刀具耐用度变动系数的BP神经网络预报技术

采用改进的ＢＰ算法，建立了刀具耐用度变动系数的神经网络预报模型．研究表明，该模型适合于描述刀具耐用度变动系数同切削条件参数之间复杂的非线性函数关系，并可以对不同切削条件下的刀具耐用度变动系数进行正确预报     

提高刀具耐用度的方法

论述了应用表面涂层和采用新的刀具材料提高刀具耐用度的方法。     

低速稳态切削的刀具耐用度

根据切削加工系统的颤振理论，讨论了在低速切削状态下，后刀面的磨损宽度及刀具耐度，推导了在低速稳切削下，后刀面磨损宽度及刀具耐用度计算的经验公式，从而在低速范围内，给稳态切削刀具耐用度的选择提供了一个理论依据。     

低速稳态切削的刀具耐用度

根据切削加工系统的颤振理论，讨论了在低速切削状态下，刀具后刀面的磨损宽度及刀具耐度推导了在低速稳切割下，后刀面磨损宽度及力具耐用度计算的经验公式，从而在低速范围内，给稳态切削刀具耐用度的选择提供了一个理论依据．     

基于神经网络的襟翼舵升力系数预报

将BP神经网络应用于襟翼舵升力系数预报,分析了BP神经网络的非线性逼近能力.针对BP神经网络在训练中存在的学习速度慢、易于陷入局部最小等缺点,采用变学习率的BP算法加以改进.对襟翼舵升力系数进行预报,结果表明预报值的精度明显高于由近似公式计算所得的值,采用BP神经网络对襟翼舵水动力性能进行预报是可行的,能够满足工程应用的要求.     

BP神经网络的硬件实现

本文提出了一种采用ＭＯＳ晶体管的电流模式连续时间模拟ＢＰ神经网络的硬件实现新方法，硬件系统适合利用ＶＬＳＩ技术，具有片人误差反向传播学习功能，能简经ＢＰ新算法修正权值，对所设计的电路提供了ＰＳＰＩＣＥ仿真结果，结果表明硬件实现方法的可行性。     

BP神经网络及其改进

介绍了标准BP算法及其优缺点，并针对其存在的缺陷，从各个不同的方面对BP算法提出了改进，并对各种改进方法的原理及优缺点作了详尽的分析，从而使BP神经网络更广泛地应用于各个领域．     

涂层刀具耐用度指数m值的试验确定

主要讨论了数控加工中心镗削精密孔系用的可转位涂层刀具耐用度指数ｍ值的试验确定。     

基于BP神经网络的转炉炼钢终点预报

转炉内的温度极高，对终点温度和碳的含量很难及时、准确地测量，因此建立精确的温度和碳的预报模型十分重要.但转炉炼钢是一个非常复杂的很难用数学方程精确描述的高温冶金反应过程，传统的静态模型控制精度不高，命中率不很理想.为此提出了基于BP神经网络的转炉炼钢终点温度及碳含量的预报模型，以Levenberg Marquardt(LM)算法来训练网络，其算法是梯度法与高斯牛顿法的结合.仿真结果表明，预报精度高于传统的机理模型.     

BP神经网络及其改进

介绍了标准BP算法及其优缺点,并针对其存在的缺陷,从各个不同的方面对BP算法提出了改进,并对各种改进方法的原理及优缺点作了详尽的分析,从而使BP神经网络更广泛地应用于各个领域.     

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。     

基于BP神经网络的车型分类器

针对车型特征,提出了一种基于BP神经网络的识别方法．从图像中提取车型特征向量,用BP神经网络设计分类器,并进行有效的训练与测试．应用改进的BP算法（尺度化共轭梯度法）对网络进行训练,使网络很快得到收敛,解决了一般算法收敛慢的缺陷．     

改进的BP神经网络在医疗中的应用研究

鉴于传统BP神经网络存在诸如收敛速度缓慢和易陷入局部极小值的缺陷,提出在BP神经网络中引入动量因子、陡度因子、自适应学习速率和改进粒子群算法优化BP权值等对传统BP进行改进,使其达到预测误差小、精度高、训练快的目的。改进后用来预测区域内各个年龄段患糖尿病人数百分比。由仿真实验结果可知,改进后的BP神经网络比传统BP神经网络收敛更快、误差更小。     

基于改进的BP神经网络进行车牌定位的研究

采用改进的BP神经网络，对汽车图像中车牌定位的方法进行了研究。选取训练样本图像，以人工定位后的图像为导师信号，将图像的灰度序列直接采用改进的BP算法进行训练，以期提高定位的精度和速度。试验结果表明，用改进的BP网络对灰度图像直接感知，在定位精度和速度方面取得较好的效果。     

基于BP神经网络算法的手写数字识别技术研究

BP神经网络由于具有高度的并行结构和并行处理能力,以及固有的非线性特性和自学习、自组织、自适应能力等,特别适合应用于模式识别。以BP神经网络为背景,研究手写数字识别技术,在考虑诸多因素的情况下,最终设计一种能够提供良好识别的方法。根据研究目标,设计BP神经网络模型,并针对BP神经网络的缺陷提出BP神经网络算法的改进,提高了神经网络的性能。MATLAB仿真实验表明,改进后的BP神经网络可以对手写数字进行快速、准确地识别,具有广泛的应用前景.     

神经网络BP算法的一种改进

提出了一种改进算法，对原来的误差函数做了很小的改动。改进算法既保持了原ＢＰ算法的优点。又可以有效地避免假饱和，使学习过程可以较快地完成，取得了满意的结果，本文推导了改进后的算法，并结合实例对算法的效果进行了讨论．     

基于小波系数和BP神经网络的电力系统短期负荷预测

提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法。把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理。详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证。     

粒子群算法优化BP神经网络的指纹识别技术

指纹识别技术是当今应用最广泛的生物识别技术之一。在指纹识别过程中,图像处理、特征提取、匹配等过程数据量庞大,计算比较烦琐。BP神经网络具有良好的自学习能力、强大的分类能力和容错能力,将其应用到指纹识别中是可行的。为改进BP神经网络计算速度较慢,梯度下降法不能处理一些不可微传递函数的问题,采用粒子群算法对BP算法进行优化,提高了指纹识别的速度和准确度。     

BP神经网络在洪流预报中的应用

通过归纳分析,结合实际的采集数据,对降雨径流预报的人工神经网络模型进行了改进,并针对不同的预报系统,采用改进的自适应BP算法进行分析,指出了今后洪流预报发展的方向.