改进的BP神经网络在车辆目标识别中的应用研究

遥感图像下的车辆目标识别系统大多是基于传统的BP神经网络算法,传统BP神经网络算法存在诸多问题,如易形成局部极小而得不到全局最优、训练次数多、学习效率低、收敛速度慢等,影响和限制车辆目标识别系统的识别能力.针对传统BP神经网络存在的缺陷,为进一步提高车辆目标识别系统的识别精度,提出采用随机梯度下降法和深层滑动神经网络对传统BP神经网络进行改进.实验表明,改进后的BP神经网络具有良好的学习能力和更快的训练速度,适用于车辆目标识别系统的优化.     

梯度法与BP神经网络的结合在机械优化设计中的应用

利用传统的优化设计方法 ,为BP神经网络的学习提供足够样本集 ,通过正向传播和误差反向传播建立BP神经网络的拓扑结构 ,实现了将BP神经网络应用于机械优化设计中 ,提高了优化的收敛速度。     

遗传算法和神经网络在铁谱图象识别中的应用

针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对铁谱图象进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。     

梯度法与BP神经网络的结合在机械优化设计中的应用

利用传统的优化设计方法，为BP神经网络的学习提供足够样本集，通过正向传播和误差反向传播建立BP神经网络的拓扑结构，实现了将BP神经网络应用于机械优化设计中，提高了优化的收敛速度。     

CMAC神经网络控制器与BP神经网络辨识器的系统设计

提出了一种基于CMAC神经网络控制系统,该系统由CMAC神经网络控制器和BP模型辨识网络组成。文中介绍了CMAC神经网络控制器的结构及学习算法,还给出了系统辨识的BP网络结构及学习算法。仿真结果表明了此法的可行性和有效性。     

基于神经网络的汽车故障诊断分析

文章研究了一种基于BP神经网络的汽车故障诊断方法。通过分析BP神经网络模型,以汽车电气系统故障诊断为例,将故障作为神经网络的输出,利用BP神经网络预测模型对故障诊断进行模拟学习,最终确定故障具体原因。研究表明,该方法用于汽车故障诊断具有较高的可行性,可广泛推广。     

基于BP神经网络的小型组足球机器人视觉子系统的图像分割技术

为解决小型足球机器人视觉子系统图像分割的实时性和光照适应性问题,将BP神经网络技术应用到图像分割中.在图像分割技术和BP神经网络的理论分析基础上,建立了两者之间的关系,并建立了相应的BP神经网络模型.图像像素离散化并将其H、Cb、Cr分量值作为神经网络的输入,将目标像素点分类类别作为神经网络的输出.通过改进神经网络学习...     

BP神经网络在机床故障诊断应用中的改进

在分析了传统BP神经网络缺点的基础上,对其进行了改进.学习因子按照所设计的函数进行动态调整,增加了势态项,并在激活函数中加入了陡峭因子.将改进的BP神经网络与传统BP神经网络进行了对比,验证了改进BP神经网络的有效性,适合数控机床的故障诊断.     

采用“GA+LM”优化BP神经网络的电液伺服阀故障诊断

针对标准BP神经网络用于故障诊断时学习效率低、收敛速度慢、易陷入局部极小点及对初始参数较为敏感等不足,提出了一种组合优化的方法,即采用遗传算法（GA）确定BP神经网络的最佳初始权值矩阵,以规避BP神经网络对初始参数较为敏感的不足;应用LM（Levenberg-Marquardt）算法在局部解空间里对BP神经网络进行精确训练,搜索全局最优解。该方法在保留BP神经网络的广泛映射能力的前提下,提升了网络的学习速度和精确搜索能力,进而大幅提高了基于BP神经网络的电液伺服阀故障诊断的效率和精度。通过对MOOG D761-2716A机械反馈伺服阀进行故障诊断,进一步说明了该方法的实用性和高效性。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

基于PCA-改进算法BP神经网络的软测量技术

本文在利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并与主元分析相结合,形成了PCA-改进算法的BP神经网络.通过在塑料缠绕过程塑料张力预测中的仿真实验结果表明PCA-改进算法后的BP神经网络不但可以提高模型的精度而且也使网络的泛化能力得到了增强.     

BP神经网络在机器人运动轨迹规划中的应用

介绍了BP神经网络及其学习规则，将Matlab软件与BP神经网络工具箱相结合，运用到了机器人轨迹规划中，仿真实验证明了BP网络能够解决机器人运动轨迹规划中的某些问题。     

基于遗传算法优化BP神经网络的数控机床热误差补偿

以提高数控机床加工精度为主要目的,针对减少热误差而提出一种基于遗传算法优化BP神经网络的数控机床热误差补偿方法.首先,分析遗传算法优化的BP神经网络学习算法.然后,建立神经网络模型对三轴联动卧式加工中心进行实时补偿.实验仿真结果表明遗传优化BP神经网络模型具有预测补偿能力强、补偿精度高、拟合性能优、实时性好等特点.     

一种确定神经网络初始权值的新方法

针对BP神经网络对易陷入局部极小的缺点,结合粒子群优化算法(PSO)在全局搜索上的良好性能,提出了一种新的算法--PSO-BP混合算法.该算法先用PSO算法将BP网络的初始权值优化到全局极小点附近,然后用传统BP神经网络学习算法进行进一步优化,仿真表明:该方法很好地解决了BP神经网络对初始值敏感、易局部收敛的问题.     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络，实现网络结构的优化，并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

基于小波神经网络的车辆发动机故障诊断

为有效诊断车辆发动机的柴油系统故障,本文将小波变换与BP神经网络相结合,用小波变换来抽取故障的特征向量,以此作为BP神经网络的输入参数,从而构建了小波神经网络。该方法依据小波变换模极大值来研究油管中柴油压力信号的奇异性来抽取故障特征向量,首先利用故障采集数据来获得学习样本,然后根据网络训练来构建起BP神经网络输出与输入间的非线性映射,从而依据特征向量输入进BP神经网络进行诊断故障。通过实验我们发现该方法有较好的的诊断效果。     

基于BP神经网络的物流预测方法

针对传统物流预测方法的局限性，研究了基于BP模型神经网络的物流预测方法，即依据历史数据建立BP神经网络对其进行训练形成物流预测模型。阐明了神经网络具有记忆、学习功能，能够很好地模拟物流发展趋势。大量预测结果的准确性表明基于神经网络的物流预测是一个行之有效的方法。     

基于BP神经网络的物流预测方法

针对传统物流预测方法的局限，研究了基于BP模型神经网络的物流预测方法，即依据历史数据建立BP神经网络然后进行训练形成物流预测模型。阐明了神经网络具有记忆、学习功能，得出它能够很好模拟物流发展趋势。大量预测结果的准确性表明基于神经网络的物流预测是一个行之有效的方法。     

基于遗传算法的神经网络用于汽车牌照识别的研究

采用遗传算法（GA）作为神经网络的学习算法,并且根据神经网络结构的特点,构造了新的遗传算子。实验结果表明,运用GA神经网络方法进行汽车牌照识别与BP神经网络相比,其收敛性和学习速度都有了显著提高。     

基于神经网络的平行折线卷筒智能设计

针对大扬程、大起重量、多层卷绕起重机平行折线卷筒的设计计算的复杂与繁琐,提出引入改进BP神经网络的方法进行智能设计,在经过网络拓扑结构设计,学习样本的获取、处理等过程后,采用改进BP神经网络学习算法,成功的实现了平行折线卷筒的智能设计.