基于DCT-BP神经网络的人脸表情识别

提出一种基于DCT-BP神经网络的人脸表情识别算法,先对图像进行灰度均衡与图像平滑的预处理,然后利用离散余弦变换提取图像的表情特征参数,变换后的数据量大大减小,而且不会丢失图像所携带的关键信息,最后利用前向反馈神经网络算法进行识别。     

BP神经网络用于器乐演奏评价的研究

人工进行器乐演奏的评价容易受主观因素影响,BP神经网络可模拟多输入的非线性系统,利用它可以很好地建立器乐演奏评价系统.根据乐理知识将各个评价特征客观化作为输入,将所要得到的各种评价结果作为输出,经过BP神经网络进行模拟打分得出一个较为合理的分数.实验表明BP神经网络可以模拟一个稳定的评分系统.     

一种简化的BP神经网络图像插值算法

为进一步提高图像插值质量,丰富非线性图像插值算法研究,提出一种简化的神经网络插值算法。利用前向反馈神经网络(BP-NN)构造最佳的图像插值模型,通过2组实验确定该模型的BP网络最佳拓扑结构、最佳采样模型和采样点数量,并定量描述每组模型的耗时。实验结果表明,对512×512像素图像采用BP-NN训练点数量为50000、拓扑结构为8-16-1的参数插值时,该算法平均插值时间约为0.7 s,且其峰值信噪比比线性均值方法平均高1 dB~2 dB,能够得到更佳的视觉感受。     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

基于回归神经网络误差配准算法的仿真实现

在网络系统优化问题的研究中,目前广泛使用的BP网络模型不能保证收敛到全局最小点,这给网络传输带来误差.为消除网络误差,提高收敛速度,在BP网络加入反馈信号生成内部递归神经网络的误差配准算法.算法在内部递归神经网络引入上次输出的结果,加入先验知识,提高了收敛速度.同时文中对有偏差单元的递归神经网络的误差反向传播学习规则进行了推导,使得网络的累积误差不大于要求值.通过民用航空领域雷达网系统仿真数据仿真表明,算法在消除雷达网系统误差、提高目标精度,对网络系统优化可以取得较好的效果.     

基于改进BP小波网络的网络流量预测研究

研究无线网络优化控制问题,针对流量拥塞,传统BP小波网络(BPWNN)易陷入局部极小,收敛速度慢的缺陷,为了提高网络服务性能,提出一种改时的学习速率自适应的算法IBPWNN.在IBPWNN的小波网络运行过程中,动态的调整学习速率,防止网络陷入局部极小和误差变大.进行仿真实验,分别利用BPNN和IBPWNN进行网络流量进行对比预测.仿真结果证明,IBPWNN算法既简捷,又能够提高学习速度和精度,避免了BPWNN网络易出现的收敛速度慢、易产生局部最优解的问题,为网络优化提供了有效算法.     

BP神经网络在声乐评价中的应用

评价表演者的演唱是受多个因素综合影响.评价者在打分中受主观因素影响较大.BP神经网络可模拟由各因素构成的非线性映射.建立声乐评价体系,将各个评价指标客观化,使用成绩向量作为输入,经由BP神经网络输出得到合理的分数.实验仿真表明,通过训练的BP网络可模拟一个稳定的评分系统.     

Estimation of Battery State of Health Using Back Propagation Neural Network

100 pieces of 26650-type Lithium iron phosphate（LiFePO4） batteries cycled with a fixed charge and discharge rate are tested, and the influence of the battery internal resistance and the instantaneous voltage drop at the start of discharge on the state of health（SOH） is discussed. A back propagation（BP） neural network model using additional momentum is built up to estimate the state of health of Li-ion batteries. The additional 10 pieces are used to verify the feasibility of the proposed method. The results show that the neural network prediction model have a higher accuracy and can be embedded into battery management system（BMS） to estimate SOH of LiFePO4 Li-ion batteries.     

BP神经网络在车牌字符识别中的应用研究

研究车牌字符识别问题,针对传统神经网络在车牌字符识别存在识别准确率低、效率低的问题,提出了一种基于改进神经网络的车牌字符识别方法.该方法首先采用Gabor滤波器提取车牌字符的特征,PCA降维处理消除车牌字符特征之间的冗余信息,然后采用改进的神经网络对提取特征进行训练得到最优识别模型,最后利用最优模型对车牌字符进行识别.仿真实验表明,数字及字母的识别准确率达95.0%以上,汉字的识别准确率达93.1%,与传统识别方法相比,识别准确率和识别速度都有了较大的改进,该方法在车牌识别的应用有着广泛的前景.     

