BP神经网络的研究与应用

人工神经网络作为一门高度综合的交叉学科,在实际应用中绝大部分的神经网络模型是采用BP网络和它的变化形式,它也是前向网络的核心部分,体现了人工神经网络最精华的部分。该文介绍了BP网络的学习过程以及从模式识别角度应用BP神经网络作为分类器进行机械故障诊断。     

基于BP神经网络的计算机图像智能识别方法

基于BP神经网络的计算机图像识别模型能够有效识别收敛识别误差,随着人工智能神经网络的发展,图像识别技术无论在实时性还是准确性方面都有很大提升。基于计算机图像识别的意义,分析BP神经网络的计算机智能图像识别模型。由于BP神经网络与其他网络的融合算法相比,在性能和准确率上更加突出,由此提出了基于GA&BP深度神经网络算法的计算机图像识别优化模型,通过实验对比分析加以验证,证明优化模型收敛速度更快,识别准确更高,具有更加明显的应用优势。     

基于BP神经网络的图书馆网站评价方法

在建立符合图书馆网站特点的评价指标体系的基础上．探索一种运用BP神经网络对图书馆网站进行评价的方法。概述BP神经网络及其基本原理。并详述基于BP神经网络的图书馆网站评价模型的建立过程,包括神经网络结构的确定、网络学习,以及网络检验等。将该模型应用于实例检验。得到较满意的结果。     

大学生综合素质评价中BP神经网络的建模与仿真

介绍了神经网络的基本理论,指出传统BP算法存在的问题及改进方法。在建立大学生综合素质评价指标体系的基础上,提出并建立了一个BP神经网络模型。采用基于动量法和自适应学习率的BP算法对网络进行训练,避免网络陷入局部极小点,提高训练效率。应用该模型对大学生综合素质评价进行仿真,结果表明,利用神经网络进行大学生综合素质评价具有良好的前景。     

基于粒子群算法优化BP神经网络漏钢预报的研究

针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统BP网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和BP网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景.     

一九九七年电气自动化新技术丛书简介

神经无网络控制 王永骥 涂健编著 　　本书由神经网络和神经网络控制两部分组成.第一部分介绍常用神经网络构成的原理及学习算法.第二部分介绍网络在自动控制领域中的应用,内容涉及神经网络系统辨识,神经网 络控制器设计及神经网络的故障诊断与容错控制等方面.     

基于小波神经网络的城市建设用地预测

城市建设用地的准确预测是城市土地总体规划的重要决策基础。通过对影响城市建设用地主要因素的研究,提出一种基于小波神经网络的城市建设用地预测模型,并给出相应的网络学习算法。以湖南省长沙市为例,建立了基于小波神经网络的长沙市建设用地预测模型,比较分析了小波神经网络模型与灰色BP神经网络模型和传统BP神经网络模型的预测结果。分析结果表明:小波神经网络模型比灰色BP神经网络模型和传统BP神经网络模型的收敛速度快、预测精度高,在城市建设用地预测中更具应用价值。该成果为城市建设用地预测研究提供了有益参考。     

基于改进BP网络算法的故障诊断分析

介绍BP神经网络结构和学习方法,针对误差反向传播神经网络模型学习收敛速度慢、容易陷入局部极小点等缺点,本文对BP网络模型进行了改进。对原始数据采用非线性的归一化函数,提出一种更加有效的学习率改进算法,提高了网络的收敛速度,采用了一种新的权值及阈值初始化方法,以避免训练时误差陷入局部极小解,并对改进BP算法与传统的BP算法进行比较,验证了该算法的优越性。     

一种改进的神经网络模型在故障诊断中的应用

利用粗糙集理论对知识的约简能力及神经网络的自学习、自适应能力,构建了粗糙集-神经网络故障诊断模型,并对BP和Elman两种神经网络比较分析。仿真结果表明,与BP结合的方法更能简化神经网络结构,减少网络的训练时间,提高故障诊断的准确率。     

深度学习在阿尔茨海默病分类诊断中的应用

阿尔茨海默病是一种常见的神经退行性疾病,可依据神经影像学进行临床诊断。深度学习能够挖掘患者影像资料中隐含的丰富信息并完成不同阶段的病程分类,是目前计算机辅助诊断领域的研究热点。介绍阿尔茨海默病神经影像学数据集,总结经典深度学习网络模型在阿尔茨海默病分类诊断中的应用以及深度学习模型可解释性,重点对卷积神经网络与融合多网络的分类诊断方法进行梳理分析,对不同的思路和方法综合对比,讨论深度学习在阿尔茨海默病辅助诊断领域面临的挑战与未来研究方向,对提高阿尔茨海默病的临床诊断效率与早期预测准确性具有重要意义。     

