应用MATLAB设计神经网络

介绍了著名的计算机辅助设计工具MATLAB和神经网络.探讨了利用神经网络进行预测器设计的可行性,这个设计通过MATLAB实现.根据试验结果,获得了非常好的预测性能.多层网络比单层网络具有更好的学习能力.     

基于改进BP神经网络的预测系统开发

阐述了预测系统的基本功能、原理实现和系统结构。对BP神经网络的结构和训练算法进行了研究,在分析了传统BP算法的缺陷后,提出了一种基于附加动量与自适应学习率相结合的改进算法。根据改进BP算法采用MATLAB编写了具有预测功能的循环函数程序。最后,利用VB.net、MATLAB以及Access数据库的混合编程技术开发了这套预测系统,并将该系统应用于高血压预测实例。     

BP噪声抵消网络在发动机故障信号的应用

介绍了BP自适应噪声抵消系统模型,分析了其原理及实现,并将其应用于发动机故障信号的处理.通过MATLAB进行仿真试验,结果表明基于BP神经网络的噪声抵消能有效地清除噪声,具有很好的鲁棒性能.     

主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。     

BP神经网络在人脸识别中的应用研究

本文介绍了一种BP神经网络的人脸识别系统的设计方法。该设计利用前向多层神经网络的反向传播算法,即BP算法,采用MATLAB软件建立了用于人脸识别的BP神经网络,并利用大量的人脸特征数据训练神经网络,使神经网络能分辨出不同的人脸特征。实验结果表明,用这种方法进行人脸识别有较好的效果。     

人工神经网络在EPDM硫化胶性能预测中的应用

该文将人工神经网络方法应用于EPDM硫化胶的性能预测，用按回归通用旋转组合设计方法设计的EPDM硫化胶20次性能试验数据作为人工神经网络的样本数据，利用MATLAB 6．5软件包中的神经网络工具箱，构造BP神经网络，优选最佳的神经网络参数，通过训练后，用于预测EPDM硫化胶的氧指数、扯断强度和伸长率性能。结果表明，训练好的神经网络可准确地预测EPDM硫化胶的有关性能，基于MATLAB 6．5的人工神经网络是分析EPDM配方各组分对硫化胶性能影响的一种快捷、可靠的新方法。     

基于BP神经网络的预测建模系统的研究与实现

神经网络具有良好的记忆、归纳和学习能力，对难以用数学方法建立精确模型的信息、工艺等能够进行有效地预测建模。该文通过对BP神经网络的分析和研究，针对传统BP算法的不足，采用Levenberg—Marquardt(LM)优化算法的建立一个基于BP神经网络预测建模系统。在介绍了系统的主要功能之后，给出了用MATLAB软件实现该系统主要模块的具体程序。最后采用该系统对一个制造过程中刀具磨损量的进行了预测建模，实验仿真结果表明：系统具有良好的预测效果，刀具实际磨损量与预测磨损量的误差基本上在10％以下。     

基于改进BP神经网络的函数逼近性能对比研究

为了正确反映实际应用中经常采用的6种典型BP神经网络的改进算法的非线性函数逼近能力,本文从数学角度详细阐述这6种典型BP神经网络的改进算法的学习过程,简要地介绍MATLAB工具箱中设计BP网络的训练函数,最后在MATLAB环境下设计具体的网络来对指定的非线性函数进行逼近实验,并对这6种典型BP神经网络的改进算法的性能差异进行对比。仿真结果表明,对于中小规模网络而言,LM优化算法逼近性能最佳,其次是拟牛顿算法、共轭梯度法、弹性BP算法、自适应学习速率算法和动量BP算法。     

基于MATLAB神经网络工具箱的BP网络实现

简要介绍BP神经网络结构和算法以及MATLAB语言的特点。利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数实现BP网络将非常容易，用户只要根据自己的需要调用相关程序，从而免除了编写复杂而庞大的算法程序的困扰。并详细论述利用MATLAB神经网络工具箱设计BP网络的方法及步骤，给出具体应用实例，从而验证该方法的可行性。     

一种数据融合BP神经网络的船舶流量预测算法

为解决现有船舶交通流量预测算法中存在的预测精度不高、算法稳定性差等不足,将一种数据融合BP神经网络的算法用于船舶流量的预测,不仅能较好地实现船舶流量的高精度预测,而且还增强了算法的稳定性。以宁波港口2012年船舶流量观察数据为实例进行分析,用MATLAB软件编程进行系统仿真,实验结果表明,经过数据融合的BP神经网络预测精度高,系统鲁棒性强,预测效果明显优于传统的BP神经网络算法。     

改进粒子群—BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。     

Forecasting stock indices with back propagation neural network

Stock prices as time series are non-stationary and highly-noisy due to the fact that stock markets are affected by a variety of factors. Predicting stock price or index with the noisy data directly is usually subject to large errors. In this paper, we propose a new approach to forecasting the stock prices via the Wavelet De-noising-based Back Propagation (WDBP) neural network. An effective algorithm for predicting the stock prices is developed. The monthly closing price data with the Shanghai Composite Index from January 1993 to December 2009 are used to illustrate the application of the WDBP neural network based algorithm in predicting the stock index. To show the advantage of this new approach for stock index forecast, the WDBP neural network is compared with the single Back Propagation (BP) neural network using the real data set.     

