BP网在多灰度运动目标识别中的应用

介绍了利用ＢＰ网进行多灰度运动目标识别的方法。针对传统的ＢＰ网训练时间长等缺点以及多灰度级目标识别的特点，对传统ＢＰ算法作了适当的改进，提出了训练样本组织和选择的一些方法和技巧，并将以上的改进算法及组织和选择样本的原则应用到多灰度坦克目标识别的ＢＰ网训练的实验中。实验结果表明改进的算法及所采用的原则是合理的，它可以有效地缩短ＢＰ网的学习时间、防止网络的振荡，并且能在一定程度改善ＢＰ网的性能。     

测井识别岩性的新方法:自组织神经网络法

利用自组织神经网络对测井数据进行岩性识别,具有较强的自组织性、适应性和较高的容错能力,与其他神经网络算法相比,计算量小、收效速度快。实验结果表明:自组织特征映射神经网络对测井数据进行岩性识别是可行的,而且识别率较高,是一种行之有效的岩性识别的好方法。     

神经网络BP算法的研究,实现及改进

给出了目前较流行的一种神经网络学习算法－－神经网络ＢＰ算法的数学证明及计算机实现，并在此基础上提出了几种改进算法。计算机模拟结果表明，改进算法提高了学习速度与精度，应用于工程图形元素识别效果良好。     

自适应神经网络在发电机组故障诊断中的应用

提出了自适应学习率及动量因子的ＢＰ神经网络算法和误差逼近度渐近收缩学习的ＢＰ神经网络算法，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡，对复合故障的识别性能好。     

基于径向基神经网络的测井资料岩性识别

测井资料中包含丰富的地层岩性信息,是岩性分析的基础资料.数理统计等传统方法难以准确地反映测井资料与地层岩性的非线性映射关系,而具有分布处理、自学习、自组织和高度非线性的神经网络能够较好地解决这个问题.将径向基神经网络应用到测井资料岩性识别中,结合准噶尔盆地某井的实际测井资料和岩性剖面资料,建立基于径向基神经网络的岩性识别模型.实际应用表明,径向基神经网络可以用来进行岩性识别,收敛速度快,且识别正确率较高.     

包装件非线性特性识别的进化神经网络混合方法

提出了一种将遗传算法和ＢＰ算法相结合的关于结构化神经网络的混合训练方法,并将其用于解决包装件缓冲垫层非线性特性识别问题。在该方法中,提出了一种新的自适应变异操作技术及将遗传算法与ＢＰ算法进行自适应切换的实施方案。用于两种典型的包装件缓冲垫层材料的模拟识别结果表明：应用此方法可以有效地解决包装件缓冲垫层非线性特性识别的问题,同时也为神经网络的混合训练提供了一种新的可行的途径。     

基于ＳＳＡ－ＢＰ神经网络的光伏短期功率预测

光伏发电的波动性和随机性导致光伏功率预测精度难以达到理想状态,而提高光伏发电功率的预测精度是抑制光伏并网不利影响的有效途径。为了提高ＢＰ神经网络的预测精度,运用麻雀算法对 ＢＰ神经网络的权阈值进行寻优,提出了一种基于麻雀算法（ＳＳＡ）－ＢＰ神经网络的光伏短期功率预测 方法。首先,在 Ｍａｔｌａｂ中建立ＳＳＡ优化ＢＰ神经网络模型;然后,以某光伏电站的气象数据为输入,在 晴天、阴天和突变天气３种工况下对光伏电站的功率进行预测;最后,将ＳＳＡ 优化ＢＰ神经网络模型 预测结果分别与ＢＰ神经网络预测结果、ＰＳＯ优化ＢＰ神经网络预测结果和光伏电站的实际出力数据进 行对比。结果表明：麻雀算法能够提高ＢＰ神经网络模型的预测精度,实现对光伏短期功率的有效预测。     

前馈型人工神经元网络在语音识别中的应用

介绍了人工神经元网络误差反馈模型的理论基础，学习算法及识别误差算法，阐述了ＢＰ网络模型用于语音识别中语音数据的处理方法，网络构成，实现步骤及其实验结果。     

ＢＡＰＴＡ－ＡＭ 脂质体抗大鼠重症急性胰腺炎的作用

为观察ＢＡＰＴＡ－ＡＭ 脂质体（ＢＡ－Ｌ）抗重症急性胰腺炎（ＳＡＰ）的作用,采用胰胆管逆行注射 ４％牛黄胆酸钠（ＴＣ）制作大鼠ＳＡＰ模型．ＢＡ－Ｌ治疗组于造模后立即尾静脉注射相应剂量ＢＡ－Ｌ, 给药２４ｈ后,观察各组大鼠的死亡情况,检测各组大鼠血清ＡＭＳ,ＬＤＨ,ＴＮＦ－α水平以及胰腺组 织匀浆ＭＤＡ水平及ＳＯＤ活性,ＨＥ染色观察胰腺组织病理学改变．结果表明：给予ＢＡ－Ｌ治疗后 ＳＡＰ大鼠死亡率明显降低,血清ＡＭＳ,ＬＤＨ,ＴＮＦ－α水平和胰腺组织匀浆ＭＤＡ 水平显著降低, ＳＯＤ活性增高,ＨＥ染色组织切片显示ＢＡ－Ｌ明显减轻胰腺组织损伤．表明ＢＡ－Ｌ能显著减轻大鼠 ＳＡＰ,为开发ＢＡ－Ｌ成临床ＳＡＰ治疗新药物提供必要的药效学依据．     

人工神经网络BP算法的改进及其应用

对传统的ＢＰ算法进行了改进,提出了ＢＰ神经网络动态全参数自调整学习算法,又将其编制成计算机程序,使得隐层节点和学习速率的选取全部动态实现,减少了人为因素的干预,改善了学习速率和网络的适应能力。计算结果表明：ＢＰ神经网络动态全参数自调整算法较传统的方法优越,训练后的网络模型不仅能准确地拟合训练值,而且能较精确地预测未来趋势。     

基于SVM的复杂非线性黑箱系统在线辨识方法

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种新的具有很好泛化性能的回归方法,本文分析了采用神经网络方法进行非线性系统建模存在的缺点,并将SVM应用于复杂非线性黑箱系统模型的在线辨识当中,理论分析和实验证明,该方法学习速度快,跟踪性能好,泛化能力强,对样本的依赖程度低,比神经网络非线性系统建模具有更好的预测精度.     

