BP神经网络的改进算法及其研究简

通过分析标准BP算法的原理,可以发现BP标准算法存在着易形成局部极小而非全局最优;训练次数多使得学习效率低,收敛速度慢;隐节点的选取缺乏理论指导;通过在标准BP算法中引入加动量项法来优化BP算法。实验结果表明,该有效地提高了BP算法的迭代次数,减少误差。     

广义记忆型神经网络射频功放数字预失真器

提出了一种基于广义记忆型神经网络(GMNN)的数字预失真器非线性模型,以更好地抑制由于射频功放动态非线性导致的带内失真以及带外频谱扩展等问题。通过引入时间上的超前项,使得功放模型的记忆效应建模能力得以扩展,通过添加高阶非线性级数,使得功放非线性建模精度进一步提高。文中使用带宽为20 MHz 的4载波WCDMA 信号作为测试信号,对一个中心频率为460 MHz 的60W Doherty 射频功放进行数字预失真线性化实验。实验结果表明,广义记忆型神经网络数字预失真器的带外抑制可达19 dB,能更有效地抑制射频功放的带外频谱扩展,相比于其他几种预失真器展现出更好的线性化效果,验证了广义记忆型神经网络数字预失真器的有效性。     

基于BP神经网络的功放自适应预失真

提出用神经网络的方法来实现功放的自适应预失真模型。它利用BP神经网络的函数逼近能力，来学习功放预失真器的MM/AM、AM/PM特性函数，以抵消由于功放非线性引起的信号失真和交扰；同时，也通过自适应地调整幅度和相位两个神经网络的权、阈值，来跟踪放大器的特性变化。仿真结果证实了基于神经网络的预失真模型的有效性和低复杂性。     

基于BP神经网络的网络故障预测实验简

神经网络具有能够逼近任意非线性函数关系的能力和比较方便的学习手段,因此,它可以用来作为一种复杂工业过程建模的新型方法。本文针对常用BP算法进行了深入的分析和仿真,并利用BP网络对基于大规模网络的故障管理进行针对性实验。     

宽带系统中有记忆大功率功放的数字预失真器研究

针对高峰均比的宽带输入信号,提出了一套联合峰均比抑制技术和基带自适应预失真技术的数字预失真器设计方案,并仿真了峰值抵消算法和自适应预失真算法.结果表明对于峰均比为8.4 dB的输入信号,经过1.5 dB的削峰处理后,预失真器改善带外频谱抑制27 dB,非常有效地补偿了功放的非线性失真,提高了功放效率,对发射机功放线性化技术有一定的实用价值.     

改进型中心引力优化CFO算法研究简

 中心引力优化算法（Central Force Optimization）是一种新型的基于天体力学的多维搜索优化算法.这是一种确定性的优化算法,该算法利用一组“质子”在引力作用下的运动,搜索决策空间最优值.但该算法仍然有局部收敛的特点.本文对该算法中质子运动方程做了分析研究,利用天体力学中的摄动理论对算法进行了改进,给出了改进后的新的CFO算法的迭代公式,并且对新的公式进行了分析.最后实验结果表明针对CFO算法的摄动改进可以使得搜索质子跳过CFO空间中的局部解,使得算法收敛精度和速度都有了不同程度的提高.     

一种基于差分进化的BP神经网络学习算法

提出了一种基于改进差分进化算法和BP神经网络的计算机网络流量预测方法。利用差分进化算法的全局寻优能力,快速地得到BP神经网络的权值和阈值;然后利用BP神经网络的非线性拟合能力获得高精度的网络流量预测结果。实验结果表明,此方法能在较短的时间内获得较高精度的预测结果,具有较好的应用价值。     

人工神经网络的BP算法及其应用

在一般人工神经网络的BP算法的基础上,研究了BP算法所遵循的数学基础,指出其存在的缺陷和不足,并给出改进方法。探讨了MATLAB环境下实现人工神经网络BP算法的编程方法及方法改进比较的例子,得到了良好的结果。     

基于BP神经网络的数字识别研究

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络的数字识别系统。利用MATLAB进行仿真实验,实验结果表明该系统能够实现对数字的有效识别。     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。     

基于并行BP神经网络的路由查找算法

结合Bloom-filter算法和并行反向传播神经网络,提出了一种新的基于并行神经网络的路由查找算法(BFBP)。该算法满足路由查找的需求,只需学习路由条目的网络ID,且易于扩展到IPv6地址查询。研究结果表明,相比于己有的神经网络路由查找方法,该算法需要学习的条目数平均减少了520倍,提高了学习效率,为神经网络应用于路由查找创造了有利条件。     

基才BP神经网络的数字式涡流传感器特性曲线拟合的实现

为了正确反映数字式涡流传感器的实际特性,首先介绍了数字式涡流传感器的工作原理,然后从实测数据出发．提出了应用BP神经网络拟合其特性曲线的方法,运用MATLAB语言编程建立BP神经网络并进行训练和仿真,与现有最小二乘法进行对比。仿真结果表明,基于BP算法所得拟合曲线误差很小、收敛速度快且具有更高的拟合精度．比最小二乘法更具有实际意义。     

基于改进贝叶斯正则化BP神经网络模型的网络安全态势预测方法研究

随着互联网的迅速发展,网络安全问题越来越严重,分析及预测网络安网络安全态势,对于网络安全具有重要意义。本文在网络安全态势量化的的基础上,改进贝叶斯算法,提出一种改进型贝叶斯正则化BP神经网络模型的网络安全态势预测方法,通过模拟网络环境进行数据分析,验证了该预测方法可以减小了训练误差和预测误差,提高了对网络安全态势预测精度,证明了该方法的可行性。     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

基于BP神经网络的雷达干扰效果评估

雷达干扰效果是衡量雷达干扰措施是否有效和雷达干扰设备性能优劣的重要指标,如何准确、客观、快捷地评估雷达干扰效果,对雷达干扰双方均具有重大的现实意义。本文主要研究一种了基于人工神经网络的雷达干扰效果评估的方法,并进行了举例说明。