基于神经网络的结构抗震可靠度预测及优化

针对结构抗震可靠度分析中存在影响因素复杂、统计资料缺乏、概率模型合理选取困难、计算繁杂等问题,利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,提出了预测结构抗震可靠度的进化神经网络模型,并利用BP网络进行对比研究.实例分析表明,利用进化神经网络预测结构抗震可靠度,可克服BP网络输入层节点数、隐含层数和隐含层节点数确定的盲目性,适应性更强,精度更高.     

基于两种BP神经网络的精纺毛纱性能预测模型的比较

在较大输入层样本数、较多输入层节点数的条件下,尝试使用单隐层BP神经网络模型与双隐层BP神经网络模型分别对精纺毛纱的条干不匀率与断裂强力进行预测,分析比较单、双隐层模型的预测性能.结果表明:隐含层节点数为9的双隐层BP神经网络模型预测性能最佳,相关系数值为0.920 5;对精纺纱的断裂强力进行预测时,隐含层节点数为8的双隐层BP神经网络模型预测性能最好,相关系数值为0.917 1.因此,在输入层样本数较大、输入层节点数较多的条件下,双隐层BP神经网络模型更适合对精纺毛纱的性能进行预测.     

基于粗糙集的BP神经网络空气品质预测模型

使用粗糙集理论对空气品质监测数据进行属性约简,构建BP神经网络模型中隐层的神经元节点、确定各节点之间的权值和网络结构,通过BP算法对污染物浓度数据进行迭代训练,求出BP神经网络的参数,实现空气品质预测。     

人工神经网络中隐含层节点与训练次数的优化

目前构建定量构效关系人工神经网络模型中隐含层节点数和网络训练次数大多是依靠试验方法来确定，针对该方法运算工作量较大、模型质量和预测精度没有保证等问题，通过编写程序获得有关网络的预测精度和百分误差与网络隐含层节点数和训练次数之间关系的大量数据，采用Matlab语言分别绘制预测精度和百分误差与网络隐含层节点数和训练次数之间的三维关系图，从图中可以很容易判断出达到最佳预测精度和最小百分误差的隐含层节点数和训练次数。该方法和技术从根本上提高了选择人工神经网络隐含层节点数和训练次数方法的效率。     

清漂无人船船体轻量化研究

以清漂无人船质量最轻为设计目标,将船舶设计规范要求的板厚尺寸及最大等效应力、剪应力作为约束条件,通过灵敏度分析筛选确定设计变量。将设计变量进行正交试验,得到神经网络训练和测试样本。构建双隐含层的BP神经网络模型替代耗时的有限元模型,确定应力与设计变量之间的关系,并与不同隐含层的神经网络进行比较,得出双隐含层BP神经网络模型性能更好的结论,从而用其对清漂无人船进行轻量化优化。优化后的船体质量降低10.3%。优化后的船体经有限元分析,满足船舶设计规范要求,说明双隐含层BP神经网络模型在船舶结构设计优化上具有可行性。     

基于多层BP神经网络的财务风险预警模型构建

首先筛选引发财务危机相关因素,建立财务风险预警指标体系.分析BP神经网络的隐含层数及结点数对网络分类能力的影响,构建基于多层BP神经网络的财务风险预警模型.进行了M atlab仿真实验,以验证所建模型的可行性、有效性及合理性.     

基于BP神经网络的配电网项目建设效果后评价方法

针对配电网项目的建设效果,建立了一套科学完备的后评价指标体系;基于BP人工神经网络,建立了具有L个隐含层节点、3层网络的配电网项目建设效果后评价模型,以配电网建设成效指标数据为样本作为输入即可得到建设效果的评价结果.以某省县域配电网为例,利用Matlab软件对BP神经网络进行训练与检验,结果表明所建立的BP神经网络模型对检验样本的模拟输出和期望输出是一致的;应用该模型测试样本得出的评价结果与模糊综合评价结果基本一致,表明所述方法是准确与可行的.     

BP神经网络在柳江径流预测中的应用

径流水位预测是进行洪水监测的重要手段,对于包含详尽信息的广西柳江日径流水位时间序列,采用基于BP神经网络模型进行预报可取得较好效果.如LMBPDH模型采用双隐含层BP网络能加强预测模型输入输出的非线性映射能力,采用Levenberg Marquardt （LM）算法对网络进行训练则能缩短BP网络的收敛时间,改善网络的收敛性能,同时采用实验法确定模型的其他参数使模型获取最佳预报性能.在对柳江近10年日平均水位的预测中,将LMBPDH模型与单隐含层BP神经网络、LM算法以及带适应学习率和动量因子的梯度递减法算法等组合构成的BP神经网络模型,以及遗传算法进化的神经网络模型比较,LMBPDH模型预报稳定性、预报准确率最佳.     

基于BP网络的汉语普通话声调识别

研究了一种常用的模式分类器———BP神经网络,分析了 BP网络的训练及识别过程,提取了能体现声调特性的特征数据组成分类特征向量,设计了具有一个隐含层的3层前馈网络作为分类器,对普通话声调样本库做了分类识别实验,分析了不同隐含层节点数的识别实验结果.实验结果表明,提取的音频特征基本有效,分类效果良好,具有一定的应用价值.     