基于遗传BP网络的股市预测模型研究与仿真

股票价格走势已经成为人们关注的焦点,为了更精确的预测股票价格,得到更合理的股票投资意见,利用遗传算法全局寻优和BP神经网络局部寻优相结合的方法.提高了传统BP神经网络的计算精度和收敛速度.建立了基于遗传BP网络的股市预测系统模型,对贵州茅台股票价格进行预测.仿真结果表明,经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时,迭代次数比一般BP神经网络模型也大大减少.因此适用于求解如股市预测等非线性问题,具有较高的精确度和应用价值.     

基于神经网络的高校科研项目前景预测系统研究与设计

为了对高校科研项目前景进行有效预测,进一步提升科研成果转化率,本文提出了基于神经网络结合科研项目共享的网络平台,构建可靠的科研项目前景预测系统。通过将各类大量科研项目的特征参数化,利用BP(反向传播)神经网络的非线性映射能力、自适应能力和对离散数据的泛化能力生成模型后,用于从多维度对一个新项目生成可靠的前景预测。实验表明,BP神经网络算法在大量学习经过预处理的样本后所产生的预测结果是具有较高准确性的,且能够随着新的样本输入不断更新和适应,因此该方法具有较强的可行性。     

高速公路动态交通流的BP神经网络建模

通过对高速公路宏观动态交通流模型的分析,针对高速公路交通系统的非线性时变特点,应用BP神经网络建立了高速公路宏观动态交通流模型。并利用一段高速公路的交通流数据对BP神经网络进行训练,得到网络参数。最后,为了验证BP网络模型的有效性,在MATLAB环境中对模型进行了仿真,并将仿真结果与原始模型的结果进行了比较。结果表明,该方法能较准确地描述高速公路交通流的真实行为,并且能够适应交通状况的变化。     

基于免疫神经网络的陀螺仪漂移预测

BP神经网络可用于预测陀螺飘移误差，但容易陷入局部极值，训练速度很慢。针对上述缺点，该文提出了一种基于免疫算法的神经网络，以样本输出为抗原、神经网络权值矩阵为抗体，通过克隆、变异、抑制等步骤找到最优抗体，将最优抗体用于陀螺仪漂移预测。仿真试验显示，免疫训练算法能有效优化网络权值，基于该模型的漂移预测精度较高。     

最大熵模型和BP神经网络的短句对齐比较

利用最大熵模型和BP神经网络对《史记》古文与现代文译文的平行语料进行短句对齐研究。最大熵模型将短句长度、短句对齐模式和共现汉字特征相结合来对平行语料进行短句对齐;BP神经网络则把短句长度、短句位置和共现汉字特征相结合来对平行语料进行短句对齐。实验结果表明：同时考虑短句长度、短句对齐模式和共现汉字3个特征的最大熵模型,短句对齐的准确率和召回率是最高的;并且最大熵模型的准确率和召回率高于BP神经网络。     

基于蚁群算法的神经网络在企业资信评估中的应用

BP算法在资信评估中应用较为广泛，但有收敛速度慢、易于陷入局部极小点的缺点。提出一种新的企业资信评估模型，该模型将蚁群算法和神经网络结合起来，使其既具有神经网络的广泛映射能力，又有蚁群算法带来的高效率，全局收敛，分布式计算等特点。实验表明,基于蚁群算法的神经网络对企业资信评估有着良好的性能。     

基于COBP模型的城市短期需水量预测研究

针对城市需水量预测中时间序列的非线性特性及传统BP网络预测收敛速度慢易陷入局部极小值等问题,将Chaos理论和BP神经网络理论相结合,提出了一种基于Chaos-BP理论的城市短期需水量COBP(ChaosBackPropagtion)预测模型。利用重构相空间的嵌入维数确定COBP网络的结构,通过混沌优化搜索,找到BP神经网络权值的全局最优值,并对其输出的“尖点”预测值进行混沌参数控制,实现城市短期需水量的预测。仿真分析表明,与传统预测模型相比,COBP预测模型所需训练数据样本少,收敛速度快、易达到全局最小值,预测结果整体误差的指标良好,呈现良好的综合预测性能。     

A Neural Network System for Patch Load Prediction

This work presents the application of Artificial Neural Networks to forecast the ultimate resistance of steel beams subjected to patch loads. A single design formula for this structural engineering problem is very difficult to obtain, due to the influence of several independent parameters. On the other hand, creating new experimental data in laboratory is very time consuming and expensive. This work demonstrates that new data can be obtained from a neural network system composed of four Back Propagation networks. The proposed neural network system presented a maximum error value lower than 15%, while the existing formulas errors were over 20%. These results confirmed the possibility of using this methodology to generate new trustworthy data. These data, coupled with experiments found in the literature, can surely help the development of a more consistent and accurate design formula.