中文交互式网络搜索引擎及其自学习能力

论文介绍了一种具有自学习能力的中文交互式网络搜索引擎INSE(aninteractivenetsearchengineforChi-nesetext),向量空间模型、基于自动机思想的中文分词技术和神经网络BP算法的应用是INSE的主要特点,重点讨论了INSE的自学习能力。基于自动机思想分词是INSE提出的新概念,应用于中文分词可以满足最大匹配且速度较快。INSE自学习能力的实现依靠神经网络的BP算法。该算法应用于交互式网络搜索引擎可以提供更加精确的查询结果。     

基于遗传BP算法的手写体识别

神经网络具有模拟人类的大脑活动、良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力.本文阐述了BP神经网络基本原理以及BP网络手写体识别模型,研究分析了BP神经网络手写体识别模型的缺陷并提出了优化策略.在此基础上,提出一种基于改进结构的BP神经网络来实现手写体数字识别方案,除了改进BP网的结构外,还对网络学习算法进行了改进,采用了BP和GA相结合的算法,提高了网络的学习训练速度和识别效果.     

BP神经网络及其在数据分类中的应用

BP神经网络模型是一种典型的前向型神经网络,具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力,是目前应用最为广泛的一种神经网络模型。本文介绍了BP神经网络的实现以及其在数据挖掘分类方面的应用。     

基于GA-BP神经网络的广州市降雨量预测

BP神经网络模型在预测领域中应用十分广泛,但其在网络学习过程中存在缺陷,结合遗传算法(GA)能够得到改善。历年的降雨量可以视为时间序列问题,本文分别建立BP神经网络和基于GA的BP神经网络对广州市降雨量进行预测,模型测试显示,GA-BP模型的预测效果优于BP模型。最后应用GA-BP神经网络模型对2014年的广州降雨量进行预测,预测结果为1635.1毫米。     

遗传BP网络在机载雷达故障诊断中的应用研究

对遗传算法优化的BP神经网络在某型机载雷达发射机中故障诊断应用进行了研究,目的是应用遗传算法的全局最优性解决BP神经网络容易陷入局部极小的问题,从而提高BP神经网络的学习速度和精度.通过MATLAB仿真,GA-BP神经网络在发射机故障诊断中网络训练收敛速度和误差精度都明显优于BP网络,进一步验证了遗传BP神经网络学习速度快、预测精度高、泛化效果好,很适合应用于雷达等电子设备的故障诊断.     

一种基于改进的BP网的公钥密码的破译方法

该文以RSA密码系统为实例介绍了公钥密码体制的基本原理和破译，研究了神经网络在RSA密码体系中的应用，并给出了用BP神经网络来对公钥密码进行破译的基本结构及其学习算法，分析了用BP神经网络破译RsA密码的破译原理．给出了改进的BP网络模型及其学习算法，进行了仿真试验，在此基础上对构建的BP神经网络破译器的的结构进行了进一步的优化和改进，并给出了改进后的学习算法，最后对设计方法阐述了改进的必要性，试验表明方法的有效性和可行性。     

一种自适应遗传BP神经网络模型研究及应用

如何更有效地提高神经网络的收敛速度和收敛质量。基于遗传算法的全局搜索和BP神经网络局部精确搜索的特性,提出一种自适应遗传BP神经网络模型,该模型的主要算法是先采用一种自适应遗传算法优化BP网络初始权重。而后再进行BP网络的训练过程。最后并研究如何利用该模型进行三级跳远成绩预测。实验结果表明该方法优于传统BP算法。有利于提高网络的收敛性以及学习能力,可在一定程度上提高三级跳远成绩预测的准确率,具有一定的实用价值。     

基于粗糙集和遗传算法的神经网络模型研究

提出一种基于粗糙集理论和遗传算法的神经网络模型和它的构造方法.该模型先利用粗糙集理论进行属性约简;利用遗传算法优化BP网络参数;用约简结果和优化的BP网络参数进行网络训练.仿真实验结果表明,该模型能简化网络训练样本,优化神经网络结构,提高系统的学习效率和精度.此方法是有效可行的,具有理论意义和实用价值.     

基于BP神经网络的产品造型设计评价

为了对产品的造型设计进行评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价产品造型设计的方法.根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了产品造型设计BP神经网络评价模型,选择某一产品造型设计的13款方案作为样本,利用Matlab软件进行了BP网络的实例训练和验证.实验结果表明,BP神经网络模型可以较准确的对产品造型设计进行评价.     

基于神经网络的运动想象分类研究

近年来,神经网络的模型不断得到完善,神经网络在运动想象分类任务中的应用越来越广泛,分类准确率不断提高。本文主要对传统的机器学习算法进行介绍与总结,在此基础上对深度学习网络模型的原理及应用进行了概括,主要分析卷积神经网络、生成对抗网络和胶囊网络这几种网络模型的优缺点及应用,并对多种网络模型组合分类或将单一网络模型中的多种特征进行组合分类的发展趋势进行展望,提出目前运动想象分类任务面临的问题及发展趋势。