BP网络的过拟合现象满足的测不准关系式

揭示了在ＢＰ网络建模过程中,出现“过拟合”现象时网络学习能力与推广能力之间满足的一般测不准关系式;通过数值模拟试验确定出测不准关系式中的“过拟合”参数的取值范围及其与函数 复杂性的关系;指出函数类的复杂性可用复相关系数来表示;给出应用ＢＰ网络对实际问题的建模过程中,为了避免出现“过拟合”现象,提高网络推广能力的“过拟合”判别式。     

BP网络学习能力与泛化能力之间的定量关系式

分析BP网络过拟合时网络学习能力与泛化能力之间的内在联系,引入描述问题复杂性程度的复相关系数,建立了BP网络过拟合时,反映网络学习能力的训练样本集的训练相对误差与表征泛化能力的网络对检验样本集的测试相对误差之间满足的定量关系式.通过模拟若干不同类型函数的BP网络数值建模试验,确定了关系式中过拟合参数q的取值范围为0.007~0.07,指出BP网络应用于给定样本集的训练过程中,具有较佳泛化能力的停止训练方法.     

改进的BP神经网络在传动轴结构设计中的应用

Shaffer函数定义域在[-10,10]区间内,BP神经网络拟合该函数训练时间长,且无法达到期望精度,说明BP神经网络拟合复杂非线性函数能力需改善。文章提出了一种改进的BP神经网络,先对网络的输入进行K-Means聚类,BP神经网络训练采用大规模节点,聚类输入分别激活部分节点进行训练,每组聚类使用不同的节点,通过子网络训练聚类样本,减少了网络拟合难度。经测试改进的BP神经网络达到了精度。最后,用改进的BP神经网络进行了轴径的最优计算。     

基于串联BP神经网络多函数拟合的研究设计

在研究神经网络对非线性函数拟合的过程中发现一个网络同时只能对一个函数进行拟合,为解决这一问题,通过研究BP算法神经网络提出了串联BP网络来实现多个非线性函数的拟合。通过Matlab自定义网络结构实现串联BP网络,在Matlab下利用此串联网络同时对两个非线性函数进行了拟合,训练样本加入噪声信号,在经过342次训练后拟合误差达到了0.000978。实验测试结果显示本网络能够很好地对两个待拟合函数进行拟合,为同时进行多函数的拟合提供了新的方法。     

高斯折射率分布Cu+-Na+离子交换玻璃波导的制备

利用Cu+ Na+ 离子交换技术制备了玻璃平面光波导 ,在 6 32 8nm波长下 ,用棱镜耦合技术测量出所制备波导的有效折射率 ,利用反WKB方法确定了平面光波导的折射率分布 ,并对折射率分布进行了函数拟合 ,近似符合高斯分布。求出了所制备玻璃平面光波导在 5 80℃的扩散系数为De ≈ 2 2 2 3× 10 -15m2 /s。     

单列直插式电阻网络的研究

研制了一种高精度、低温度系数单列直插式电阻网络。通过优选电阻材料 ,改进工艺条件、激光调阻方法、包封工艺等解决了研制中出现的问题 ,使相对精度达到 0 0 3 % ,绝对精度达到± 0 0 2 % ,|α|≤ 7 61× 10 -6℃ -1,跟踪α≤ 5 0× 10 -6℃ -1,完全符合使用要求。     

光电化学法测量N型半导体材料扩散长度

本文提出的拟合法是以光响应作为αW和αL_p的函数,在知道α的情况下,拟合曲线求得L_p值.结合外推法,反过来校正α值,似可以补充外推法的不足和得出较正确的L_p值.我们分别采用拟合和外推两种方法测定扩散长度L_p,已测得的各种半导体材料扩散长度分别为GaP(N_D=3.9 × 10~(19)cm~(-3))L_p= 0.036μm,GaAs(N_D=7 ×10~(17)cm~(-3))L_p=0.8μm,GaAlA_s(N_D=8 ×10~(16)cm~(-3))L_p=0.1μm.     

空气隙对瓷介微调电容器温度系数的影响

<正> 电子工业部标准(SJ650-80)规定,CCW3型圆片瓷介微调电容器的电容温度系数应在-(200～800)×10~(-6)/℃范围之内。但在实际生产中,会出现电容温度系数比-200×10~(-6)/℃大或比-800×10~(-6)/℃小的现象,其原因除了介质材料的影响外,是由于零部件加工和微调电容器装配等过程中造     

可溶性聚对苯乙炔衍生物非线性光学效应研究

以对甲氧基苯酚和溴代烷为原料,经过脱氯化氢反应合成了三种可溶性非对称烷氧基取代聚对苯乙炔 (PPV)衍生物,分别为聚(2 甲氧基 5 丁氧基)对苯乙炔(PMOBOPV)、聚[2 甲氧基 5 (3′ 甲基)丁氧基]对苯乙炔 (PMOMBOPV)和聚(2 甲氧基 5 辛氧基)对苯乙炔(PMOCOPV)。利用后向式简并四波混频(DFWM)研究了它们 的三阶非线性光学性质。结果表明PMOBOPV,PMOMBOPV和PMOCOPV的三阶非线性极化率(χ(3))分别为 3.14×10-10,5.96×10-10和3.71×10-10esu,相应的二阶分子超极化率(γ)分别为4.22×10-28,7.78×10-28和 5.00×10-28esu。分析了分子结构对聚对苯乙炔衍生物非线性光学性质的影响。采用分光光度计对三种材料的 光学禁带宽度(Eg)进行了测量,线性拟合的结果表明PMOBOPV,PMOMBOPV和PMOCOPV的Eg值分别为 2.08,2.03及2.05eV。     

