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。     

BP神经网络在射孔信号识别中的应用

将BP神经网络应用于油管传输射孔信号的识别,射孔信号经过小波变换,取小波变换后的一阶分量作为神经网络的特征量,将多个信号的一阶分量送入神经网络进行训练,得到稳定的系统,可以利用这个系统识别射孔信号。如果射孔信号为一级起爆信号,结果显示为1;如果为其他类型结果显示为0。经过实验证明,所设计的BP网络可以识别油田射孔作业中一级起爆的油管传输射孔信号。     

BP神经网络在农业发展中的应用

本文简述了BP神经网络的基本原理,提出了一种基于BP神经网络对农业增加值占国内生产总值的比重的测评模型。实验表明,该模型的辨识精度高,能正确实现。     

BP网在模糊集隶属函数上的应用研究与仿真

讨论了用BP神经网络进行模糊数的隶属度判断的可行性,并针对传统的PB网络算法的缺点,提出了用动量因子引入动量项来减少学习过程的振荡,加速寻优速度的方法,并给出了用BP算法和改进算法来求解模糊数的隶属度的计算机仿真。仿真表明：BP神经网络可用于隶属度的判定,改进算法具有较高的寻优速度。     

神经网络BP算法在有源消声中的应用

为了克服传统自适应有源消声算法在应用中稳定性方面的不足,尝试将神经网络反向传播（ＢＰ）算法应用于有源消声技术。文中建立了基于ＢＰ算法的自适应有源消声（ＡＡＮＣ—ＢＰ）模型并给出该算法的递推公式。利用ＴＭＳ３２０Ｃ２５开发板实现了该算法功能。在半消声室中进行了单频和１００Ｈｚ带宽的消声实验,仅利用单个次级源结构便获得较好的消声效果。实验证明,基于ＢＰ算法的消声系统具有良好的稳定性。     

变结构神经网络模型的BP算法及其应用研究

神经网络模型是一种非常有效的数据处理工具,但是存在结构确定困难的缺点.针对神经网络算法的这种缺点,提出了变结构神经网络模型.此模型增加了神经网络隐节点的决策变量,并对此决策变量进行松弛.在采用BP梯度算法确定神经网络结构的同时,确定网络参数.由于电缆的状态监测是时序数据,将此模型应用于电缆的状态监测过程中,能体现出较好的适应性.     

BP神经网络在入侵检测系统中的应用及优化

BP神经网络运用于入侵检测系统有很多优点，但是也存在一些缺点，如执行速度比较慢的问题等．常用的LMBP算法，虽然收敛速度很快，但是应用于入侵检测系统执行速度仍然不能满足要求．结合KDD99数据集，选取适当的数据，通过加入一些限制条件，对LMBP算法进行了优化．通过实际计算，比较算法优化前后的计算结果，验证了优化算法是有效的．优化后的算法比较明显的提高了BP神经网络应用于入侵检测系统时的执行速度，具有一定的实用价值．     

BP神经网络在建筑工程估价中的应用

在建设项目管理中前期工程估价是一项十分重要的工作，根据神经网络的原理和工程造价估算的特点，通过研究工程造价的构成，特别是建筑工程结构和主要分项工程的特征在工程造价中所起的作用，确定了7个主要因素，作为神经网络的输入变量，提出了基于BP神经网络的工程估价模型．共收集了20个住宅工程估价实例，其中18个作为训练样本，2个作为检测实例，经测算其精度基本可以满足实际工程投资估算的需要．因此，神经网络在这方面有很好的应用前景．     

BP神经网络算法在数字识别中的应用

介绍BP神经网络算法的理论和方法,并在MATLAB环境下给出了BP神经网络算法在数字图像识别系统中的应用。     

神经网络BP算法在噪声主动控制中的应用

在噪声主动控制系统中采用神经网络控制方法，给出了神经网络BP算法的一种变异算法。仿真实验表明，基于神经网络的噪声主动控制系统具有非常好的降噪效果和稳定性。     

基于主成分分析的BP神经网络在岩性识别中的应用

提出一种将主成分分析和BP神经网络相结合的方法对测井资料进行岩性识别。首先将原始测井数据进行主成分分析,分析结果作为PCABP神经网络的学习样本进行训练,建立测井解释的PCA—BP神经网络岩性识别模型．并用该模型对测试样本进行识别。结果表明该方法同传统的BP神经网络相比．不仅简化了网络结构（网络的输入神经元个数由5个减少为2个）,网络收敛速度也加快了21％．而且识别的准确率提高了25％。     

