一种基于BP神经网络的室内定位模型

室内定位技术是一种获取室内的人和物位置信息的技术,以位置信息为基础可为使用者提供多种服务,在军事和民用领域都有着广阔的应用前景.在分析几种常见的室内无线定位方法以及基于RSS的室内无线定位方法的基础上,提出一种基于BP神经网络的室内定位模型并借助MATLAB 7.0加以实现.采用该方法进行室内定位,不需要WLAN以外的其他资源.由于不需要知道定位节点和建筑物的详细特性,用户的隐私将会得到完全的保护.仿真实验证明该模型的有效性.     

一种基于PVM的并行BP神经网络

通过分析单计算机的BP神经网络学习和执行算法,提出了使用PVM构造多计算机的并行神经网络。该并行神经网络的实现灵活应用于高可靠性和大规模数据的分析和处理中,同时,该BP神经网络的并行设计与实现,可广泛应用于其他神经网络模型的并行计算机实现。     

基于CPLD的BP神经网络模型的硬件实现

神经网络的硬件实现已成为人工神经网络的一个重要的研究方向，本文提出一种基于Altera公司的CPLD的硬件实现该BP三层神经网络模型方法并进行了MAX PlusII仿真验证。     

基于BP神经网络的涡扇发动机机载模型

针对发动机机载的工程需求,利用BP神经网络建立一种涡扇发动机机载模型。本文利用部件级模型建立起两个部件“输入参数-输出参数”数据集,并采用BP神经网络算法对数据集进行训练,建立足以替换部分旋转部件和全部尾喷管的BP神经网络。并在设计点状态对建立的机载模型进行仿真验证,结果表明,风扇部件离线神经网络模型较热力学模型节省约40%的耗时,压气机部件离线神经网络模型较热力学模型节省约50%的耗时,尾喷管部件节省耗时达70%以上。在精度比较上,离线建立的神经网络输出与基于气动热力学建立的部件级模型基本精度一致,具有一定的实际使用价值。     

基于BP神经网络的教学质量分析评估模型研究

教学质量分析评估是一个比较复杂的,多因素、多变量、模糊的非线性过程,BP神经网络的原理可用于教学质量分析评估.文章中给出基于BP神经网络的教学质量分析评估模型结构,以及学习算法,并在Matlah中得以实现.结果表明,BP神经网络用于教学质量分析评估,既克服了在评估过程中的主观因素,又得到了满意的评估结果,具有广泛的适用性.     

一种基于BP神经网络的室内定位模型

在分析几种常见的室内无线定位方法以及基于接收信号强度（RSS）的室内无线定位方法的基础上。提出了一种基于BP神经网络的室内定位模型并借助Matlab7．0加以实现。采用该方法进行室内定位，不需要无线局域网以外的其他资源。由于不需要知道定位节点和建筑物的详细特性，用户的隐私将会得到完全的保护。仿真实验证明了该模型的有效性。     

基于BP神经网络-马尔科夫模型的BDI短期预测

通过建立BP神经网络模型,利用相邻的BDI数据作为输入变量进行预测,避开了BDI短期预测时影响因素难以量化等问题,同时,利用马尔科夫模型修正神经网络的预测结果,提高预测精度,从而提出一种可用于BDI短期预测的方法。此研究对进出口企业正确核算商品进出口成本、航运公司合理分配运力以及提高自身竞争力等方面都具有重要意义。     

高校教学质量评价的BP神经网络模型

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。文章运用BP神经网络建立了教学质量评价的数学模型,通过matlab神经网络工具箱学习训练网络,并经测试数据验证。结果表明,基于BP神经网络建立的教学质量评价模型,克服了评价中主观因素的影响,得到了较满意的评价结果,具有广泛的应用前景。     

遗忘神经网络模型及其BP算法

为解决跨时间数据训练神经网络时的数据选择问题，提出在神经网络的训练模型中引入遗忘系数，从而建立了一种改进的前馈神经网络模型——遗忘神经网络模型。介绍了该模型的基本原理，并给出了其BP算法。     

基于改进自适应遗传算法的BP神经网络模型研究

针对自适应遗传算法容易陷入局部最优值的问题,提出了改进的自适应遗传算法,并将改进的自适应遗传算法应用于神经网络权值学习和训练中。提高网络的处理能力。     

基于BP神经网络的人体行为识别

针对人体行为识别问题,提出一种基于径向基函数（BP）神经网络的人体行为分类算法。首先,利用奇异值分解（SVD）算法提取视频每一帧的奇异值,将每一帧的奇异值按照行拼接起来即为一个视频的样本,样本按照行排成样本矩阵;然后,利用主成分分析（PCA）对得到的矩阵进行去相关并且降低维数,降低维数的矩阵再进行线性鉴别分析（LDA）,使样本变得线性可分;最后,利用BP神经网络对样本进行分类;实验结果表明,与采用最近邻分类和K近邻分类（kNN）相比,所提算法具有更高的识别率。     

Automatic thesaurus construction for spam filtering using revised back propagation neural network

