BP神经网络在电池分选中的应用

针对电池分选中,由于输入技术参数存在噪声而引起误选率过高的问题,以 ＢＰ（ｂａｄｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络为基础,使用抽样学习的方法,提出了多参数输入的电池分选方案．实验结果表明,该方法能在技术参数存在噪声的情况下,通过网络训练可减小分选误差．     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

BP神经网络算法在数字识别中的应用

介绍BP神经网络算法的理论和方法,并在MATLAB环境下给出了BP神经网络算法在数字图像识别系统中的应用。     

BP神经网络在变压器故障诊断中的应用

介绍了电力变压器内部常见的故障,采用BP神经网络算法建立了变压器的神经网络故障诊断模型,通过与传统的IEC三比值法相比较,表明基于BP网络的诊断方法达到了较好的故障识别与分类,诊断准确率也有显著的提高,在变电设备故障诊断中具有良好的应用前景.     

BP神经网络在射孔信号识别中的应用

将BP神经网络应用于油管传输射孔信号的识别,射孔信号经过小波变换,取小波变换后的一阶分量作为神经网络的特征量,将多个信号的一阶分量送入神经网络进行训练,得到稳定的系统,可以利用这个系统识别射孔信号。如果射孔信号为一级起爆信号,结果显示为1;如果为其他类型结果显示为0。经过实验证明,所设计的BP网络可以识别油田射孔作业中一级起爆的油管传输射孔信号。     

一种BP神经网络的学习算法及其改进

本文详细推导了典型ＢＰ神经网络学习算法,并给出了一种基于动量和学习速率自适应调整的虎法。仿真结果表明,改进算法的学习速度和收敛性得到了明显的提高。     

BP神经网络在房地产估价中的应用

将改进型BP网络用于房地产估价，通过在识别阶段对训练样本分类正确率问题的讨论，提出运用欧氏距离对网络的识别系统进行改进的方法。应用实例表明改进识别方法的BP网络应用在房地产估价中能使待判样本分类正确率从90．5％提高到100％，相应的估价误差从1．7％降低到0．3％。     

BP神经网络在洪流预报中的应用

通过归纳分析,结合实际的采集数据,对降雨径流预报的人工神经网络模型进行了改进,并针对不同的预报系统,采用改进的自适应BP算法进行分析,指出了今后洪流预报发展的方向.     

BP神经网络在房地产估价中的应用

将改进型BP网络用于房地产估价 ,通过在识别阶段对训练样本分类正确率问题的讨论 ,提出运用欧氏距离对网络的识别系统进行改进的方法。应用实例表明改进识别方法的BP网络应用在房地产估价中能使待判样本分类正确率从 90 .5 %提高到 1 0 0 % ,相应的估价误差从 1 .7%降低到 0 .3%。     

BP神经网络学习算法的研究

文中针对BP算法收敛速度慢的问题,提出一种改进的BP算法．该算法结合生物神经元学习与记忆形成的特点,针对特定的训练样本,只激发网络中的部分神经元以产生相应的输出,而未被激发的神经元产生的输出则与目标输出相差较大,所以对未被激发的神经元权值闽值进行调整．利用距离来度量训练样本与神经元权值之间的关系,可以找到未被激发的神经元．文中提出的算法是对局部神经元权值闽值的调整,通过实验表明该算法有助于加快网络的学习速度．     

BP神经网络训练的函数变步长搜索调整法

通过深入分析了ＢＰ神经网络的步长调整，采用函数变步长搜索法来提高网络的学习速度，提出一种新的改进的ＢＰ算法，该算法在速度和收敛性方面比传统ＢＰ算法优越。     

BP网络的学习能力与推广能力之间满足的不确定关系式

为了研究BP网络训练过程中出现的过拟合现象,引进表征问题复杂性的复相关系数R,通过类比信息传递过程中的一般测不准关系式,揭示了BP网络过拟合现象出现时的网络学习能力与推广能力之间满足的不确定关系式;通过模拟多种不同类型复杂程度函数的过拟合数值试验,确定出关系式中的过拟合参数的取值范围为1×10-5～5×10-4;给出应用BP网络对给定样本集的训练过程中,为提高推广能力,判断出现过拟合现象的方法。     

神经网络BP算法在噪声主动控制中的应用

在噪声主动控制系统中采用神经网络控制方法，给出了神经网络BP算法的一种变异算法。仿真实验表明，基于神经网络的噪声主动控制系统具有非常好的降噪效果和稳定性。     

BP神经网络在热计量装置热量积算中的应用

应用BP神经网络,对热计量装置热量积算中所需的表格数据(焓值和密度)进行离线训练,获得了相应的权值,并利用此权值取代相应的表格数据,在保证精确度的前提下,不仅减少了数据存储空间,而且还避免了插值运算,使编程得以简化,取得了较好的应用效果.     

BP神经网络在作业成本预算中的应用

作业成本法在成本预算等其他环节应用活动还极为少见,且常用预测方法预算额准确度较低,难以在成本管理的后续环节发挥指导和控制作用.针对此问题,利用BP神经网络从输入层输入影响运行维护作业的各个因素的状态值,经隐含层处理后传入输出层,模拟输出各项运营维护作业的数量,以此结果来指导作业预算.其自组织、自适应、自学习的优良性能,能较好地处理作业成本预测这一多因素、不确定性、非线性问题.实验表明,将BP神经网络引入作业成本预算,有利于推进作业成本法在企业成本预算中的应用,挖掘企业成本降低潜力.     

BP神经网络在移民安置效果评价中的应用

水库移民安置涉及社会、经济、环境、自然资源等诸多领域,是一个多层次、多目标、多属性的复杂系统工程.因此,移民安置效果尤其是生活水平的评价一直是移民理论研究关注的重点.依据神经网络理论,利用模糊综合评价法生成训练样本,建立了基于BP神经网络的移民安置效果综合评价模型.仿真试验表明,该模型评价结果合理,模型操作简便,具有很好的应用价值.