基于Matlab的BP神经网络结构与函数逼近能力的关系分析

人工神经网络是一种非线性动态数学模型,广泛应用于非线性系统建模、系统辨识、函数逼近等方面。介绍BP网络的结构和学习过程,并介绍利用Matlab人工神经网络工具箱设计BP网络的步骤,在此基础上设计了BP网络以验证其函数逼近能力,仿真结果说明了BP网络具有很强的函数逼近能力。并分析BP网络结构和函数逼近能力的关系,得出网络的结构直接影响网络对函数的逼近能力和效果。     

Uncertain Relation Suited to Overfitting of BP Neural Network

Researches have been done on the overfitting of BP neural network[1~7]. The uncertain relation between learning and generation suited to overfitting of BP neural network modeling is given in Ref.[8]. By numerical test, the range of overfitting parameter in uncertain relation is determined as 10?6~10?3. Further, it is pointed out that parameter selection relates to the complexity of certain problems (approximate functions), which, can be described by multicorrelative coefficients. But for mul…     

用于行为识别的通道可分离卷积神经网络

三维卷积神经网络比二维卷积神经网络具有更优越的时空特征提取能力,但运算量却显著增加。针对如何有效减少模型参数量、解决准确率随着计算复杂度降低而降低的问题,提出基于端到端的通道可分离卷积神经网络。通过分离通道交互作用和时空交互作用来分解三维卷积,其中分别利用3×3×3 Depthwise卷积和1×1×1常规卷积进行分离通道交互作用和时空交互作用。与传统三维卷积神经网络相比,通道可分离卷积神经网络加入模型正则化,通过降低训练精度同时提高测试精度,降低了模型的过度拟合。在UCF-101和HMDB-51数据集上的实验分别达到92.7%和64.5%的准确率。结果表明,通道可分离卷积神经网络可以提高准确率并降低计算复杂度。      

启发式改进BPNN在模式分类领域内的对比研究

采用附加动量BP算法、自适应最速下降BP算法、自适应动量BP算法、弹性BP算法4种启发式改进方法分别对标准BP算法进行改进,并构建了相应的BP神经网络分类模型,将构建的4种分类模型应用于二维向量模式的分类,并进行了泛化能力测试,将4种BP网络分类模型的分类结果进行对比。仿真结果表明,对于中小规模的网络而言,弹性BP算法改进的BP网络的分类结果最为精确,收敛速度最快,分类性能最优;附加动量BP算法改进的BP网络的分类结果误差最大,收敛速度最慢,分类性能最差;自适应学习速率BP算法改进的BP网络的分类结果的误差值、收敛速度及分类性能介于上述两种算法之间。     

Research on fault location technology based on BP neural network in DWDM optical network

BP neural network is introduced to the fault location field of DWDM optical network in this paper. The alarm characteristics of the optical network equipments are discussed, and alarm vector and fault vector diagrams are generated by analyzing some typical instances. A 17 × 14 × 18 BP neural network structure is constructed and trained by using MATLAB. By comparing the training performances, the best training algorithm of fault location among the three training algorithms is chosen. Numerical simulation results indicate that the sum squared error （SSE） of fault location is less than 0.01, and the processing time is less than 100 ms. This method not only well deals with the missing alarms or false alarms, but also improves the fault location accuracy and real-time ability.     

Research on network analysis method for development ability of big data industry in underdeveloped area

Traditional evaluation methods of industrial development ability were mostly lack of objectivity.An evaluation model was proposed by using a BP neural network based on entropy weight.Evaluation index system of big data industry development ability in underdeveloped areas was established.Taking Guizhou industrial development data as samples,entropy weight method was used to determine expected output and compared with the actual output .The experimental results show that the proposed entropy weight-BP evaluation model can optimize error of using single BP network and improve the accuracy and objectivity of evaluation.     

基于BP神经网络的模塑封材料疲劳寿命预测

根据模塑封材料(EMC)疲劳实验,针对BP神经网络[反向传播神经网络(BPNN)]拟合误差与预测误差关系不稳定的应用问题,结合主成分分析法,"主动"改善网络结构,建立了基于BP神经网络的EMC材料疲劳寿命预测模型,进行了分析,并与一般的BP神经网络模型作了比较。结果表明,该方法得到的BP神经网络经过训练后能稳定表征EMC材料的各种参数与疲劳寿命间的内在关系。当网络拓扑结构为2-4-1时,预测结果稳定,预测误差平方和(SSE)为0.5623～0.0271,拟合误差(MSE)为0.0906～0.0278,具有实用性。     

基于BP网络的地物影像光谱识别及效果检验

提出了一种基于改进后的BP人工神经网络的地物影像的多波段光谱识别新方法。该方法遵循网络的隐节点数与训练样本数相匹配的网络结构设计的最简原则构建BP网络;采用了随机增加每类样本数,添加样本集中的噪声干扰。从而使噪声起到平滑作用。既防止过度训练,提高了网络的泛化能力。又加快了收敛速度。对11类地物多波段光谱影像实例。通过相继二次构建BP网络模型进行训练,用两次训练好的网络对全部11类地物区分效果明显,达到能完全区分不同地物分类识别的目的。