基于改进BP算法的发电机组振动故障诊断技术

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,提出了一种改进的BP算法。应用这种改进的BP算法对某发电机组振动故障进行了诊断研究,结果表明,该改进BP算法加快了网络的收敛速度,避免了陷入局部极小陷阱的问题。     

一种基于BP网络的流量分类方法

针对传统的网络流量分类方法准确率低、开销大、应用范围受限等问题,提出了一种基于BP网络的流量分类方法。该方法改进了标准的BP网络算法,采用基于Lyapunov函数得到的自适应学习率,并引入遗传算法优化网络的初始连接权值和阈值,使网络避免陷入局部最小,加速了网络收敛过程。实验结果表明,采用改进的BP网络算法来处理网络流量分类问题具有明显的优势：该方法的收敛速度和拟合精度均优于标准BP算法,而且流量分类准确率高于NB算法。     

遗传神经网络在滑坡灾害预报中的应用研究

针对传统BP算法易收敛于局部最优以及网络结构难以确定等问题,引进遗传算法进行混合建模.采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免陷入局部极小.文中结合实例,对BP神经网络,遗传算法改进的神经网络进行了比较分析.实验表明,利用改进的混合模型可以提高预测精度,缩短收敛时间.     

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.     

改进BP神经网络在个人信用评估系统的应用

针对一般BP算法收敛速度慢和易陷入局部极小值的缺陷,提出利用一种自适应学习速率动量梯度下降反向传播算法对网络进行训练。该算法使BP神经网络学习速率和稳定性得到提高,并将这种改进的BP网络应用于个人信用评估系统,验证了该方法的正确性和有效性。     

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．     

人工神经网络用于岩体工程的方法改进

岩体工程问题往往具有高度的复杂性和非线性 ,而人工神经网络是非线性的动力系统 ,是解决这类问题最有效方法之一 .但经典BP网络模型存在着收敛速度慢、稳定性差、易陷入局部极小的缺陷 .本文针对神经网络拓扑结构、数据的预处理、学习算法三方面的改进作了较系统的介绍 .实例研究表明改进后的BP网络性能良好 ,该方法在工程中具有广阔的应用前景     

模糊控制BP网络的遥感图象分类方法研究

针对遥感图象分类中经常采用的BP算法存在训练时间长、不易收敛缺点,提出了一种改进方法,即采用模糊规则有效控制BP网络学习率的方法,该方法使网络具有自适应能力,从而不易陷入局部最小,导致收敛速度大大加快,训练时间大大缩短。最后以徐州地区TM图象土地利用分类为例,将模糊控制BP网络模型同BP算法及学习率自调整算法进行了比较。结果表明新方法确实大大加快了网络收敛速度,一定程度上提高了图象分类精度,是一种有效的图象分类方法。     

BP算法的改进及其在焊接过程控制中的应用

BP算法存在着收敛速度较慢、易于陷入局部极小点的问题，为了解决该问题，对BP算法作了大量仿真试验和深入分析后，发现神经网络各层间权值调节量存在较大的差异，从而提出了一种新的改进方法，充分发挥神经网络各权值对网络训练的贡献，试验结果表明，新算法与基本的BP算法相比大大提高了网络收敛速度，用改进的算法和焊接过程进行了控制仿真，获得了较好的结果。     

基于改进小波网络的TE过程故障诊断

针对BP 算法容易陷入局部极小值、收敛速度慢及容易振荡等缺点, 采用小波BP 网络且对小波网络采用基于梯度符号变化的局部学习率自适应算法和引入动量项的改进。将改进后的算法对多变量非线性的田纳西-伊斯曼过程进行了仿真研究, 结果表明改进算法提高了故障分类的辨识精度。     

改进的BP神经网络在石油测井解释中的应用

通过修正系统误差改进了传统的BP算法,改进后的BP算法具有收敛速度快的特点。在此基础上,利用多种测井解释数据及岩心分析资料作为网络训练样本,通过网络的训练、学习,建立了BP网络孔隙度模型,并利用该模型预测该地区新井的孔隙度值,实验证明用该模型进行孔隙度预测是可行的。     

基于人工神经网络的传感器静态特性拟合

人工神经网络具有以任意精度逼近任何非线性函数的能力。本文分别用BP网络、RBF网络对压力传感器的静态特性作高精度拟合，改进的BP算法加速了网络的收敛。仿真结果表明，三层BP网络和RBF网络能够满足工程实际中一维数据拟合的要求，网络具有良好的泛化能力。     

