基于改进BP神经网络的网络态势评估方法

针对传统基于特征分析、 分类器或人工神经网络的态势评估方法存在对专家经验依赖高、 模型训练速度慢和准确度较差等问题,提出了一种基于改进BP神经网络的网络态势评估方法,将网络评估指标作为BP神经网络的输入向量,将熵权法和L-M算法引入传统的BP神经网络进行优化,克服了标准BP网络中初始值对模型结果的限制,加快了神经网络模...     

基于BP神经网络的Ad Hoc网络通信能力评估

针对Ad Hoc网络特点,建立了效能评估指标体系,简要分析了指标选取的理由。然后阐述了利用BP神经网络评估网络通信能力的基本设想。构建了BP神经网络模型,分析了样本的录用和训练过程,当训练精度达到要求后,再运用BP神经网络对几种典型分簇算法构建网络的通信能力进行了评估。     

基于改进BP神经网络的ATM系统信息安全评估方法

根据ATM系统3层体系结构,针对ATM系统面临的信息安全问题,提出了应用人工神经网络(ANN)技术来评估ATM系统信息安全的思想;设计了基于改进的BPANN的ATM系统3层神经网络评估模型。根据建立的BP神经网络模型,以ATM信息系统主要信息安全指标作为训练样本,通过学习和训练找出输入与输出之间的内在联系,用训练好的BP网络对ATM信息系统进行评估,并将评估结果与传统的评估方法进行比较。实验结果表明,提出的评估模型具有很强的自适应性和容错能力,适用于复杂的ATM信息系统的安全性评估。实验数据与实际ATM信息系统的运行状态相吻合。     

基于模糊神经网络的微波器件建模

通过模糊数据曲线来确定模糊规则,从而只需要根据系统的输入输出数据来建立网络最佳结构,并对BP算法进行了改进以加快网络模型的训练速度.在此基础上,用建立的模糊神经网络对微波无源器件共面波导的电容参数来进行提取.实验证明,模糊数据曲线确定的网络结构是接近最佳的,在训练速度和精度方面,效果优于神经网络建模算法.     

基于改进BP网络的武器效能评估专家系统

介绍了一种基于改进BP网络的武器效能评估专家系统。通过灰色关联度分析法选取武器特征参数,针对武器系统的特点建立了神经网络评估专家系统模型,并采用改进后的BP算法训练网络,通过仿真实例表明用该方法评估武器系统效能更加精确。     

一种空管系统可靠性评估模型

采用模糊神经网络构建了评估模型,提出了一种改进算法.该算法将监督训练与自主学习相结合,即反馈误差和修正权值,同时自动调整隶属函数的中心值和宽度.实验结果表明,新模型的实时性和准确性优于BP模型和SOFM模型.     

基于粒子群优化模糊小波网络的目标威胁评估

主要对不确定性环境下的空中目标威胁评估问题进行研究。首先通过模糊神经网络处理信息不确定问题,在获取威胁目标信息较少的环境下,使用小波神经网络增强网络自学习能力,并分析威胁因素,创建不确定性环境下的模糊小波神经网络(FWNN),实现对目标威胁的评估;然后针对初始参数的不确定性问题,采用粒子群优化算法和BP算法更新每个模糊规则后件部分的参数,以达到提高评估效果的目的。仿真结果表明,与模糊小波神经网络相比,该算法提高系统的稳定性,加快收敛速度,增强预测精度。     

BP神经网络在电子战效能评估中的应用

利用BP神经网络算法对电子对抗干扰效果进行评估,根据干扰效果评定的诸因素的隶属函数确定其隶属度,以此作为神经网络输入层数据.然后,根据选定的训练样本对所构造的三层BP神经网络进行训练,再运用几组典型干扰对抗效果实验数据对该BP神经网络性能进行检验.结果表明BP网络已经训练好,用此BP神经网络评估电子对抗干扰效果是合理的,该方法减少了评估中的人为因素,使得评估结果更为可信.     

一种新型探测器在火灾探测中的应用

提出将串联型模糊神经网络应用于火灾探测系统,并且使用多传感器技术。首先将多传感器测得的多个信号模糊化后送入神经网络进行处理,其模糊系统用指派法定义隶属度函数,神经网络采用3层前馈BP网络结构,用BP算法进行网络参数的训练。其后由模糊逻辑判决火灾或非火灾。     

一种基于神经网络的图像复原方法

提出了一种基于BP神经网络的图像复原算法.在分析图像模糊机制的基础上,为了降低输入维数,该方法采用滑动窗口操作来提取特征,同时为了加快训练速度和改善网络复原效果,首先对图像进行边缘提取,对图像内边缘区域和平坦区域分别采用滑动窗口获得训练集.利用BP神经网络的学习能力,通过训练,建立含有退化信息(高斯模糊)的模糊图像和清晰图像之间的映射关系模型,利用该模型对模糊图像进行复原,得到的复原图像在视觉上和定量分析上都获得了较好的效果.     