基于GA-BP神经网络的短期负荷预测

以供热系统为研究对象,针对集中供热热负荷中由于温度因素、随机因素以及建筑本身因素等导致预测精度不高的问题．提出了采用BP神经网络算法来进行预测,它对具有非线性的模型有很好的控制效果,并且可以进行自我学习．但由于BP神经网络的波动较大,比较容易出现局部优化现象,因此在使用BP神经网络的基础上进行改进,将BP神经网络与遗传优化算法相结合,弥补BP神经网络的不足．最后通过仿真实验,结果表明热负荷预测的误差大大减少,预测精度提高,继而实现合理供热．     

卡特政府外交与巴列维国王的倒台

1978年初伊斯兰革命兴起,美国的反应滞后,直至11月初才确定了应对危机的政策。由于政府内部存在巨大分歧,美国无法确立明确一致的危机处理政策。而得不到明确指示的巴列维国王只能坐以待毙。美国在处理伊朗问题时的失误包括：对伊斯兰革命反应滞后,造成了战略被动;政府内部分歧重重,决策混乱;对伊斯兰革命缺乏正确的认识。     

BP神经网络的遗传优化及其应用研究

针对BP神经网络具有训练速度慢、容易陷入局部极小值的特点,在分析其训练算法本质的基础上,提出将遗传算法（GA）引入神经网络训练,优化神经网络的权值和闽值,充分发挥遗传算法的全局寻优能力和BP算法的局部搜索优势,形成了一种新的GA—BP神经网络．应用实例仿真结果表明,GA—BP神经网络具有全局搜索、快速收敛的特点,建立的模型具有较高的预测精度和良好的泛化能力．     

工控设备状态检测中BP神经网络模型的应用

针对工控系统现场网中的物理设备状态信息,提出一种利用BP神经网络模型实时分析和判断设备是否处于正常运行状态的入侵检测算法。该算法旨在能够发现来自工控系统内外部的入侵行为和合法控制指令被恶意利用的复杂攻击。     

基于BP神经网络的装备使用维修费用预测

在对装备使用维修费用分析的基础上,利用神经网络理论,建立了时间序列对象的反向传播(back-propagation,BP)预测模型,并应用于装备使用维修费用的预测研究,并通过对某型装备使用维修费用的预测分析,证实了本模型的科学性与正确性。     

基于BP神经网络的抽油系统故障诊断方法

该文将神经网络应用于抽油系统的故障诊断,根据泵功图的几何特征提取特征值作为BP神经网络的输入信号,利用自适应性以及线性映射能力,建立抽油系统输入的故障信息与输出的故障类型间的映射。通过对大量故障样本的学习将知识以权值和阈值的形式存储于网格中,最终输出抽油系统的故障类型。通过实例分析,模型具有比较高的准确性和可行性。     

神经网络在结构损伤模拟中的应用

识别一个结构在震动状态下的变化，在结构监测中是十分重要的，神经网络就非常适用于这种目的。本文研究了使用可分析的学习样本来训练神经网络的可行性问题。神经网络从损伤状态中训练产生，然后用于诊断一个五层钢框架在一系列震动模拟中的状态。结果表明，使用神经网络可使在线结构诊断更加可行。     

基于BP神经网络的虚拟手术实时仿真技术研究

在人体腿部的虚拟仿真研究中,建立有限元模型并进行生物力学特性分析是一种有效的方法.但由于有限元模型数据量大,解算时间长,并且难以与既有系统融合,因此不适合在实时的手术培训和手术预演中应用.为了提高虚拟手术仿真系统进行实际作业的能力,笔者提出了以BP神经网络模型来代替有限元模型,实现实时的生物力学响应.并结合已有的医疗机器人辅助接骨虚拟现实仿真手术系统,构建了系统实验平台.实验结果证明,人体腿部的BP神经网络模型能够完全满足手术仿真所需的实时性要求.     

基于BP神经网络的CSI无源目标分类方法

针对无源目标分类系统中精度和费用之间不平衡、采用手工提取特征的方法进行特征提取工作量较大的问题,提出了一种基于误差逆传播（BP）神经网络的信道状态信息（CSI）无源目标分类方法.通过提取WiFi信号的CSI作基信号,并结合具有自主学习数据特征能力的神经网络方法,设计了BP神经网络的训练模型,减少了手工提取特征带来的开销.实验结果表明,以身高分类为例,所提方法能够区分4个不同身高段,且平均分类准确度可以达到90%以上.