Email has become one of the fastest and most economical forms of communication. Email is also one of the most ubiquitous and pervasive applications used on a daily basis by millions of people worldwide. However, the increase in email users has resulted in a dramatic increase in spam emails during the past few years. This paper proposes a new spam filtering system using revised back propagation (RBP) neural network and automatic thesaurus construction. The conventional back propagation (BP) neural network has slow learning speed and is prone to trap into a local minimum, so it will lead to poor performance and efficiency. The authors present in this paper the RBP neural network to overcome the limitations of the conventional BP neural network. A well constructed thesaurus has been recognized as a valuable tool in the effective operation of text classification, it can also overcome the problems in keyword-based spam filters which ignore the relationship between words. The authors conduct the experiments on Ling-Spam corpus. Experimental results show that the proposed spam filtering system is able to achieve higher performance, especially for the combination of RBP neural network and automatic thesaurus construction.     

一种基于神经网络和贝叶斯决策的人脸检测方法

提出了一种利用BP神经网络仿真、利用贝叶斯决策修正仿真结果的人脸检测方法.讨论了单纯使用BP神经网络作人脸的检测判定的不足,并在此基础上提出利用贝叶斯决策对神经网络的仿真结果进行第二次判定的方法.共使用MITEx人脸库的4 000个人脸与非人脸图像进行实验分析,正确率平均提升了3.63%,表明了神经网络的良好判定性能和使用贝叶斯决策进行修正的有效性和必要性.     

基于故障传播的模块化BP神经网络电路故障诊断

大规模的数模混合电路所含故障模式众多,电路故障状态复杂,且易发生传播,因而电路故障诊断难度较大。针对大规模电路发生故障时存在故障传播的问题,提出一种基于故障传播的模块化BP神经网络（MBPFP）故障诊断方法。首先,在电路模块划分的基础上分析子电路间的故障传播,并将故障源和故障传播源"模块化";然后,通过子电路的异常检测模型进行一级定位,缩小故障原因集合,确定故障模块;最后,利用目标模块的BP神经网络模型进行二级定位,实现故障诊断并识别故障模式。与传统BP神经网络等方法进行比较的实验结果表明,MBPFP故障诊断方法具有较高的故障覆盖率,在定位准确率方面提高了至少8个百分点,其性能优于传统BP神经网络等方法。     

基于BP神经网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程研究的一个重要方面.如何在缺乏可靠性数据的情况下,选择合适的软件可靠性模型是对软件可靠性进行量化分析的关键.参照软件可靠性模型评价准则,根据聚类思想,对失效数据编码,采用反向传播神经网络进行聚类计算,从而实现了软件可靠性模型的选择.最后通过仿真实验证明了该方法的正确性和有效性.     

基于BP神经网络的水牛疾病诊断系统

针对传统专家系统获取知识困难自学习能力差和推理能力弱等缺点,设计并实现了基于BP神经网络的水牛疾病诊断专家系统.系统用专家以往诊断水牛疾病的病历来训练神经网络,并通过训练过的神经网络来实现疾病的诊断,然后针对诊断结果进行反向推理以确诊水牛疾病,结果表明,该系统很好地改进了传统专家系统存在的一些缺点.另外,该水牛疾病诊断系统的实现方法可推广应用到其它动物的疾病诊断系统中,为疾病诊断系统的开发提供了一条有效的新途径.     

基于集成BP网络的人脸识别研究

在对人脸图像使用小波变换进行数据压缩的基础上,使用PCA进行特征提取,再将特征输入集成BP神经网络实现对人脸图像的识别。集成BP网络将多分类问题转换为多个相互独立的二分类问题,在提高网络泛化能力的同时缩短了网络的训练时间。另外,集成网络通过增添子网络或者重新训练子网络的方法解决了网络"失忆"问题,使其具有增量式学习的能力。通过在ORL人脸库上仿真的实验,证明了集成网络的人脸识别以及增量学习都具有良好的性能。     

基于改进的粒子群算法优化反向传播神经网络的热舒适度预测模型

针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型。这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传统BP算法收敛速度慢及对网络初始值敏感的问题。同时,针对标准PSO算法易出现早熟收敛、局部寻优能力弱等缺点,提出了相应改进策略,进一步提高了PSO优化BP神经网络的能力。实验结果表明：与传统BP模型和标准PSO-BP模型相比,基于改进的PSO-BP算法的热舒适度预测模型具有更高的预测精度和更快的收敛速度。     

变压器局放监测与改进BP神经网络预测模型研究

采用传感系统监测变压器局部放电的变化情况,选取高频电流信号和超声波信号作为变压器局部放电的监测参量,利用改进逆传播(BP)神经网络算法对变压器局部放电量进行建模分析.以D9—QY—40000/220型电力变压器(220 kV变压器)为例进行实例研究,结果表明:基于改进BP神经网络的局放预测模型训练集误差系数为0.0118,测试集误差系数为0.0232.此模型的局放预测值与实际值的曲线趋势基本一致,有效地对变压器局部放电量进行预测,为变压器故障诊断奠定了基础.     

改进粒子群—BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。