基于BP网络的噪声字符识别系统

介绍了BP网络的基本理论并讲述了怎样运用它来识别带噪声的数字系统.最后使用MATLAB对网络进行仿真,仿真结果,证实系统能够很好地对带噪声的数字进行识别.     

基于BP网络的指纹识别系统

针对指纹数据库规模不断增大的情况,为了提高指纹识别的速度和准确度,采用BP神经网络先对指纹进行分类,把指纹分成左环、右环、拱、涡、棚状拱和不辨型6种类型,然后在相应的子类库中根据特征提取进行识别。设计并实现了一个指纹识别系统,该系统能够自动地进行指纹分类,而且还能实时地将结果与指纹数据库进行比对。实验结果表明,该系统能迅速地获得被识别人员的身份信息。     

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     

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.     

基于BP网络的伺服阀故障诊断方法

介绍应用ＢＰ网络诊断伺服阀故障的原理和方法,在试验的基础上建立了伺服并故障诊断的ＢＰ网络,并成功地实现了伺服阀状态的模式识别。     

基于BP网络的钢结构焊缝分析

利用神经网络的基本原理,建立了神经网络的模型,并根据已有的数据,确定输入单元、输出单元和隐含层节点数。通过对网络进行训练,使其具有分析和判断的功能。在实际工程中对于复杂的焊缝设计,利用神经网络的方法输入影响焊缝的主要因素,即可判断设计是否可靠.分析结果表明,利用神经网络的方法预测焊缝的设计是可行的,该方法能减少人工劳动,提高工作效率.     

基于BP网络的汉语普通话声调识别

研究了一种常用的模式分类器———BP神经网络,分析了 BP网络的训练及识别过程,提取了能体现声调特性的特征数据组成分类特征向量,设计了具有一个隐含层的3层前馈网络作为分类器,对普通话声调样本库做了分类识别实验,分析了不同隐含层节点数的识别实验结果.实验结果表明,提取的音频特征基本有效,分类效果良好,具有一定的应用价值.     

基于VB的三导BP网络通用程序设计

以三层BP网络为例，讨论了人工神经网络面向对象的程序设计方法，给出了程序设计流程，在Visual Basic6.0语言环境下编制了BP算法程序。以解决异或问题为例，给出了BP算法动态演化过程的训练调试界面。可直接应用于BP网络的实际应用中，亦可用于BP网络的教学过程。     

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。     

基于径向基神经网络的有限元模型修正研究

模型修正属于反问题的一种,针对其非线性、计算量大等不足之处,提出一种基于径向基神经网络的有限元模型修正方法,并把反问题归结为正问题进行研究。该方法将特征量作为自变量输入、设计参数作为因变量输出,用试验设计构造样本,以径向基神经网络逼近两者之间的非线性映射关系,利用神经网络的泛化特性直接输出设计参数的修正值。某空间钢结构模型的计算结果验证了该方法的有效性。     

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BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于BP神经网络的水处理污泥发热量预测

将BP网络与MATLAB软件相结合,建立了2个神经网络模型,通过权值初始化、输入学习样本、计算各层的输出、求各层反传误差、记录已学习过的样本个数、按公式修正各层的权值或阈值等步骤,分别根据水处理污泥的工业分析和元素分析对其发热量进行预测,比较分析了预测发热量与实测发热量的绝对偏差、相对偏差,评价了均方误差和相关系数.结果表明,该方法适合于水处理污泥发热量的预测,且优于经验公式.     

应力状态下混凝土碳化深度的神经网络预测

为计算应力状态下预应力混凝土在一定条件下的碳化深度,将混凝土应力水平取为影响碳化速度的参数.在已有试验结果的基础上,分别建立了预应力混凝土碳化深度实用计算模型,以及BP网络、径向基函数(RBF)网络和广义回归(GRNN)网络的三个神经网络预测模型,并通过实例将碳化深度试验值、实用公式计算值及神经网络预测值进行了比较分析.结果表明:考虑混凝土应力水平对碳化深度的影响是合理的,试验回归得到的实用碳化模型计算误差在9%以内;同时,所建立的BP、RBF以及GRNN网络模型均具有较高的计算精度以及良好的泛化能力,仿真和预测误差基本上在5%和4%以内,均低于实用计算模型的误差值.由此可见,所建神经网络模型的仿真及预测结果是理想的,可同时考虑各种影响因素组合、行之有效的混凝土碳化深度预测方法.     

基于BP神经网络的面板堆石坝参数反演分析

运行多年的大坝在各种荷载的作用下,大坝及其基础的物理力学参数发生一定的变化,对大坝的安全与稳定有着直接的影响.为了准确地获取这些参数,可以利用BP神经网络非线性映射的特性,结合大坝实测资料,提出了大坝反演分析的方法,并利用反演分析的成果对大坝进行分析,计算结果与实测资料基本吻合.     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

基于BP神经网络的工程项目风险评价

工程项目风险评价是工程项目管理的一个重要环节,将神经网络理论引入工程项目风险评价,建立了工程项目风险评价的BP神经网络模型,并通过实例对模型进行了验证。     

基于BP神经网络的工业视觉检查系统研究

研制了一套能在生产线上自动检查产品形状、尺寸及缺陷的工业视觉检查系统．在模式识别阶段采用BP神经网络,并针对BP算法的局限性,给出了一种改进的BP算法．采用有导师学习方式,并选取一种新的误差函数,根据训练过程中的样本情况,动态、系统地调整其参数．实验结果表明,该系统可正确识别工业生产线上的零件,有效地提高生产率和保证产品的质量．