频率漂移、跟踪性能差、易失谐,造成能量转换效率低、甚至设备损坏等诸多问题,设计了一种基于数字控制、可实现快速频率跟踪的超声波电源.将改进的粒子群算法(particle swarm optimization,PSO)结合比例积分微分(proportional integral derivative,...     

基于频率搜索和跟踪的压电超声电源设计

针对洁牙机的超声电源在工作时难以快速搜索到压电陶瓷换能器谐振点,长时间工作引起大功率器件发热量过大致使系统产生谐振漂移、不能稳定工作的问题,提出了一种基于频率自动搜索与跟踪的超声洁牙机驱动电源设计。该设计通过STM32单片机控制输出步进PWM,基于最大反馈电流设计变步长法快速搜索谐振频率;再利用相位检测技术将换能器输出的电压电流相位差作为电路谐振状态的反馈信号,结合STM32单片机进行PID控制,改变PWM占空比调节电路的振荡频率使系统始终工作于谐振状态,实现谐振频率的自动跟踪,并基于此设计出超声电源电路与控制软件。实验结果表明,该超声电源能快速搜索到换能器的谐振频率,并对谐振频率自动跟踪,使系统能稳定、长时间地工作。     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。     

基于遗传算法的BP神经网络技术应用

目前，传统的BP网络算法可以很精确地接近非线性函数，但是仍然存在着两大缺点，就是收敛速度缓慢与极易陷入局部最小值。而基于遗传算法的神经网络技术的提出可以很好地解决这个问题，通过仿真实验对比之后我们可以发现它能够很好地将两者进行有机融合，加快收敛精度与收敛速度。     

基于联想记忆神经网络模型的BP算法

提出一种改进神经网络BP算法的识别训练系统。实验结果表明，基于联想记忆神经网络模型的BP算法，大大降低样本可变系统的网络训练次数。该系统有效降低样本可变系统的网络训练时间，为BP算法应用于对实时性要求高的场合提供算法基础。     

100kHz高频逆变式CO＿2激光电源的研制

本文描述高频逆变式ＣＯ＿２激光电源，逆变频率为１００ｋＨｚ。该电源在升压高频变压器次级端去掉滤波高压电容和限流电阻的条件下能长期稳定工作，工作电流变化量小于０．１ｍＡ，抗网路波动范围为１６０～２５０Ｖ，调节范围宽，转换效率高。它具有适应性强、稳定性好，以及体积小、质量轻、便携等优点，是一种新型的激光器电源。     

基PSO-PID的超声电源频率跟踪系统设计

针对多数超声波电源存在频率漂移、跟踪性能差、易失谐,造成能量转换效率低、甚至设备损坏等诸多问题,设计了一种基于数字控制、可实现快速频率跟踪的超声波电源。将改进的粒子群算法(PSO)结合比例积分微分(PID)控制应用于频率控制过程,实现了启动瞬间及工作过程均能快速检测超声波换能器的谐振频率,并调整对应输出脉冲频率,使换能器工作于谐振状态,高效地将电能转换成声能。     

基于Fuzzy-DDS的超声换能器频率自动跟踪系统

针对传统超声频率跟踪系统锁相范围窄,电源启动或负载突变时易失锁等缺点,提出了一种将数字模糊控制器和数字频率直接合成(DDS)相结合的复合频率跟踪策略,对其设计方法、工作原理进行阐述。实验结果表明,运用该种控制方法的超声系统具有频率跟踪速度快,跟踪准确的优点,实现了系统的稳定、高效运行,提高了换能器的效率。     

基于Fuzzy-DDS的超声换能器频率自动跟踪系统

针对传统超声频率跟踪系统锁相范围窄,电源启动或负载突变时易失锁等缺点,提出了一种将数字模糊控制器和数字频率直接合成(DDS)相结合的复合频率跟踪策略,对其设计方法、工作原理进行阐述。实验结果表明,运用该种控制方法的超声系统具有频率跟踪速度快,跟踪准确的优点,实现了系统的稳定、高效运行,提高了换能器的效率。     

基于LabVIEW实现的BP神经网络

图形化编程环境Lab VIEW编写图形化语言程序可以有效提高设计者的编程效率。人工智能可以利用计算机模拟人类大脑的思维。基于Lab VIEW编写的BP神经网络,可以方便灵活的应用于人类的各种生产经营活动。     

基于BP神经网络的模糊PID控制器的设计

工业过程控制中广泛采用PID控制,但传统PID控制因其控制参数的固定,在线整定难等问题。为此本文研究了一种新的自适应模糊PID控制方法,为了解决模糊推理没有学习能力的问题,本文又提出了一种基于BP神经网络的自适应模糊控制方法。此方法是模糊控制、神经网络和PID控制的有效结合。仿真实验表明,这种基于BP神经网络的模糊PID控制算法具有良好的控制效果。     

基于BP神经网络的嘴型分类算法

针对传统嘴型分类中医生肉眼观察主观性大且无法量化等问题,文中提出一种嘴型分类算法。该算法在人脸特征点标定ASM的基础上,提取嘴型模板,经过一系列旋转、二值化以及重采样构建特征向量,然后利用BP神经网络进行训练完成嘴型分类。实验结果表明,该算法可以实现较为准确的嘴型分类,对临床医疗整形具有一定的参考价值。     

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BP算法的小波神经网络的研究

BP算法是一种传统且常用的算法,而小波分析是近二十年来发展起来的一种信号处理和分析方法,适合信号的时频局部特性研究,二者的结合将改善神经网络存在的缺陷。因此,文中在研究BP算法的基础上,详细推导了小波神经网络算法,为小波神经网络的广泛应用奠定基础。     

基于BP神经网络算法的仿真研究

BP神经网络,有着较好的函数拟合性,但仍存在着网络不收敛、陷入局部最小的风险和收敛速度慢的缺点。对这些缺点的克服,大量的科研工作者对此算法做了许多改进工作。文中利用输入向量与目标函数之间的关联,更新网络的权重值,针对网络收敛速度慢、陷入局部最小等风险,对BP算法进行了改进。且对已了解的BP神经网络的几种改进算法以某通信设备的故障诊断为实例一一进行实际训练验证,针对网络训练结果做了总结,对比各种改进方法的优劣,通过对比分析得出本文的算法改进效果明显,且故障诊断准确具有实际价值。     

基于BP神经网络的双耳声源定位算法

为了提高复杂声学环境中双耳声源定位性能,本文利用多种双耳空间特征参数,提出了基于神经网络方法的鲁棒双耳声源定位算法。本文将不同声学环境下双耳声信号对应的互相关函数、耳间强度差等空间定位线索,作为输入特征,用于训练BP神经网络。在混响和噪声环境下,与传统双耳定位算法相比,本文基于BP神经网络的双耳定位算法的定位性能有显著提高,特别是低信噪比条件下,定位正确率提高更为显著。     

基于BP神经网络的车牌识别技术研究

车牌识别（LPR）是智能交通中关键技术之一。针对目前车牌识别技术存在的一些问题,详细分析基于BP神经网络的车牌字符识别方法,对BP神经网络收敛速度慢且容易陷入局部极小点的缺陷进行改进。经仿真实验结果表明效果良好。     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.