基于神经网络的模拟电路故障诊断

针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于LM算法的神经网络故障诊断方法;主要包括故障特征的选取以及神经网络的建立.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优于标准BP算法,可有效提高故障诊断性能.     

基于BP模型的黄瓜霜霉病图像特征识别系统的设计

目的 设计农作物黄瓜霜霉病叶部图像特征识别系统.方法 应用神经网络技术的反向传播算法,利用基于BP模型的神经网络进行了黄瓜霜霉病叶部的图像特征提取与模式识别生成人工神经网络的结构图.通过黄瓜霜霉病不同阶段110个样本进行训练,并使用另外100个样本进行测试.结果 得到最优的隐含节点数,确定该算法参数的最优解,其中包括惯性项系数α、权值修正系数η与各层网络的权系数.样本训练在有限的允许次数内收敛至误差小于规定的数值并得到次数上最优的隐含节点数目.BP神经网络系数收敛并可达到85%以上的正确识别率.结论 提取了黄瓜霜霉病叶部图像的特征,获得正确的分类识别规则,从而进行图像识别工作.BP神经网络用于作物病害诊断的专家识别系统有借鉴意义.     

基于非线性时序信号神经网络预测模型讨论

本文从神经网络理论及实践两个方面，探讨了目前非线性时序信号预测神经网络模型存在的几个问题：网络输入节点数的确定，隐层节点数及隐层数目，节点单元作用函数的确定，三层前向神经网络的逼近能力，神经网络的外延性。本文提出了这些问题，以期加快时序信号预测研究的发展。     

电火花加工中最优加工条件的确定

在电火花加工中,影响因素较多,难以确定最优加工条件.为方便操作者决定粗加工最优加工条件,并提高表面加工效果和粗加工速度,提出了一种使用人工神经网络融合遗传算法自动确定和优化电火花成形加工中加工参数的方法.利用遗传算法结合节点删除法来优化BP神经网络结构,以此自动确定神经网络隐含层节点数.经实践证明,用该方法优化后的BP神经网络所确定的最优加工条件,能保证较高的粗加工速度,方便了操作者对加工条件的确定.     

基于BP神经网络的三相SPWM逆变电路故障诊断

提出了基于BP神经网络的三相SPWM逆变电路的故障诊断方法。首先提出BP神经网络模型及算法,然后运用BP神经网络对三相逆变电路进行故障诊断,通过调整隐含层节点和学习参数,寻找出最优的BP神经网络结构。最后,采用非学习样本数据对训练好的网络进行仿真,实验结果表明该故障诊断方法正确率达99%,该诊断方法同样适用于其它电力电子电路。     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

实现BP神经网络从理论到实践的跨越

BP神经网络理论研究集聚了大量优秀的研究人员,并取得了很大的成就,但由于BP网络的建模理论和实际应用问题建模条件之间存在实质性差异,有些理论研究成果不能直接应用于实际问题的建模研究中.本文主要针对如何确定合理的隐层节点数、避免出现"过训练"现象以及神经网络模型性能评价等问题进行分析与研究,构筑BP神经网络建理论与实际应用问题建模之间的桥梁,为建立可靠、合理的BP网络模型提供依据.     

基于DBI-小波包分解和改进BP神经网络的轴承故障诊断方法研究

针对轴承故障诊断问题,以振动信号为分析对象,提出DBI-小波包分解和改进BP神经网络的诊断方法。采用4层小波包分解获取振动信号的不同频带特征,引入戴维森堡丁指数（Davies-Bouldin index,DBI）定量评价小波包分解结果,确定小波基函数为FK22时达到最佳分解结果。采用改进的BP神经网络对不同频带特征识别,引入弹性梯度下降法解决传统BP神经网络收敛速度慢和梯度消失等问题,提高网络训练速度。同时,针对BP神经网络隐藏层层数及各隐藏层节点个数难以确定的问题,设计正交实验对不同参数组合效果进行验证,选出最佳参数,避免盲目低效调参。对电机滚动轴承进行验证,结果表明平均故障识别准确率达到98.833%。     

BP神经网络结构设计的频谱取值模型研究

提出BP神经网络隐层节点数频谱取值法(Frequency SpectrumRule 简称FSRule)的新概念,并建立了FS取值模型,实践证明:FS模型可快速准确地计算隐层节点数,较好地解决人工神经网络结构设计的难题.     

基于BP神经网络的车牌字符识别改进方法

提出一种基于BP神经网络的车牌字符识别优化算法,设计了一种四层结构的BP神经网络模型。该模型通过加入一个隐含层和动量项实现了更加准确识别车牌字符的功能,通过BP网络各层之间信息的快速传递实现了车牌字符的识别,为缓解交通问题提供了切实有效的解决方案。     

基于社会化媒体节点属性的信息预测

针对多数研究仅将社会化媒体作为数据来源的现状,深入分析社会化媒体特点,重点将节点属性分为静态和动态进行研究,提出基于预测目标的节点影响力的概念.在此基础上提出了一种基于节点属性进行信息预测的属性、节点数、倾向(ANV)模型.实验采用后向传播(BP)神经网络预测方法,通过新浪微博数据预测电影票房.仿真表明,带有节点属性的方法比没有节点属性的方法拟合和预测更为准确.