基于Canny准则的公路路面图像边缘检测算法

基于Canny准则的算法在数字图像处理中被广泛应用。本文详细阐明Canny准则以及基于Canny准则的算法。在此基础上，结合阈值选择算法对原有算法加以改进，应用于公路路面图像的边缘检测中，取得了良好的效果。     

聚类与跟踪相结合的人脸数据集生成方法研究

为提高人脸数据集生成的准确率和效率,提出了一种将人脸跟踪与人脸聚类相结合的人脸数据集生成方法.首先,对KCF算法进行改进,并将改进的KCF算法用于人脸跟踪,得到不同时间片段的人脸图像集; 其次,从每个人脸图像集中通过人脸图像优选算法选出高质量的人脸图像; 再次,将优选出来的人脸图像进行人脸聚类,以完成视频中每个人的人脸数据集的生成; 最后,通过实验对比基于人脸跟踪、基于人脸聚类和基于本文方法的人脸数据集生成效果.实验结果表明,本文方法与基于人脸跟踪的人脸数据集生成方法相比,纯度提升约15%; 与基于人脸聚类的人脸数据集生成方法相比,效率提升约50%.     

降低可见光通信OFDM系统峰均比的非线性压扩变换研究

针对指数压扩（EC）方法在可见光通信OFDM系统中误码率（BER）性能较差的问题,提出了一种基于余弦分布的非线性压扩方法。光正交频分复用（O OFDM）信号的概率密度函数服从高斯分布,基于余弦分布的非线性压扩方法使O OFDM信号经过压扩变换后服从余弦分布。与EC方法相比,基于余弦分布的非线性压扩方法使系统的峰值平均功率比（PAPR）增大了1.5dB,但是系统的BER性能却提升了5dB。与经典方法u law变换相比,在相同PAPR性能的情况下,基于余弦分布的非线性压扩方法使系统的BER性能提升了1dB左右。通过3种方法的仿真对比,采用基于余弦分布的非线性压扩方法后压扩信号频谱的旁瓣功率最小。     

多机器人混合编队控制

提出了一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法.采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中.改善了基于反馈的跟随领航者方法不能快速适应大角度的队形变换的问题.在AmigoBot机器人平台上的实验证明表明该方法具备一定的可行性.     

网络教学管理系统认证问题的解决

给出了基于网络教学信息统计、评价和教学资源管理系统的身份认证、数据记录和功能配置模块的设计及实现方法。该方法主要涉及基于Windows集成的身份认证技术。应用表明,该系统可以使各种数据更安全地在网上运行,使学校信息资源得到合理配置。     

一元和二元函数的数据建模方法及其在火电机组中的应用

研究了一元函数和二元函数的数据建模问题,给出了2种一元函数数据建模方法(基于给定间隔点横坐标的分段直线拟合方法和基于曲线拟合的分段直线拟合方法)及1种二元函数数据建模方法(分段直线拟合插值混合型建模方法),并将其应用于某600 MW超临界火电机组负荷特性的建模中。研究结果表明:这些方法在建模中是有效的; 2种一元函数数据建模方法均具有直线分段数可控、数据适用性广等优点。相比基于给定间隔点横坐标的分段直线拟合方法,基于曲线拟合的分段直线拟合方法具有算法简单、可自动确定分段节点等优点,相比已有的二元函数数据建模方法,分段直线拟合插值混合型建模方法具有灵活性高、通用性强、模型形式简单等优点。将给出的数据建模方法开发成软件,可以通过交互的方式十分方便地完成从历史数据到一元或二元函数模型的建模全过程。     

大跨径叠合梁斜拉桥施工过程调索方法研究

在对以往各种斜拉桥误差调整方法分析的基础上,对自适应模块进行了适当简化,保留最优调整模块．提出了以残余误差的平方和最小为目标函数的优化调索方法,并用该法对实桥进行了现场监控．实践证明该方法对主跨400m左右的叠合梁斜拉桥施工控制有很好的控制效果和较高的计算效率,其优化调整结果可以很好地满足工程需要．     

聚类分析方法在白车身装焊误差监控过程中的应用

提出一种基于聚类分析理论的白车身装焊误差源诊断方法,并完成了程序实现．该方法可较全面和准确地捕捉到车身覆盖件误差的联动性,并将其显示到车身模型上,通过观察这种联动性可方便有效的诊断误差源,与目前通用的相关分析方法相比,该方法具有明显的先进性和实用性．     

确定斜拉桥成桥索力多约束条件下最小能量法

在对既有确定斜拉桥合理成桥索力方法分析的基础上,给出了最优成桥状态的判别准则,并提出了一种新的斜拉桥合理成桥索力确定方法——基于多约束条件下的最小能量法.该方法考虑因素较为全面,优化判别准则具有明确的工程含义,实施计算效率较高.实际工程运用证明了该方法的有效性和可靠性.