BP神经网络学习算法的联合优化

针对ＢＰ网络学习速度的缓慢性,本文提出了一种联合优化后的快速学习算法。其改进具体表现在以下方面：（１）采用Ｃａｕｃｈｙ误差估计器代替传统的ＬＭＳ误差估计器,（２）对常规的Ｓｉｇｍｏｉｄ函数引入形态因子;（２）采用非单调线性搜索法实现学习步长的自适应变化。最后,本文以模式分类,函数逼近和数据压缩的典型应用为例分别与标准ＢＰ常规改进算法进行比较,验证了该算法的优越性。     

基于VSSAP算法的自适应干扰对消技术研究

针对雷达干扰机收发天线之间存在的同频干扰问题,文中研究了基于变步长仿射投影(VSSAP)算法的自适应干扰对消技术。该算法针对仿射投影(AP)算法的定步长因子进行改进,建立了以高斯分布函数为基础改进的步长函数,同时利用误差信号的自相关作为步长函数的自变量,得到步长因子随误差信号变化的函数表达式,从而在加快算法收敛速度的同时改善稳态误差。最终的实验结果证明：该算法的收敛速度和稳态误差明显优于最小均方误差(LMS)及其改进算法,且与参考算法相比,收敛速度大大加快,对消比提高了10 dB左右。在转发式雷达干扰机中,欺骗干扰与压制干扰得到有效抑制,使得目标信号得以较好还原。     

采用进化计算的BP神经网络学习算法研究

针对ＢＰ神经网络中存在的局部极小问题,本文提出了采用进化计算方法改进ＢＰ学习算法收敛速度的新方法,理论分析和数字仿真表明算法有很好的效果。     

一种基于误差变化率的自适应反射传播算法

本文针对ＢＰ算法存在收敛速度慢的缺点，提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法。导或问题的仿真结果表明，该方法具有较快的收敛速度。     

一种快速高效的人工蜂群算法

针对人工蜂群算法收敛速度慢和易陷入局部最优的缺点,在雇佣蜂搜索阶段提出了一种基于多维搜索和一维搜索的混合搜索策略,能克服单一一维搜索下收敛速度慢的缺点,有效加快收敛速度;提出了新的跟随蜂蜜源选择策略,可保证种群多样性,增强算法全局搜索能力。通过对12个基准测试函数进行仿真实验并与原算法进行比较,其结果表明改进的算法在收敛速度和精度上均优于人工蜂群算法。     

基于改进人工蜂群算法的无人机的航迹规划

针对无人机飞行任务规划系统中的航迹规划问题,提出了一种改进的人工蜂群算法,将其应用于无人机的航迹规划。该算法将航迹规划问题转换成函数优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使蜂群向更优方向进化。在雇佣蜂搜索阶段采用自适应搜索策略来加快算法收敛速度;在跟随蜂搜索阶段引入一种新的概率选择方式来保证种群的多样性;在侦察蜂搜索阶段利用混沌搜索算子提高算法的全局搜索能力。通过标准函数测试与航迹规划仿真对改进后的算法进行验证,结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于传统的人工蜂群算法,可有效解决无人机的航迹规划问题。     

基于改进灰狼算法的铁路隧道射线跟踪模型校正

针对灰狼优化（grey wolf optimization，GWO）算法易陷入局部最优和收敛精度差的问题，提出了一种基于对立搜索和Levy飞行策略的改进灰狼优化算法——OLGWO算法.在算法初始化阶段，采用对立搜索策略以缩小可行解范围；在灰狼位置更新过程中，为避免算法陷入局部最优采用了Levy飞行策略.4个标准测试函数的仿真实验表明，所提OLGWO算法在收敛速度及求解精度方面均优于GWO算法，可以较快且准确地搜索到目标函数的最优值.基于OLGWO算法对隧道射线跟踪传播模型进行校正的结果表明，校正后的模型在均方根误差和线性相关性方面具有较优的性能，能够实现铁路隧道环境中信号接收功率的精确预测.     

改进蚁群算法的机器人路径规划研究

针对传统蚁群算法存在算法收敛速度慢、易陷入局部最优的问题,文中提出了一种改进的蚁群算法。在传统A ^*算法的基础上,改进其估价函数,并将其引入到蚁群算法中,提出了改进启发函数η,增加目标点对路径搜索的吸引力,提高了收敛速度。新方法还改进了信息素挥发因子ρ,使信息素挥发因子处于动态变化,提高了算法的全局搜索能力,避免陷入局部最优。仿真结果表明,改进的蚁群算法在收敛速度上比传统蚁群算法提高了近50%,在最短路径上明显优于传统的蚁群算法,证明了改进算法的有效性。     

IC表面钝化PECVD工艺的计算机模拟

本文介绍了一种新的工艺研究途径－神经网络反向传播算法（ＢＰ算法），并对其网络学习收敛速度的加快进行了讨论，取得了较好的效果；利用改进的神经网络ＢＰ算法，我们通过建立ＩＣ表面钝化工艺的神经网络模型，对ＩＣ表面钝化工艺进行了计算机模拟，精确地预报了实验结果并得到了相关工艺条件与钝化介质膜特性的关系曲线，所编写的神经网络应用程序已用Ｃ语言在计算机上得到了实现。     

