BP网络的阵列映射

本文提出了一新的数字ＢＰ网络阵列映射方法,利用该映射方法能显著降低ＢＰ网络学习中的通信开销。     

相似矩阵的初等变换求法

两个矩阵Ａ与Ｂ相似，则存在可逆矩阵Ｐ，使Ｐ＾－１ＡＰ＝Ｂ，本文给出了用初等变换求Ｐ或Ｂ的方法。     

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。     

基于遗传BP算法的高斯基函数网络的非线性系统辨识

针对ＢＰ算法收敛速度慢而且可能陷入局部极小值的特点,提出了基于遗传ＢＰ算法的高斯基函数网络的辨识方法,并将它应用于非线性系统进行辨识,仿真实验结果表明该方法比基于传统的ＢＰ算法具有更快的收敛速度和精度。     

并行BP网在电力系统暂态稳定分析中的应用

提出了一种新型的ＢＰ网络－并行ＢＰ网，以模糊区为中心将样本分类，不同类样本与相应的ＢＰ子网相对应。选用筛选后的暂态特征量作为各ＢＰ子网的输入。以６机系统为例验证了该方法的快速，准确。     

在 DOS 方式下显示 WINDOWS 位图文件

ＢＭＰ文件是Ｗｉｎｄｏｗｓ中广泛使用的一种位图文件,现在的Ｗｉｎｄｏｗｓ环境中运行的图形、图像文件处理工具都支持ＢＭＰ图像格式,本文介绍一种ＤＯＳ环境下显示ＢＭＰ图像格式文件的方法。     

ATM网络中突发源成形器的输出过程研究

ＡＴＭ网络中突发源可用间断贝努里过程（ＩＢＰ）描述。用稀疏过程理论得到ＩＢＰ的概率母函数，提出了一种递代方法计算ＩＢＰ的概率分布，就突发源的平滑机理进行了讨论。采用流体流法可近似计算成形器输出过程的方差。提出了用ＩＢＰ可近似描述成形器的输出过程，通过计算机仿真验证了这种近似是比较精确的，如何用ＩＢＰ更加精确地描述成形器的输出过程作了进一步研究。     

用BP网络诊断汽轮发电机组振动故障

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，该算法从根本上解决了ＢＰ网络中学习率的取值和收敛速度慢的问题，并有效地解决了ＢＰ网络易收剑到局部最小点的问题，并将这种改进的算法应用于汽轮发电机组的故障诊断中，结果表明该方法可行。     

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。     

磁场对紫色非硫光合细菌脱色酶的影响

本文采用在紫色非硫光合细菌（简称ＰＳＢ）的培养液中加入钡铁氧体磁粉的方法研究了磁场对ＰＳＢ脱色酶活力的影响。结果表明，磁场作用于ＰＳＢ表现出有益的生物效应，可提高脱色酶活力，增加脱色速度。     

适合于BP学习的共轭梯度法

基于ＬＭＳ的标准ＢＰ算法收敛速度极慢，而共轭梯度法要求精确的线性搜索，这在神经网络的高维权空间中是难以实现的。本文提出了一种新的ＢＰ学习算法，它采用一种对线性搜索要求不高的改进的共轭梯度法与一种简单的不精确线性搜索相结合，极大地提高了ＢＰ学习速度。经多次测试表明，与标准ＢＰ算法相比，该算法的效率提高了二个数量极。     

BP网络的自适应步长因子算法

利用灰色理论的关联度方法，提出了ＢＰ网络的自适应步长因子算法，加快了ＢＰ网络的学习速度。最后以异或问题为例说明了该算法的正确性和可靠性。     

改进BP算法及其在滚动轴承故障诊断中的应用

对每次权值和阈值的调整均采用固定不变的学习率,是导致传统ＢＰ算法收敛速度慢的一个主要原因。本文从提高收敛速度及精度出发,对改进ＢＰ算法进行了深入研究,在ＢＰ算法中引入统计思想,给出相关系数定义。基于相关系数,采用变学习率策略,提出两种学习率自适应调整算法,并将其具体应用于滚动轴承的故障诊断中。试验证明,此改进算法的收敛速度比传统ＢＰ算法显著提高。     

BMP文件数据压缩与解压缩方法

以ＲＩＥ方法为基础,针对ＢＭＰ文件的特点,设计了独特的ＹＳＢＭＰ４和ＹＳＢＭＰ８无失真压缩方法,以及ＵＮＹＳＢＭＰ４和ＵＮＹＳＢＭＰ８解压缩方法,并通过实例进行了说明。对Ｗｉｎｄｏｗｓ下的１６色和２５６色模式ＢＭＰ文件进行压缩,数据压缩比最多可以达到８／１００左右,达到图像无损恢复的目的。     

基于鲁棒误差函数的BP算法

提出一种基于鲁棒误差函数的ＢＰ学习算法,并对这种算法进行了仿真研究。结果表明该算法增强了ＢＰ网络的泛化能力,提高了ＢＰ网络的鲁棒性,加快了ＢＰ网络的收敛速度。     

BP网络用于红外光谱碎片结构识别——模型与算法的研究

研究了用于红外光谱碎片结构识别的新型ＢＰ网络模型，并由此构建了ＰＲＯＧＡＮＮ程序软件，提出了红外光谱数据的预处理以及网络输出的统计分析方法。通过对４４种结构碎片的识别结果表明，所提出的模型与方法较之常规ＢＰ网络具有更大优越性。     

前向网络学习算法：学习速率矩阵法

本文针对前向网络ＢＰ算法存在的收敛工慢，数值稳定性较差，网络学习困难等主要缺陷，提出用非线性优化理论中的ＢＦＧＳ方法的构造学习速率阵，以替代原来的学习速率常数，并且输入一组样本改变一次权值向量。从而使网络训练时收敛速度极快，数值稳定性好且算法易并行化。文中对ＬＲＭ，ＢＰ，改进ＢＰ算法的收敛性，数值稳定性，计算复杂度等进行了讨论。对异或（ＸＯＲ）问题和六位进制数对称性判别问题进行了仿真比较，结果表明     

基于步长优化和共轭梯度法的改进BP算法

本文针对传统ＢＰ算法存在的两个常见问题进行了讨论，提出了基于步长优化和共轭梯度法的改进ＢＰ算法。新的算法避免了目前由人为经验确定迭代步长的缺陷，并能有效克服局部极小值。这样可使网络加快收敛，稳定性变好。     

基于BP网的异步电机故障诊断方法

在对异步电机三类典型故障机理的分析基础之上,提出了基于ＢＰ网的诊断方法,建立了适宜于异步电机故障诊断的网络模型和电气故障模板,开发出基于ＢＰ网的电机故障诊断软件．     

用BP算法加速倒立摆的模糊控制过程

提出了一种用ＢＰ算法调整经验规则，加速倒立摆模糊控制过程的方法。并基于解析型模糊控制器的原理和人工神经网络ＢＰ算法的训练模式，对这种自适应模糊控制系统进行了仿真研究。