基于BP神经网络的天然与非天然地震识别

基于BP神经网络算法,选择山东地区天然与非天然地震事件为研究对象,选取P波初动方向、P波初动振幅与S波最大振幅比以及P波最大振幅与S波最大振幅比作为神经网络输入元,构建合理的网络模型,搜集大量的地震样本数据进行训练,实现对山东地区天然与非天然地震事件的识别。震例预测结果显示,P波初动方向和振幅比可以作为识别天然地震和非天然地震主要依据,BP神经网络方法具有对地震事件类型识别的可行性。     

基于BP神经网络的车辆声音信号识别

声音信号包含着很多的信息量,且获取比较方便.近年来,声音识别技术被广泛应用于各个领域,有着重要的意义.本文主要介绍了小波理论和BP神经网络识别算法.通过对采集到的不同类型车辆的声音信号进行分析和预处理,采用小波变换提取低维的特征参数,构建并成功训练一个三层BP神经网络,从而有效地识别出了车型.     

基于粗糙集和BP神经网络的天然裂缝识别

研究粗糙集理论和BP神经网络算法,以及如何结合两者构建天然裂缝智能识别的应用.选取与天然裂缝发育有关的测井曲线作为样本集,先用粗糙集理论约简样本信息,然后采用BP神经网络识别天然裂缝.给出了基于粗糙集和BP神经网络的天然裂缝智能识别的设计方案,通过长庆油田实际油井的应用,结果表明这种识别方法效果显著.粗糙集有效地约简样本信息,BP神经网络很好地识别天然裂缝,故基于粗糙集和神经网络的智能识别方法切实可行.     

基于粗糙集和BP神经网络的天然裂缝识别

研究粗糙集理论和BP神经网络算法,以及如何结合两者构建天然裂缝智能识别的应用。选取与天然裂缝发育有关的测井曲线作为样本集．先用粗糙集理论约简样本信息,然后采用BP神经网络识别天然裂缝。给出了基于粗糙集和BP神经网络的天然裂缝智能识别的设计方案,通过长庆油田实际油井的应用,结果表明这种识别方法效果显著。粗糙集有效地约简样本信息．BP神经网络很好地识别天然裂缝,故基于粗糙集和神经网络的智能识别方法切实可行。     

基于SFLA优化BP神经网络的语音信号分类

BP神经网络是一种多层前馈网络,数据经过网络的输入层、隐含层逐层处理后,由输出层进行输出,通过和期望输出的对比进行反向传播,调整网络参数使输出不断逼近期望输出;在使用BP神经网络对语音特征信号进行分类的过程中,会出现BP神经网络易陷入局部最优解、学习收敛速度慢的问题;针对此问题提出一种基于SFLA优化BP神经网络权值和阀值的方法,引入SFLA算法优化网络权值和阀值,利用SFLA优化后的BP网络模型进行语音特征信号分类;仿真结果表明,经SFLA优化后的BP神经网络与未优化的神经网络相比,不仅训练速度快, 而且误差小,语音特征信号分类的正确率平均提高1.31%。     

基于BP神经网络的水中目标声音特征信号分类研究

本文采用了BP神经网络在声音识别分类方面的相关技术,针对不同水中的航行体的声学特点,构建了BP神经网络。将已知的四类声音信号中的一部分作为训练样本对神经网络进行了训练,最终获得了成熟的神经网络,经验证该网络可以很好的对不同水声目标的声学信号特征进行分类识别,利用该方法可以有效提高侦测设备对目标的识别能力。     

基于BP神经网络的交通标志识别

对神经网络理论和神经网络分类器进行了研究,提出了基于BP神经网络分类器的交通标志识别模型。通过大量实验和比较,得到了识别效率高的模型,并将这一模型应用到所研究的交通标志识别系统,从而对系统作了初步的实现。     

用遗传算法优化神经网络结构

本文介绍了一种用遗传算法对神经网络和连接权值同时优化的方法，该神经网络的神经元节点可以一定程度地反馈连接，再通过基因链矩阵把神经网络的结构完整地表示，遗传进化学习后，最优个体是结构最优的神经网络，使用该方法可以设计出结构未知的神经网络，本文最后对ＸＯＲ问题进行了计算。     

