基于改进BP神经网络的税收收入预测模型

针对税收收入预测的特点，提出了一种综合共轭梯度和自适应变步长的改进BP算法，并利用改进的BP算法建立了税收收入预测模型，通过与传统回归分析预测方法结果的比较，证明了该算法收敛速度快，学习精度高，而且有效避免了常规BP算法得局部极小值问题。     

基于BP神经网络的混凝土超声CT图像分割

由于图像直观的特点，超声波层析成像技术在混凝土结构的无损检测中扮演日益重要的角色。采用BP神经网络模型，研究了超声波CT彩色图像的分割方法。以超声CT检测图像和起导师信号作用的二值图像为训练样本，采用BP算法进行训练，对实测图像分割后得到了目标边缘清晰的较好分割效果：此方法主要优点是设计简单，易于实现；欠缺是BP网络学习时间过长，     

一种基于神经网络识别差动态特性的自适应模糊控制器

在神经网络与模糊控制相结合的基础上,设计了一种基于神经网络识别误差动态特性的自适应模糊控制器,该控制器基于误差知识的控制,从系统误差的动态过程观点描述了误差特性,采用了神经网络实现误差知识的自适应获取。仿真结果表明,其控制性能明显优于普通的模糊控制器。     

用BP算法实现模糊控制规则的自校正

利用ＢＰ算法对模糊神经网络（ＦＮＮ）所能执地的控制规则进行自校正,使应用到工业过程的模糊控制器的性能得到改进。仿真结果表明,用改进后的方法设计的模糊控制器能够显著地减小系统的稳态误差,具有比较快的响应速度和较强的鲁棒性。     

多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

一种再增强模糊神经网络控制器的建立

利用模糊控制的推理功能使神经网络得以简化，减少了学习单元的数量，提高了收敛速度，利用神经网络的并行特点使模糊控制表更容易实现，利用ＢＰ算法为自适应模糊控制提供了一种通用的规则再增强自适应算法，仿真验证了这种再增强模糊神经网络控制器的合理性。     

基于BP神经网络的车型分类器

针对车型特征,提出了一种基于BP神经网络的识别方法．从图像中提取车型特征向量,用BP神经网络设计分类器,并进行有效的训练与测试．应用改进的BP算法（尺度化共轭梯度法）对网络进行训练,使网络很快得到收敛,解决了一般算法收敛慢的缺陷．     

基于BP人工神经网络的上市公司财务评估分析

叙述了人工神经网络的基本，建立对上市公司财务评估的神经网络模型，并结合实例，通过对比因子分析法的结果，验证了模型的可行性和准确性。     

基于神经网络的模糊控制器

将神经网络的非线性与自学习特性有机地应用于模糊控制系统中，用神经元节点及其相应的内部函数代替模糊控制系统的各个模糊子集及其隶属函数，而神经元节点间的连接代替模糊推理机，设计了一类基于神经网络的模糊器，以克服复杂非线性系统难以确定模糊子集的划分及其隶属函数和模糊推理规则等问题。     

最佳混凝剂投量的BP神经网络预测研究

给水厂混凝剂投量通常是依据试验结果及操作者的经验来确定，而要科学合理地确定混凝剂投量必须掌握源水水质的变化规律。并在此基础上对未来源水水质的变化进行合理预测．本文通过对影响混凝效果因素的分析．建立了混凝剂投量的BP神经网络预测模型，并以某水厂的实测数据对模型进行了验证．利用该模型可实现混凝剂投量的在线预测控制。从而达到混凝剂优化投加的目的．     

基于模糊自适应的BP神经网络动态行驶车辆车长测算

在对绿色通道检测系统实测大量数据分析及实验研究的基础上,提出了一种在车辆动态行驶过程中运用BP神经网络进行车长测算的方法。该方法通过模糊自适应的方式调节BP神经网络的学习率以加快算法的收敛速度。本文将该方法应用于吉林省省际收费站的绿色通道检测系统中,通过对绿通车辆大量的实车数据的测试与验证,结果表明本文所提测算方法能够有效地提高在车辆动态穿行过程中车长的测算精度。     

基于模糊BP神经网络的抑郁症分诊系统

基于模糊逻辑和BP神经网络相结合的方式,提出了一种抑郁症的早期自动诊断方法,研究了抑郁症的分诊指标和分级标准的确定和模糊处理方法,把模糊量化的数据作为BP神经网络的输入,构建了合适的3层BP神经网络。仿真结果显示,综合运用模糊算法和BP神经网络的方法能达到优势互补的效果,构建的模糊神经网络用于抑郁症的诊断是可行的。     

