有隐层指导的多层前馈网络学习算法研究

采用基于知识的方法对隐层训练加以指导，有效地改善了训练算法的效果，并使隐层节点数可以明确地确定．在增加新模式时，训练不必完全重新开始，使训练时间大为缩减．     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割，讨论了学习样本的提取步骤和网络学习的速度改进方法，实验表明，用多层前馈网络进行图象分割能获得良好的结果。     

基于遗传算法和BP算法的多层感知机杂交训练算法

基于梯度下降的神经网络训练算法易于陷入局部最小,从而使网络不能对输入模式进行准确分类。本文提出综合遗传算法和BP算法的杂交算法GA-QP,它结合遗传算法的全局搜索特性和BP的局部收敛特性,实现对神经网络的有效训练。实验表明该算法优于BP算法,实验结果令人满意。     

改进的BP网络算法在图像识别中的应用

采用增加动量因子和自适应学习速率相结合的方法,对BP神经网络算法进行改进,利用改进的BP网络算法,可以有效地抑制网络陷入局部极小值,提高网络训练速度。实验验证表明,改进的算法对图像识别的准确率较高。     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割,讨论了学习样本的提取步骤和网络学习的速度改进方法。实验表明,用多层前馈网络进行图象分割能获得良好的结果。     

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。     

基于神经网络的BP算法研究及在网络入侵检测中的应用

通过分析BP神经网络用于检测系统存在的问题,在传统BP算法基础上,采用自动变速率学习法,引入遗忘因子、随机优化算子,并将其用于网络入侵检测系统。仿真实验结果表明,改进的BP神经网络算法用于入侵检测,速度快、易收敛,目标精度0.02很快达到。改进的BP神经网络算法的检测率、漏测率、误报率分别为96.17%,3.83%,4.15%,检测率比未改进的BP算法要高出11.65%,漏测率比未改进的BP算法要低10.66%,误报率比未改进的BP算法要低4.07%,改进算法优越性明显。     

基于单参数坐标轮换法的多层前馈型神经网络的一种新型算法

关于前馈型神经网络,本文提出一种基于单参数坐标轮换法的新型高铲算法,并就其计算复杂性方面进行了深入研究。指出本算法之所以收敛速度快,是因为其计算复杂性只与网络单元有关参数关系密切。算例证明了本算法对实际应用问题比ＢＰ算法有明显改进。     

人工神经网络的BP算法及其应用

在一般人工神经网络的BP算法的基础上,研究了BP算法所遵循的数学基础,指出其存在的缺陷和不足,并给出改进方法。探讨了MATLAB环境下实现人工神经网络BP算法的编程方法及方法改进比较的例子,得到了良好的结果。     

基于交点算法的轨道网络质差问题定位

针对当前网络中无线问题无法准确定位的问题,提出利用轨道经纬度信息和软采的MR数据实现轨道网络无线问题点的分析及捕捉,并结合GIS呈现的一套问题分析定位解决方法。其中使用了交点算法,利用TA(Timing Advance)和AOA(Angel of Arrival)结合轨道的经纬度进行质差点定位。同时结合软采数据和网络爬虫的轨道经纬度数据,通过GIS地图直观呈现无线问题点。最后实验测量结果显示这种基于交点算法的网络质差定位法能达到20m内定位精度90%以上,优化效果明显。     

LM算法改进的BP网络在模式分类中的应用研究

针对标准BP算法在进行模式分类时,存在收敛速度慢和易陷入局部极小值等缺陷,采用LM(Levenberg-Marquart)算法对标准BP算法进行改进,分别构建了LM-BPNN和标准BPNN分类模型并对平面上二维向量模式的分类,并进行了泛化能力测试。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,LM-BPNN的收敛速度明显加快,训练准确性和分类精度也明显优于标准BPNN,有效克服了标准BPNN收敛速度慢、易陷入局部最小值的缺点。     

基于改进BP算法的数字字符识别

本文利用BP神经网络算法，在MATLAB环境下，分别用理想字符信号和含噪声字符信号对同一网络进行了训练，使系统具有较强的容错性。最后用实际扫描的不同字体字符进行了识别实验。实验结果证明了系统在实际应用中的可行性。     

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。     

多层神经网络同伦连续BP算法的递归实现

本文提出了一种递归实现的同伦连续ＢＰ算法，该算法可有效地解决ＢＰ网络的全局收敛性问题，同时使网络具有很快的收敛速度。     

试析改进BP算法在入侵检测技术中的应用

本文结合实际情况对改进BP算法在入侵检测技术中的应用进行深入的探讨。     

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     

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。     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

多层前馈神经网络快速学习算法的实现

本文评述优化学习率BP(Back Propagation)算法,给出应用研究中几种常用网络结构的优化学习率的计算公式,讨论与算法实现相关的一些问题.模拟实验结果进一步揭示算法的快速性质.     

基于量子BP网络的图像压缩技术研究

量子神经网络是一门崭新的学科,是量子理论和人工神经网络结合的产物。它融合了量子计算与神经网络的优点,具有很高的理论价值和应用潜力。本文基于具有量子输入和量子输出的量子神经元模型,利用BP网络用于图像压缩的原理,同时借助复数BP算法提出了QBP算法,构建一种用于图像压缩的3层QBP网络模型,实现了图像压缩与图像重建。仿真结果表明,在与BP网络压缩比相同的情况下,QBP网络不仅获取较好的重建图像质量,而且在最佳学习速率下迭代次数比BP网络少。