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。     

基于神经网络的复杂垃圾信息过滤算法分析

垃圾信息的识别是自然语言处理方面主要的任务之一.传统方法是基于文本特征或词频的方法,其识别准确率主要依赖于特定关键词的出现与否,存在对关键词识别错误或对未出现关键词的垃圾信息文本识别能力较差的问题,提出基于神经网络的方法.首先,利用传统方法针对这一类垃圾信息文本进行识别训练和测试;然后,利用从垃圾短信、广告和垃圾邮件数...     

BP神经网络在智能车辆方向控制中的应用

驾驶员模型是智能控制中复杂的控制系统,方向控制是其核心部分。本文建立了一种基于侧向距离偏差的前视轨迹驾驶员模型。并利用神经网络的学习功能设计了一种基于BP神经网络的汽车行驶方向控制器,仿真试验表明该设计可行有效。     

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.     

一种基于BP神经网络的集成电路PHM模型

提出了一种基于数据驱动的集成电路故障预测与健康管理(PHM)模型,该模型基于反向传播(BP)神经网络算法,避免了对集成电路老化失效物理机理的依赖,能有效拟合集成电路失效的非线性函数关系。以已编程应用设计的FPGA为目标器件,通过实验提取参数样本进行模型训练,并将模型应用于实测验证。结果表明,该模型输出结果与实测结果吻合良好,能有效满足集成电路故障预测与健康管理的实际应用。     

Automatic training of a min-max neural network for function approximation by using a second feed forward network

This research is concerned with a gradient descent training algorithm of a min-max network which we will refer to as the target network. Training makes use of a helper feed-forward network (FFN) to represent the performance function used in training the target network. A helper FFN is trained because the mathematical form of the performance function for the target network in terms of its trainable parameters, p, is not differentiable. Values for the parameter vector, p, of the target network are generated randomly and performance values are determined to produce the data for training the helper FFN with its own connection matrices. Thus we find an approximation to the mathematical relationship between performance values and p by training an FFN. The input to this FFN is a value for p and the output is a performance measure. The transfer function of the helper FFN provides a differentiable function for the performance function of the parameter vector, p, for the target network allowing gradient search methods for finding the optimum p for the target network. The method is successfully tried in approximating a given function and also on training data produced by a randomly selected min-max network.     

基于角微特征的神经网络识别人脸特征

提出一种利用人脸角微特征几何特性的图像预处理,建立BP神经网络识别人脸特征模型的方法。研究了角微特征提取和具体算法,讨论了BP网络结构的设计,输入、输出层设计和隐藏层节点选取问题。微特征提取,可以降低网络输入维度,对于识别不同角度、不同表情的人脸图像提供了可能性。利用ORL人脸图像数据库做实验,结果表明此方法有效。     

基于ADALINE神经网络的自适应滤波方法

自适应滤波器能够适应系统和环境的动态变化,具有较高的滤波精度。介绍了一种利用ADALINE神经网络进行自适应滤波的方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型将发动机高压油管振动信号中的机体振动噪声滤除,提高了信噪比,为利用高压油管振动信号进行喷油器故障的精确诊断奠定了基础。     

核聚类快速后向传播算法

后向传播神经网络算法是一种经典的分类算法,但是通常该算法训练时间较长。针对这种不足,提出了一种基于核聚类的快速后向传播算法。利用核聚类将原始样本划分为多个簇,对每一个簇计算簇中心样本,利用所有的簇中心样本作为新训练集进行神经网络学习。在UCI标准数据集和说话人识别数据集上的仿真实验,充分说明了算法较传统后向传播算法具有明显的速度优势。     

基于模糊神经网络的彩色图像滤波方法

提出一种基于模糊神经网络的彩色图像滤波方法．该方法将滤波窗口内的像素矢量作为模糊神经网络的输入，根据像素间的矢量距离进行模糊化，通过模糊推理实现对各个像素加权求均值，得到中心像素的输出．输入的模糊化和模糊推理参数由神经网络的自学习功能自动调整，实现最优的滤波效果．对样本图像的处理结果表明，该滤波方法对不同类型的噪声均有较好的滤波效果。     