一种变步长的恒模均衡算法

针对时变信道需进行自适应均衡的要求，介绍了最常用的恒模算法（Constant Modulus Algorithm，CMA），并对该算法进行了改进，提出了一种步长因子μ与误差信号的e（n）之间另一种新的非线性函数，该函数较为简单，且在误差e（n）接近零处具有缓慢变化的特性，克服了CMA在收敛调整过程中的不足。同时给出了改进算法的仿真结果，计算机仿真结果与理论分析相一致，表明该算法提高了恒模算法的收敛速度，同时也保留了恒模算法较为稳定的性能。     

一种改进的变步长NLMS算法

针对传统NLMS使用固定步长而出现的收敛速度和稳态误差的矛盾,提出一种改进的变步长NLMS算法。该算法建立了步长与误差的函数关系,使步长随着输出误差和噪声误差的变化而动态更新,从而降低稳态误差。理论分析和仿真结果表明,与现有NLMS算法相比,改进的算法具有更快的收敛速度和更低的稳态误差。     

一类改进的类电磁机制算法

针对一种新的启发式全局优化算法类电磁机制算法,提出了一类改进的类电磁机制算法,改进了算法中局部搜索方法,搜索得到的初始种群更适宜于进化;对力的计算方法做了改进,使算法收敛速度加快;改进了粒子的更新过程,使得算法在进化后期能更有效地收敛到全局最优解.实验表明,与原算法相比,新算法性能更好、应用范围更广泛.     

一种用于视频编码的块运动估计算法——块特征匹配预测搜索算法

本文提出了一种块特征匹配预测搜索ＢＦＭＰＳ算法,可以用于视频压缩的一些国际标准,如Ｈ．２６１,Ｈ．２６３,ＭＰＥＧ１,ＭＰＥＧ２,ＨＤＴＶ中,ＢＦＭＰＳ算法充分利用了序列图像的实际矢量与预测矢量之间距离的空间分布特征,中心偏置分布特性和时间上的相关特性,并采用了中止判决准则,可以明显地减少了运动搜索复杂度,ＢＦＭＰＳ算法在匹配运算中采用 简单有交的块特征匹配准则函数,相应的块匹配计算复杂度,数据读     

基于误差变化率的自适应反应传播算法及其应用

本文针以ＢＰ算法存在收敛速度慢的特点，提出了一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法，异或问题，非线性系统和参数波动系统辨识的结果表明，该方法具有较快的收敛速度。     

改进的扩展互信息分离算法

扩展互信息分离算法采用单隐层神经网络近似算法代价函数中的非线性函数,可调节的参数有限,需要多次迭代才能收敛,从而导致收敛速度较慢。针对这一问题,采用双隐层神经网络近似非线性函数,以分离结果的互信息最小化作为代价函数,采用梯度下降方法对代价函数进行优化,增加了可调节参数数量。仿真实验结果表明,改进后的算法相对原算法收敛速度更快,误差更小。     

改进的非线性最小二乘算法训练多层前馈神经网络

本文通过在普通非线性最小二乘算法的准则函数中加一个正则项，推导出一种改进的非线性最小二乘算法，包括地的批处理形式和递推形式，使用该算法的递推形式训练多层前馈神经网络能克服病态，减少计算量和内存占用量，文中给出的仿真结果说明该算法具有比常的ＢＰ算法更好的收敛性能。     

基于改进局部搜索算法的三维空间路径规划研究

在机器人路径规划中,搜索区域维数增大会导致路径搜索算法收敛时间过长甚至不收敛的现象发生。针对此类问题,文中以改进的局部搜索算法为基础,融合蚁群算法中信息素因子和人工势场算法中势场因子,建立了启发函数模型以提高寻优的目的性,并对搜索到的路径用迭代法进行优化。文中具体讨论了三维空间中路径点的选取方式和启发函数模型的建立方法,同时给出了算法的详细流程。最后通过MATLAB仿真实验证明基于改进后的算法进行路径规划时,迭代次数降低,搜索速度变快,路径点轨迹趋势更加平稳。     

一种改进的麻雀搜索天线选择算法

为解决麻雀搜索算法在多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中进行天线选择时,存在过早收敛导致系统容量非最优的问题,提出了一种改进的麻雀搜索天线选择算法。该算法首先结合0-1规划推导出信道容量函数,将其作为适应度函数。在天线选择子集寻优过程中,通过引入自适应变异,有效增加了个体变化的多样性。最后将禁忌搜索算法融入到算法中,并加速算法收敛。仿真结果表明,改进的麻雀搜索天线选择算法能够有效降低MIMO系统进行天线选择时的运算复杂度,在保证收敛速度的同时,最终得到的系统信道容量趋近于最优算法。     

均衡单进化布谷鸟算法

针对布谷鸟算法采用整体评价策略处理多维度自变量相关优化问题时,维度耦合现象会恶化算法的搜索速度和收敛精度,提出均衡单进化的布谷鸟算法（ESCES）.该算法给出一种新型的均衡单进化函数评价策略,即每一代进化只随机更新目标函数的单个维度,并且随机更新的维度服从均匀分布,避免多维度之间互相干扰.同时,提出两种新型随机游动步长更新学习律,提高了优化算法的全局搜索速度和收敛精度.实验测试结果和显著性统计结果表明,ESCES算法与5个改进CS算法及7个其它最新智能优化算法相比,在全局寻优性能、搜索速度和收敛精度上均获得较大的改进.     

神经网络识别非平衡样本模式的网络优化方法

本文基于多目标优化的思想，分析了用神经网络实现非平衡样本模式识别与分类时，网络优化过程中基本ＢＰ算法收敛速度低的原因，给出了两种相应的改进算法，并利用这两种算法研究了两例非平衡样本模式的分类问题，研究结果表明：改进的算法有效地提高了网络优化收敛速度。