一种由模糊逻辑神经元网络实现的聚类分析方法

文中主要提出了一种由模糊逻辑单元组成的聚类神经元网络，它可以用于数据的聚类分析，由于逻辑单元易于硬件实现和快速运算，因此大大提高了聚类分析的速度，尽管采用了竞争学习作为网络的学习地，但是它却克服了一般竞争学习算法所固有的死点问题，使得聚类分析中初始点的选取可以有更大的随意性，这在具体应用中是很有用的，文中列举了一些有典型意义的实验，充分证实了这种方法的有效性。     

基于模糊逻辑聚类神经网络算法的中长期负荷预测

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。利用模糊集理论中的模糊逻辑算子y1完成网络运算,提高了聚类神经网络的运算速度。虽然网络采用了竞争学习作为网络的学习算法,但是它克服了一般竞争学习算法固有的死点问题,使得历史数据的聚类分析中聚类中心初始点的选取有更大的随意性。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统的方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。     

一种新型的模糊神经网络自适应控制系统

结合神经网络控制和模糊控制的各自特点,提出了一种新的基于神经网络的模糊自适应控制算法,并给出了该算法的仿真与分析结果.利用该算法实现了基于模糊神经网络的智能控制系统的建立.     

基于模糊逻辑的模糊神经网络推理机结构及其实现

讨论了基于模糊逻辑与神经网络的模糊神经网络推理机的结构;给出了将模糊产生式规则转换为相应模糊神经网络的方法;深入探讨了采用欧氏距离作为误差函数的改进ＢＰ算法;给出了在数据融合中使用该模糊神经网络推理机进行目标平台识别的例子．     

BP神经网络在醋酸乙烯生产中的应用研究

介绍了醋酸乙烯合成反主应器BP神经网络模型的建立及有关参数的选取;提出了采用LevenbergMarquart优化法来训练BP神经网络,通过将BP神经网络用于醋酸乙烯合成反应器操作优化的研究表明,对于机理不明确或精确模型难于建立的过程,人工神经网络是一种有效的方法。     

BP神经网络在醋酸乙烯生产中的应用研究

介绍了醋酸乙烯合成反应器BP神经网络模型的建立及有关参数的选取;提出了采用LevenbergMarquart优化法来训练BP神经网络. 通过将BP神经网络用于醋酸乙烯合成反应器操作优化的研究表明,对于机理不明确或精确模型难于建立的过程, 人工神经网络是一种有效的方法.     

基于BP神经网络的公交周转时间预测研究

公交周转时间是制定公交行车作业计划的关键参数,公交周转时间的精确预测也是提高公交服务水平的重要保证。文章基于公交运行的动态随机性,运用数据挖掘有序样本聚类算法,研究了对公交周转时间影响较大的动态因素,分析了全天时段每个时间窗内周转时间的分布特征,建立了基于BP神经网络的公交周转时间预测模型;通过实例分析验证了模型的有效性和精度。结果表明:公交周转时间的分布特征主要受时段、天气状况、节假日或大型活动、星期、季节月份等动态因素的影响,通过划分时间窗可知,同一时间窗内的公交转时间近似呈正态分布;BP神经网络预测模型可有效地揭示公交周转时间和各动态因素之间的非线性关系,通过实例分析,预测公交周转时间的平均绝对百分比误差为5.69%,具有较高的预测精度。     

结合自适应遗传算法与弹性BP神经网络的亚硝酸盐预测模型

针对目前营养盐检测主要是通过化学方法实现,无法获得在线检测的问题,利用营养盐与其影响因子之间的关系,提出结合自适应遗传算法与弹性BP神经网络的预测模型.利用改进的自适应遗传算法,通过交叉、变异获取弹性BP神经网络的初始权值与阈值,加速预测过程.该模型通过营养盐影响因子数据,预测亚硝酸盐浓度.仿真结果表明:基于弹性BP神经网络的预测模型预测营养盐浓度是可行的,其预测得到的亚硝酸盐浓度值的相对误差主要集中于0~30%;结合自适应遗传算法与弹性BP神经网络的预测模型的预测效果好于基于弹性BP神经网络的预测模型.