人工神经网络在ERP系统中的应用

在传统的ERP的基础上,增加专家系统模块,即基于人工神经网络技术的预测分析模块,提出了ERP和专家系统的集成管理方法,完成复杂的非线性预测,以使ERP系统智能化、自动化水平更高。该模块采用反向传输BP神经网络模型来实现,通过网络的自适应学习和训练,找出输入和输出之间的内在联系,以求解问题。利用该专家系统对汽车制造企业市场销售量进行预测,结果表明：该方法性能、实用性和通用性好。     

Implementation of multilayer neural network with threshold neurons and its analysis

In this paper, the implementation of new digital architecture for a multilayer neural network (MNN) with on-chip learning is discussed. The advantage of using the digital approach is that it can use state-of-the-art VLSI and ULSI implementation techniques. One of the major hard-ware problems in implementing a neural network is the activating function of the neurons. The proposed MNN uses a simple function as the neuron's activating function to reduce the circuit size. Moreover, the proposed MNN has an on-chip learning capability. As the learning algorithm, a backpropagation algorithm is modified for effective hard-wave implementation. The proposed MNN is implemented on a field-programmable gate array (FPGA) to evaluate the learning performance and circuit size. This work was presented, in part, at the Third International Symposium on Artificial Life and Robotics, Oita, Japan, January 19–21, 1998     

Classifying inventory using an artificial neural network approach

This paper presents artificial neural networks (ANNs) for ABC classification of stock keeping units (SKUs) in a pharmaceutical company. Two learning methods were utilized in the ANNs, namely back propagation (BP) and genetic algorithms (GA). The reliability of the models was tested by comparing their classification ability with two data sets (a hold-out sample and an external data set). Furthermore, the ANN models were compared with the multiple discriminate analysis (MDA) technique. The results showed that both ANN models had higher predictive accuracy than MDA. The results also indicate that there was no significant difference between the two learning methods used to develop the ANN.     

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。     

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.     

基于改进BP神经网络的电子政务内网信息安全评估方法

为了发现电子政务内网的信息安全隐患,提出一种采用改进反向传播人工神经网络（BP ANN）技术的电子政务内网信息安全的评估方法,基于改进BP ANN建立电子政务内网神经网络评估模型.以电子政务内网主要信息安全指标作为训练样本,对建立的BP ANN评估模型进行学习和训练,找到输入与输出之间的关系,并用样本对训练好的BP网络进行验证.仿真结果表明,评估方法能够较好的为复杂的电子政务内网进行信息安全评估,评估模型稳定且自适应性强.     

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。     

Detection of femoral artery occlusion from spectral density of Doppler signals using the artificial neural network

This research is concentrated on the diagnosis of occlusion disease through the analysis of femoral artery Doppler signals with the help of Artificial Neural Network (ANN). Doppler femoral artery signals belong to occlusion patient and healthy subjects were recorded. Afterwards, power spectral densities (PSD) of these signals were obtained using Welch method and Autoregressive (AR) modeling. Multilayer feed forward ANN trained with a Levenberg Marquart (LM) backpropagation algorithm was implemented to these PSD. The designed classification structure has about 98% sensitivity, 97–100% specifity and correct classification is calculated to be 98–99% (for AR modeling and Welch method respectively). The end results are classified as healthy and diseased. Testing results were found to be compliant with the expected results that are derived from the physician's direct diagnosis. The end benefit would be to assist the physician to make the final decision without hesitation.     

基于粒子群算法–反向传播神经网络自适应的氧调器控制系统

氧气面罩中的核心部件是氧气调节器(氧调器).针对当前氧气调节器的大流量、低吸气阻力、快速响应的性能需求,本文在分析了电子氧气调节器工作原理的基础上,介绍了氧气调节器的数学模型,采用了反向传播(BP)神经网络自适应控制算法,并使用粒子群算法(PSO)对BP神经网络自适应控制算法的初值进行筛选.最后,对算法的性能进行了仿真.仿真结果表明,系统具有鲁棒性,且与传统的比例–积分–微分(PID)控制方法和自抗扰控制(ADRC)方法相比, PSO–BP神经网络自适应控制方法实现了更精确的吸气阻力调节、更快的响应速度.此外,当呼吸频率变化或者外界干扰变化时,相比于常规PID算法和ADRC算法则需要人工调整控制参数, PSO–BP神经网络自适应算法则可以自动在线学习训练并调整控制参数,应用前景广阔.