基于BP网络算法的大地测量误差检测技术

针对大地测量检测时间长、检测过程成本较高,且检测结果准确度较低的问题,提出一种基于BP神经网络算法的大地测量误差检测方法.对大地测量的基本原理进行分析,通过对测量所得数据的综合计算得到待测量目标相对位移及旋转角度相关测量结果,构建基于BP网络的测量误差预测模型;将测量结果输入模型,得到的输出值即为预测误差,利用动态贝叶斯检验算法判断测量结果是否准确.结果表明,所提测量误差检测方法的检测结果准确率在90%以上,且检测过程所需时间与成本消耗低于实验对比方法,证实了所提方法的检测准确率及检测效率.     

改进BP算法用于入侵检测

为了降低入侵检测系统的误警率,提高检测率,在入侵检测模型中应用了一种改进BP算法.该算法用Cauchy误差估计器代替传统的LMS误差估计器,提高了模型的鲁棒性,降低了训练样本＂异常值＂对收敛速度的影响.最后,以网络数据包为样本数据对模型进行训练,比较了改进BP算法与标准BP算法的实验结果,验证了该算法的优越性.     

BP算法中误差函数的改进

在ＢＰ算法中，误差函数不能有效地表征样本学习的误差程度，从而降低了学习的效果，本文提出了一种对误差函数的改进方案用以降低实际输出和期望输出的误差程度，计算机模拟表明效果良好。     

基于鲁棒误差函数的BP算法

提出一种基于鲁棒误差函数的ＢＰ学习算法,并对这种算法进行了仿真研究。结果表明该算法增强了ＢＰ网络的泛化能力,提高了ＢＰ网络的鲁棒性,加快了ＢＰ网络的收敛速度。     

BP神经网络的累积误差方案及算法

介绍前向神经网络的累积误差算法.通过累积误差的改进BP算法实现了数学的一种运算,通过实际算例结果的对比,证明了改进算法的有效性和进步性.     

基于BP网络的工业CT图像边缘检测

采用改进的BP算法,实现工业CT图像的边缘检测。本文构造了学习样本,可以在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测。并在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测。通过对发动机CT图像的实验,证明利用本文得到的权值矩阵用于边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘。     

关于BP网络批学习算法的讨论

本文仿真结果和理论分析表明，与在线学习算法相比，批学习算法并不是一种更为有效的方法．相反，在线学习算法的学习性能（收敛精度和收敛速度）均优于批学习算法     

BP网络的自适应步长因子算法

利用灰色理论的关联度方法，提出了ＢＰ网络的自适应步长因子算法，加快了ＢＰ网络的学习速度。最后以异或问题为例说明了该算法的正确性和可靠性。     

基于 BP 网络的旋转机械故障诊断

分析了旋转机械振动故障的特性,在此基础上对基于ＢＰ算法的诊断方法进行了研究,建立了振动故障诊断的神经网络模型,对影响诊断网络的参数进行了详细分析,获得了用于振动故障诊断的最佳网络模型。针对ＢＰ网络收敛速度慢的缺点,提出了改进算法。该诊断模型在模拟转子实验台上进行了实验验证取得了良好的效果。     

自由曲面加工误差预测 ——基于模拟退火算法优化的BP神经网络算法

针对三坐标测量机测量效率低的问题,建立了自由曲面加工误差预测模型.采用基于模拟退火算法优化的BP神经网络算法对自由曲面上若干个点的加工误差进行预测,结合模拟退火算法的概率突跳特性,在解空间中随机寻找目标函数的全局最优解,从而改进BP神经网络算法.为进一步提高算法的预测精度,采用加工误差分解的方法剔除点集中的奇异点.用三...     

提高BP网络训练速度的研究

由于误差函数的高维复杂性,BP网络在目前的应用中存在训练速度慢至导致网络系统瘫痪的问题,针对训练中的归一化问题、隐层节点数的选取、样本数目的增减取、样本数目的增减法、整体学习率的确定及训练算法进行了研究。结果表明：训练样本数据不必一定归一化到[0,1],可以通过简单的线性变换将数据转化到某相区间,使分布合理,以满足训练需要;根据经验公式,确定隐层节点数的初值,选取规模略大一点的网络开始训练;网络应对学习过的样本加强记忆,更应注意剔除错误样本;引入黄金侵害法的思想来调整学习率的步长,效果理想;采用单参数动态搜索算法作为学习算法,能快达到训练要求的精度。     

一种基于BP网络的改进

BP神经网络存在其固有的缺陷：收敛速度慢、易陷入局部极小、网络结构难以确定等.本文针对BP网络学习速度慢的缺点.用熵函数作为误差函数来对BP算法进行改进,提高了收敛速度和稳定性.通过对标准BP网络和相对熵方法在不同学习速率上收敛速度的比较实验证明,相对熵BP网络在收敛速度和稳定性方面有着明显的优越性.     

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．     

误差反向传播算法的数学推导及实现步骤

提供了人工神经网络的一种算法-误差反向传播算法的数学推导方法及上机实现步骤.     

基于模拟退火算法的BP网络在水文水资源中应用

为使BP网络在训练过程中能够在不降低网络训练速度的前提下,避免陷入局部极小点,将模拟退火算法与BP网络结合起来,使用传统方法和模拟退火算法同时对权值进行修正,取得了较满意的结果.将网络模型应用于实际中,结果表明该模型是可行、有效的.     

基于改进BP网络的图像压缩

针对BP网络的图像压缩技术,提出了一种改进的BP网络局部学习自适应Silva-Almeida(SA)算法,该算法将训练过程分为加速、平稳收敛两个阶段的基础上,同时局部自适应调整学习速率和动量因数两个参数。经曲线拟合试验,其训练精度有较大提高,震荡现象得到进一步改善,训练速度加快。在图像压缩的仿真试验中,相对于目前常用的弹性BP算法(RPROP算法),该算法训练速度加快,重建图像质量有很大提高,利用该算法进行图象压缩可以获得更高的压缩比。     

基于BP网络微位移传感器误差修正研究

对微位移传感器非线性误差的修正存在诸多问题,该误差是提高微位移传感器测量精度的＂瓶颈＂。本文介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了基于BP神经网络传感器非线性误差校正对测量数据进行修正。修正结果表明该方法是准确有效的,而且网络结构简单,准确度高。     

基于Hebb理论的BP网络改进算法

应用 Hebb理论 ,用生物神经元的生理基础指导 BP网络的设计 ,并给出了训练方法与实验结论     

基于动态BP网络的实验电炉温度控制系统

针对一类不允许出现超调的工艺参数,提出了采用动态BP网络对工艺参数进行控制,可以达到良好的效果。并以实验电炉为对象,用工控机对其炉温进行控制,结果表明,采用动态BP网络进行控制,可以无超调地无限逼近给定值,控制精度高,控制时间较短。因此可以认为,用动态BP网络对这一类工艺参数的控制是有效的。     

基于动态BP网络的实验电炉温度控制系统

针对一类不允许出现超调的工艺参数，提出了采用动态BP网络对工艺参数进行控制，可以达到良好的效果。并以实验电炉为对象，用工控机对其炉温进行控制，结果表明，采用动态BP网络进行控制，可以无超调地无限逼近给定值，控制精度高，控制时间较短。因此可以认为，用动态BP网络对这一类工艺参数的控制是有效的。