基于RFNN的复杂机动事件检测方法

针对态势评估中复杂机动事件检测的精度及实时性问题,提出了基于粗糙集-模糊神经网络(RFNN)的事件检测方法,通过粗糙集理论获取数据样本中的最简规则集,然后根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值,最后用BP算法迭代求出网络的各种参数.仿真结果证明RFNN用于复杂机动事件检测的有效性,同时可以发现其在...     

基于免疫优化RBF网络的机载嵌入式训练系统效能评估

针对某新型教练机机载嵌入式训练系统效能评估问题,提出基于免疫优化RBF网络的效能评估算法。将效能评估问题建模为一个非线性回归问题,建立简洁、完备的效能评估指标体系;使用免疫克隆优化算法和一个新颖的编码方式进行自动聚类,得到合适的RBF网络隐含层单元个数以及高斯函数中心,从而完成RBF网络的训练。在测试部分,通过仿真实验,并对比经典的BP算法、遗传BP算法,该文方法在评估精准度和稳定性方面都是较优的。     

基于萤火虫BP神经网络的轴承故障诊断研究

针对BP神经网络训练过程易陷入局部极值导致训练误差收敛速度慢的问题,提出将具有全局寻优的萤火虫算法,结合BP算法共同训练神经网络。在本质上,萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练,避开局部极值点,得到优化后的神经网络初始权值后,利用BP算法的局部寻优特性对网络做进一步精细训练。轴承故障实验表明,萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升,故障识别率最高达到99.47%。     

共轭梯度BP算法在Matlab 7.0中的实现

应用Matlab 7.0中神经网络工具箱建立BP神经网络的最优化求解方法,采用共轭梯度法对网络的权值和阚值进行优化计算,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.对BP神经网络的传统梯度下降法与共轭梯度算法进行了仿真.这里通过对算法的训练速度,容错泛化能力等方面加以讨论,多方面印证共轭梯度算法的优越性,仿真结果凸显了训练速度的大幅提高,尤其对训练后网络受损情况下的泛化能力,采用线性回归的方法进行了仿真验证,同样得到满意结果,从新的角度支持了共轭梯度BP算法.     

基于粒子群优化BP神经网络的高校科研管理评估研究

针对高校科研管理部门面临的科研绩效评估问题,提出一种基于粒子群优化的BP神经网络评估模型。该模型采用粒子群算法优化BP神经网络预测模型的初始权值和阈值,然后训练BP神经网络预测模型并预测。分别使用10个科研指标、绩效评价值作为神经网络的输入和输出,并以多个高校历年科研管理数据为训练和测试样本进行验证分析。神经网络预测模型具有较快的收敛速度和较高的预测精度。     

基于数据挖掘技术的网络入侵检测技术研究

在此对基于数据挖掘技术的网络入侵检测技术进行研究。考虑到常规BP神经网络建立的网络入侵检测技术存在由于BP神经网络容易陷入最小值导致检测效率和准确率低下等问题,使用粒子群算法对BP神经网络模型进行优化,使用动态惯性权重系数以确定BP神经网络的参数,并将网络入侵流量特征与BP神经网络的参数组合并编码成一个粒子以实现网络入侵流量特征与BP神经网络的参数的同步选取。通过使用KDD CUP99数据库的入侵流量数据对使用该方法以及常规BP神经网络建立的检测模型进行训练和测试,结果表明,研究算法建立的检测模型具有更高的检测效率以及检测准确率。     

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。     

BP神经网络在语音干扰评估系统中的应用研究

文章主要介绍了语音干扰评估系统,重点研究了干扰评估系统中数据拟合部分算法的性能,引入了BP神经网络作为新的数据拟合算法,使用多组语音文件,进行干扰系统评估,并对BP神经网络与最小二乘算法的拟合结果进行比较。证明BP神经网络在语音干扰评估系统中的实用性以及性能提升,该模型可以在语音干扰系统中实际应用。     

基于BP神经网络的教学质量评估系统研究

根据高校教学质量评估指标,给出了利用BP神经网络算法建立BP三层网络结构教学质量评估系统的数学模型,并在matlab下通过编程验证了将该模型用于高校各评价指标以确定教学质量的评价结果。     

基于GA与L-M优化算法的变压器故障诊断研究

利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。