同伦连续自适应IIR滤波算法

本文将同伦连续的方法引入自适应IIR滤波,提出了同伦连续自适应滤波算法。这种算法可以在无需任何外加稳定性监控的情况下,为自适应IIR滤波器提共高的稳定性。     

同伦BP网络理论与算法

ＢＰ网络和算法是使用最广泛的神经网络模型之一，但由于它使用梯度算法，因而存在有固有的局域极小及收敛速度慢等问题。本文首先把一ＢＰ网络的优化问题变换为一非线性方程的求解，然后将同伦思想引入到神经网络学习训练之中，提出了相应的同伦ＢＰ网络理论与算法，它具有全局收敛的优点，同时具有比传统梯度法收敛速度快一个数量级以上和克服病态的能力，在ＢＰ梯度法不收敛时它也能给出正确解答。本文的理论证明和计算机仿真实验     

多层前向神经网络的一种改进BP算法

在介绍传统BP算法的基础上,提出了一种改进算法,该算法通过对权值调节量的修改,提高了网络训练过程效率。最后,通过仿真结果可以看出,这种算法改进了BP算法的训练过程。     

多层前向神经网络中BP算法的误调分析及其改进的算法

本文分析了传统ＢＰ乍法中动量因子ａ对多层神经网络所引入的误噪声，指出它是影响网收敛精度的一个不可忽略的因素，同时给出了一个变动量因子的改进方法。     

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     

多层前向神经网络的权值平衡算法

对前向多层神经网络BP算法的改进方法作了分析,提出了一种新的改进方法——权值平衡算法,充分发挥各权值对网络训练的作用.仿真结果表明,新算法与基本的BP算法相比明显地提高了网络收敛速度和精度,对适合运用本算法的神经网络结构作了探讨.     

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。     

BP神经网络学习算法的联合优化

针对ＢＰ网络学习速度的缓慢性,本文提出了一种联合优化后的快速学习算法。其改进具体表现在以下方面：（１）采用Ｃａｕｃｈｙ误差估计器代替传统的ＬＭＳ误差估计器,（２）对常规的Ｓｉｇｍｏｉｄ函数引入形态因子;（２）采用非单调线性搜索法实现学习步长的自适应变化。最后,本文以模式分类,函数逼近和数据压缩的典型应用为例分别与标准ＢＰ常规改进算法进行比较,验证了该算法的优越性。     

利用改进的BP算法实现神经网络辨识仿真

系统辨识是控制系统设计的基础。基于多层前馈神经网络结构,采用一种改进的BP算法,利用二阶梯度变尺度模型,完成了神经网络非线性系统辨识。与传统的辨识方法比较,神经网络应用于非线性系统辨识具有泛化功能和很好的容错能力,是一种不依赖模型的自适应函数估计器。采用一种改进的BP算法有效地改善了系统收敛速度慢的问题,BP模型已成为神经网络的重要模型之一,从而为控制系统正确设计奠定理论基础。     

Circle BP Algorithm for MLP Neural Network

A simple new BP algorithm named circle BP algorithm is introduced.With this algorithm,local minimums can be completely got rid of and learning speed can improve dramatically.It can be easily designed into the circuitry and advance further the application of MLP neural network.     

采用进化计算的BP神经网络学习算法研究

针对ＢＰ神经网络中存在的局部极小问题,本文提出了采用进化计算方法改进ＢＰ学习算法收敛速度的新方法,理论分析和数字仿真表明算法有很好的效果。     

神经元网络超大规模集成电路（VLSI）的实现

本文用MOS电路模拟一个生物神经细胞,并构成人工神经元网络。文中还给出了神经元电路的调整和测试方法。其测试结果表明这些电路能较好地模拟神经细胞的生物功能。     

基于BP神经网络的说话人识别技术的实现

说话人识别就是从说话人的一段语音中提取出说话人的个性特征,通过对这些个人特征的分析和识别,从而达到对说话人进行辨认或者确认的目的。神经网络是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,为说话人识别技术提供了一种独特的方法。BP(Back-propagation Neural Network)是一种非循环多级网络训练算法,有输入层,输出层和N个隐含层组成。首先概述了语音识别技术,介绍了BP神经网络训练过程的7个步骤及其模型,如何建立BP神经网络模型。同时介绍了与其相关的特征参数的提取,神经网络的训练和识别过程,最后,通过编程在Linux系统下实现说话人身份的识别。     

用于神经网络模式识别的一种改进的BP算法

在对采用BP算法的神经网络进行分析的基础上，针对标准BP算法的不足进行了改进，并给出了通过对作用函数进行修正后所得到的改进BP算法的应用实例。     

一种利用BP神经网络进行烟雾粒子识别的方法

本提出了一种利用BP神经网络进行烟雾粒子识别的方法;详细阐述了各种不同烟雾粒子的特征提取过程和BP神经网络的学习算法.利用这种算法,可以准确地识别各种不同类型的烟雾粒子.