改进的BP神经网络算法在航迹匹配中的应用

利用迭代最近等值点(ICCP)算法对重力图上的航迹进行匹配可以减小惯性导航系统误差,但计算量大。针对上述问题,通过修改激励函数并增加假饱和预防函数,提出一种改进的反向传播神经网络学习算法。仿真结果表明,该算法可以加快搜索最近等值点的速度,更好地满足重力辅助导航对匹配精度及匹配速度的要求。     

BP神经网络在器乐演奏评价中的应用

评价者在为器乐演奏者的表演打分时易受主观因素影响,而演奏者的表演也需从多个指标来衡量。BP神经网络可模拟由各因素构成的非线性映射。建立声乐评价体系,将各个评价指标客观化,使用成绩向量作为输入,经由BP神经网络输出得到合理的分数。实验仿真表明,通过训练的BP网络可模拟一个稳定的评分系统。     

BP神经网络在教学质量评价体系中的应用

教学质量评价是对教学质量进行过程控制的重要手段。采用多层前传网络结构（back-propaga-tionnet2workconstruction,BP网络）,测试教学质量评价体现的完整性,让教学质量评价系统更充分的体现其功能,希望能通过BP神经网络的自学习自识别模式理论更好的对评价的指标进行衡量,从而更好的对评价的结果的有效性、合理性进行把握。     

神经网络中处理鞍点的LMBP改进算法

针对目前神经网络中的Levenberg-Marquardt反向传播(LMBP)算法在训练过程中有可能迭代到鞍点的问题,提出一种能有效克服鞍点的LMBP改进算法。计算鞍点处雅克比矩阵的正特征值对应的特征向量并将其作为新的搜索方向。通过实例对比传统LMBP算法与改进LMBP算法的效果,证明改进的算法能有效地脱离鞍点并进一步收敛到极小点处。     

基于BP神经网络的车牌自动定位方法

提出了基于BP神经网络的车牌自动定位方法。实验表明，由此建立的车牌自动定位模型适角于各类机动车辆，总定位率为99．5%，达到了业务使用的要求。     

改进BP神经网络的煤与瓦斯突出预测

研究煤与瓦斯突出预测问题,煤与瓦斯突出是一种非常复杂的地质灾害,受到瓦斯、地应力、煤物理力学性质等多种因素影响,存在复杂的非线性系统问题,引起预测准确性差。传统BP神经网络存在收敛速度慢、易陷入局极小等缺陷。为了有效提高煤与瓦斯突出的预测精度,提出一种改进BP神经网络的煤与瓦斯突出预测算法。首先采用附加动量调整网络的权值,加快网络收敛速度,然后自适应调整网络学习速度,减少迭代次数,最后对煤矿的煤与瓦斯突出进行仿真,相对于传统BP神经网络,不仅有效地减少了迭代次数,加快了学习速度,而且提高了预测精度,为煤矿灾害的准确预测提供了依据。     

基于BP神经网络的多升降台同步控制研究

大型分布式升降台控制系统中,其同步控制是最关键的问题之一;针对传统神经网络PID控制器在多升降台同步控制的结构复杂及同步时间长等问题,提出一种基于相邻偏差耦合控制结构的BP神经网络PID同步控制策略,在确定同步误差定义的基础上,建立异步电机的矢量控制模型,改进了BP神经网络同步控制器;对四升降台同步控制系统的仿真实验表明:所研究的控制策略同步误差小,收敛速度快,实用性强。     

改进BP神经网络模式识别在消除惯导漂移误差中的应用

为了能实时地消除惯导陀螺漂移误差,在数字地图为基础的前提下,引入了改进BP神经网络模式识别技术,并设计了相应的三维数字地形辅助惯性组合导航算法——BP算法。在匹配过程中,分别给定了不同的数字地形模式和不同载体的机动轨迹。利用C＋＋程序进行算法中的数值计算,然后通过Matlab软件模拟导航数值仿真。多次实验证明,提出的方法具有很好的可靠性和可行性,具有重要的工程应用价值和理论借鉴意义。     

带竞争学习机制的反向传播模型及在遥感图像分类中的实验

遥感图像分类是遥感的基础理论和技术。人工神经网络以其特有的优点和巨大的潜力正在被越来越普遍地用于遥感图像分类的研究和生产，应用和研究最多的是反向传播人工神经网络模型。该模型存在收敛速度慢、新加入样本影响已学过样本及其它一些缺陷，本文针对这些缺点，将竞争学习机制引入反向传播模型，从而加速子模型的收敛速度，去除了新加入样本对已学过样本的影响，减少了计算机实现时的内存开销，并改善了分类结果的精度。应用太文提出的模型对实验区的TM图像进行了分类实验研究，取得了较好效果。     

基于误差反向传播神经网络的超视距协同空战研究

针对多机协同空战中的多目标分配问题,利用构造的误差反向传播（BP）神经网络模型对超视距空战情况下的几种典型的第3代战斗机空战性能进行比较评估,在此基础上建立了协同优先的分配模型。给出了协同优先权的计算步骤。仿真算例表明了模型的有效性。