LMBP预测模型在国际工程索赔上的应用

针对传统BP算法的缺陷，提出了一种采用L—M算法来加快收敛速度改进的BP神经网络。在此基础上，通过研究工程中引起索赔的各种因素，建立了基于LMBP神经网络的非线性系统，并利用该网络模型来预测工程索赔出现的可能性，并通过具体的仿真以及实践结果验证了LMBP网络的有效性，为承包商的工程索赔管理提出了一个新途径。     

一种结合改进遗传算法和BP神经网络的图像压缩算法

针对LM（Levenberg—Marquardt）算法的缺陷,提出一种使用改进的遗传算法和LM算法优化神经网络的混合学习算法（GA-LMbp）。该算法先通过改进的遗传算法粗调得到一组全局最优近似解（即BP网络的初始权值和阈值）,再以该近似解为初值,用LM算法优化BP网络进行图像压缩处理。实验结果表明,新算法提高了网络的学习能力和收敛速度,避免了LMbp陷入平坦区或局部极小值。     

改进蚁群算法与BP网络融合预测铅酸蓄电池SOC

人工神经网络通过模拟人脑神经网络的方式记忆、处理信息,具有很高的智能性,近些年来,被广泛应用在太阳能用铅酸蓄电池剩余电量预测的研究中,但是,收敛速度慢、对初值敏感以及较易陷于局部极小值等是单一神经网络算法难以解决的缺点.针对该问题,将蚁群算法进行改进并与BP神经网络相融合,先采用改进的蚁群算法将BP神经网络的权值参数进行全局训练,然后,采用BP神经网络算法进一步进行局部学习,从而获得最优的BP神经网络权值.最后,通过MATLAB仿真和实验验证了本课题所采用的改进蚁群与BP网络融合算法能明显改善BP网络的收敛速度以及预测精度,能准确地预测出太阳能蓄电池SOC.     

改进的BP网络在嵌岩桩承载力预测中的应用

本文提出了用改进的BP网络对嵌岩桩承载力进行预测的新方法，并编写了相应的训练程序。实例计算表明，改进的BP网络算法比一般的BP模型结果误差小、收敛快，人工神经网络方法对嵌岩桩承载力的预测行之有效。     

基于改进BP算法的商品销售量的预测

提出了一种改进的BP算法，该方法通过结合Cauchy训练来改进传统BP算法，避免传统BP算法容易陷入局部极小点，提高Cauchy训练的训练速度和解决不收敛的问题，并运用该方法于商品销售量的预测，实例表明该方法使网络具有较快的收敛速度和较高的准确度．     

BP神经网络的改进及其在内网信息安全评估中的应用研究

针对反向传播人工神经网络(BP ANN)收敛速度慢的问题,提出一种改进的自适应动量因子的BP算法.该算法使得权值向量和偏置值都可以根据自适应动量进行调整,减小了学习过程中出现振荡的趋势,缩短了网络收敛时间.基于改进BP ANN建立电子政务内网神经网络评估模型,比较改进前与改进后BP ANN评估模型的性能.仿真结果表明,改进后BP ANN评估模型收敛性能更稳定且评估误差更小,能够更好地为复杂的电子政务内网进行信息安全评估.     

动量法改进的BP神经网络及其在疲劳裂纹预测模型中的应用

BP神经网络是人工神经网络中的一个典型代表,分析了BP神经网络算法收敛速度慢的原因,研究了一种提高其收敛速度的方法,即将动量法和批处理方法结合起来对BP算法进行改进。建立了低碳钢疲劳裂纹神经网络预测模型,并将改进后的算法应用在模型中,结果表明改进后的算法可以提高学习速度,提高仿真测试结果可靠性。BP神经网络是描述疲劳裂纹演化行为的有效工具,并且可以取得较好的预测精度。     

改进BP算法在故障诊断中的应用

针对使用BP算法的多层感知器中存在的网络学习收敛速度慢,容易陷入局部极小等问题,采用一个改进的算法,对设备故障进行了诊断和分析研究,以某柴油机供油系统为例,对其中的几种常见故障进行了诊断研究,从中可以看出,改进算法加快了收敛速度,诊断的精度也有所提高。