多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

一种快速有效的神经网络新算法

基于输出层函数为线性函数的层前馈神经网络,结合自适应步长和动量解耦的伪牛顿算法及迭代最小二乘法导出了一种混合算法。伪真证明该混合算法自适应能力强,计算量小,收敛速度快,是一种有效的工程实用算法。     

一种高效二进前馈神经网络学习算法

为解决二进前馈神经网络(BFNN)缺乏高效实用学习算法的问题,提出一种新的融合自适应调节结构和权值的BFNN学习算法.该算法借鉴并改进了极限学习机(ELM)方法,可以高效地训练单隐层的BFNN来解决分类问题.为了满足网络的训练精度,算法可以自动增加隐层神经元个数和调节网络隐层及输出层神经元权值;同时为了提高网络的泛化精度,算法通过建立二进神经元敏感性作为度量隐层神经元重要性的尺度,自动地裁剪重要性小的神经元,并对裁剪损失的信息进行补偿.实验结果验证了该算法在处理离散分类问题时的可行性和有效性.     

前馈神经网络混合学习算法研究

提出了一种前馈神经网络混合学习算法。该算法综合考虑了影响神经网络性能的３个主要因素：权值、激励函数和拓扑结构。该算法以参数神经网络和结构学习为基础,并采用了学习速率矩阵。对双螺旋问题的仿真实验结果表明,该算法具有较快的收敛速度。     

实时仿真系统中的快速积分算法

以五阶和二阶系统为例，利用几种快速积分算法求解系统的微分方程，并比较几种算法的速度和精度，得出一些有益的结论，可直接用于各种仿真器系统，其它实时仿真系统亦可借鉴。     

BP神经网络Vogl快速算法的改进

针对 BP算法收敛速度慢的特点 ,提出了对 V ogl快速算法的改进方法 .实践证明此改进方法使BP算法的收敛速度得到了较大的改善     

一种神经网络模型算法控制的研究

本文提出了一种利用人工神经网络来实现的模型算法控制，通过神经网络的离线学习和在线修正产生预测作用，并由智能控制单元实施控制作用。仿真表明，该控制方法具有良好的控制特性和鲁棒性，且适用于非线性系统。     

一种基于神经网络预测模型的DMC算法及其仿真

研究了一种基于神经网络预测模型的动态矩阵控制(DMC)算法,首先利用多层前馈神经网络辨识对象模型,同时预测对象的未来输出,然后用DMC算法进行滚动优化和反馈校正。通过对一类化工反应器非线性系统的仿真,结果表明该算法在非线性对象的任意工作点都可以通过神经网络辨识获得工作点附近的近似线性模型,具有较好的实时性。     

多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

线性方程组的一种快速算法

根据压缩映射原理,提出了一种求解线性方程组的快速算法,并对其误差进行了估计。     

基于DCT和神经网络的视频版权保护算法

针对目前数字水印技术对视频版权保护和抵抗攻击时存在的一系列问题,提出了基于DCT、数字水印、神经网络和数据加密等技术的有效算法．该算法首先将原始水印信息采用Arnold变换进行置乱处理,然后运用神经网络将水印嵌入到宿主视频中,提取时利用确定的神经网络实现水印的盲提取．实验结果表明,该算法具有较好的不可见性和鲁棒性．     

一种改良BP网络方法研究

误差反向传播神经（ＢＰ）网络存在学习速度较慢、易陷入局部极小等缺点。通过自适应步长、反传改进参数γ、数据预处理和权值初始化等改良ＢＰ网络,使标准ＢＰ算法收敛速度大大加快,收敛平稳性获得提高。方法用于钙、镁、铁的三组分混合物同时定量分析,取得一定效果。     

基于人工神经网络的岩土工程位移预测研究

从神经网络理论及应用实践等几个方面分析研究了目前岩土工程位移预测神经网络模型存在的几个问题,并提出了几个可供借鉴的其它模型.最后,提出了一种进行位移预测的进化神经网络模型,并采用一个工程实例进行了研究,其结果验证了前述分析研究的结论,说明了本文分析的合理性.     

用人工神经网络测量三维物体轮廓的研究

采用一种新的测量方法－－用人工神经网络测量三维物体的轮廓,完成了对物体的轮廓测量。主要对ＢＰ网络的结构、各层节点数以及如何调节网络进行了探讨,同时编制了图像处理软件。在网络学习方面,使用了批处理和个别处理两种训练方式相结合的方法。结果是,对相同的网络,两种训练方式的效果几乎相同,目前测量精度达到毫米级。     

一种新型神经网络结构的PID控制器及其仿真研究

出了一种新型的神经网络结构的ＰＩＤ控制器（Ｎ－ＰＩＤ）,该控制器将神经网络和ＰＩＤ控制规律融为一体,既具有常规ＰＩＤ控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力．还给出了Ｎ－ＰＩＤ控制器的结构、计算公式及二阶对象下系统的仿真结果．     

GA-ANN综合优化地震属性的应用研究

讨论了应用遗传算法对地震属性进行优化组合的合理性和可行性,并依据遗传算法的框架提出了算法的实现步骤.在设计个体适应度评价函数环节讨论了以对非线性映射具广泛适应性的人工神经网络模型替代优化目标函数的思想的合理性及实现方法.最后以应用实例的数据对算法进行了检验并得到较满意的结果.     

基于BP神经网络模型的水质评价及预测

利用BP神经网络模型对水质的评价及预测进行了研究,克服了传统评价方法工作量大,而且主观性较强的不足,测评结果客观、准确,过程中不需要对监测数据进行很复杂的预处理,工作量小。     

神经网络用于多类识别问题的有效方法

本文主要讨论多类识别问题。训练集由许多已知类别的 ｋ 类样本组成。使用广泛应用的反向传播算法（ Ｂ Ｐ 算法）训练一个神经网络,使之能正确识别训练样本和测试样本。     

主观Bayes与神经网络组结合的信息融合目标识别

针对神经网络在信息融合中的应用所存在的一些问题,受人的视神经网络的启发,提出了一种基于Bayes方法的神经网络组方法,并把它应用到了特征级融合中进行模式识别。仿真试验结果表明,和用单一的神经网络相比,利用神经网络组方法提高了网络收敛速度、缩短了网络的训练时间,提高了对目标的识别率,并且增强了对目标识别的稳定性。