利用神经网络发现分类规则

神经网络是目前公认的高精度分类器,但它的分类过程却令人难以理解,被称为“黑箱”,从而降低了它的可信度,且使其结果不易应用到其它相关领域。本文提出应用决策树模拟神经网络的隐节点和输出节点的决策过程的思想,在分类精度基本不变的前提下,将训练后的前馈神经网络利用遗传算法进行剪枝,再将其转换为含有若干棵树的森林结构,然后将每棵树看作一个分类器,利用决策树模拟每个分类器的分类过程,最后将决策树结构转化为若干     

网络故障交叉撕裂的神经元网络诊断法

本文介绍一种子网络级故障交叉撕裂的搜索的神经元网络诊断方法,文中首先介绍了交叉撕裂准则,然后探讨如何和神经元网络进行子网络级故障诊断 ,最后给出诊断示例。     

神经网络BP学习算法动力学分析

研究神经网络BP学习算法与微分动力系统的关系.指出BP学习算法的迭代式与相应的微分动力系统数值解Euler方法在一定条件下等价,且二者在解的渐近性方面是一致的.给出了神经网络BP学习算法与相应的微分动力系统解的存在性、唯一性定理和微分动力系统的零解稳定性定理.从理论上证明了神经网络的学习在一定条件下与微分动力系统的数值方法所得的数值解在渐近意义下是等价的,从而借助于微分动力系统的数值方法可以解决神经网络的学习问题.最后给出了用改进Euler方法训练BP网的例子.     

未知光源位置环境中物体形状恢复的神经网络方法研究

用神经网络方法解决未知光源位置环境中物体三维形状恢复的问题.对漫反射表面,用神经网络方法由已知表面形状物体及其对应图像的灰度值进行学习,所得权值可视为环境光源参数.由此可恢复同样光源环境中其它物体的三维形状.实验证明,神经网络方法可以解决未知光源位置环境(包括多个光源)中漫反射表面物体的三维形状恢复问题.     

一种基于神经网络的分形几何图的产生与编码

本文提出用概率逻辑神经网产生一类自（互）相似（分形）图的方法，指出这类图能用一组压缩编码表示，给出快速寻找该编码的算法，既识别该分形几何图的算法，证明该编码是最优的，即码的长度最短，这些成果有希望在图象压缩和模式识别中得到应用。     

二进制神经网络分类问题的几何学习算法

分类问题在前向神经网络研究中占有重要位置.本文利用几何方法给出一个二进制神经网络K（≥2）分类问题的新学习算法.算法通过训练点的几何位置与类别分析，建立一个四层前向神经网络，实现网络输入向量分类.本文算法的优点在于:保证学习收敛且收敛速度快于BP算法及已有的其他一些前向网络学习算法;算法可以确定神经网络的结构且能实现精确的向量分类.另外，算法所建神经网络由线性阀值单元组成，神经元突触权值和阀值均为整数，特别适合于集成电路实现.     

XOR和XNOR门的神经网络

M.L.Bushnell教授在[1]中分别给出了一个XOR和XNOR门的神经网络.本文推广了他的结果,给出了XOR和XNOR门的所有部分对称和全对称神经网络.从而,拓广了神经网络在电路模拟和自动故障模型生成中的应用范围.     

神经元网络与自动布图

本文提出了一种利用ＨＮＮ理论的布图算法。该算法的实质是一个能量函数，它基于常用于系统分析设计的几种图形方法带约束的一个简化模型。文中讨论了利用该算法，使用不同的参数和神经元初始种子所得到的布图结果，并给出了一种实用完整的自动布图方法，该方法是建立在一个较为复杂的抽象模型之上的。     

神经网络用于合成条件的预测及优化

以正交试验的结果，完成了神经网络的学习，以十二醇琥珀酸单酯磺酸钠合成条件为例，预测了醇酐投料比，酯化温度和酯化时间对产物得率的影响，预测结果与试验结果比较相对误差不大于１．０％。