快速收敛的BP神经网络算法

以标准BP算法为基础,应用Levenberg Marquardt最优化方法,提出了一种快速收敛的BP算法———LMBP算法。经实验验证并与标准BP算法及其它改进形式比较,LMBP算法大大提高了收敛速度,而且性能稳定。这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础。该算法的缺点是计算量大,所需计算机内存大,不适合大型网络的计算。     

浅析足球比赛中铲球技术动作的应用

铲球技术是当今世界足坛上的一项运用很广泛的技术动作,通过叙述,充分证明铲球技术已被广泛运用无论在稳固城池,还是围城攻门,特别是在激烈争抢的关键时刻,铲球(尤其是飞跃铲球)往往常立奇功,特见奇效,所以诸路大军的教头无不狠抓铲球的训练和运用,这必然促进铲球技术的迅速发展和提高.     

一种改进BP神经网络模型的新方法

介绍利用自组织神经网络模型及算法对已知样本和未知样本进行聚类,然后将聚类中的样本分别提交给多个BP子网处理来降低BP网络学习复杂度,提高网络准确度的新方法。     

基于RoboCup仿真机器人决策系统设计方法

针对基于RoboCup的仿真机器人决策系统设计问题。将智能体的BDI(Belief Desire Intention)模型和分层的体系结构相结合,并应用于仿真机器人的决策子系统的设计过程。实现了智能体之之间的团队协作。在决策系统的各层中，综合考虑了智能体的知识信念状态和当前的团队协作任务之间的相互影响关系，解决了智能体个体行为和团队行为选择的矛盾问题。仿真实验表明了决策方法的有效性。     

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。     

基于粗糙集的BP神经网络设计

传统的神经网络对于简单、具有明确分类界限的数据,可以有较好的计算结果,但是在输入属性集合较大、分类界限不明确的情况下,会出现收敛效率和分类准确率较低,甚至会出现不收敛状态。本文利用Rough集的理论,对输入数据不停地进行样本检测,对输入特征不停地进行筛检,以此达到删减输入特征数的目的,从而提高对输入数据的拟合。通过对采集到的脑电信号进行验证,达到删减特征数和提高分类准确度的目的。     

机器人足球RoboCup仿真系统的研究

论文对RoboCup仿真比赛的Soccer Server仿真平台和仿真球队的设计与实现进行了分析和研究.采用卡尔曼算法增强智能体对环境状态的预测能力.设计了球员在球场上的底层动作.探讨了仿真比赛的高层策略并重点对防守体系进行了研究和设计.     

基于BP神经网络的锅炉控制系统

神经网络的自学习、白适应和并行处理等特性，使得它们在现代控制系统中得到了广泛的应用。在锅炉控制系统中，对温度的控制非常重要，文中结合温度的时变、滞后和非线性的特性，提出了一种基于人工神经网络的控制算法，并经计算机仿真表明，该算法具有响应速度快、精度高和鲁棒性的特点。     

LMBP神经网络算法的改进

针对LMBP神经网络算法的一些不足,如计算量大,收敛速度慢等特点,提出一些改进方法,即将求逆矩阵G-1移到等式左边,用直接分解法求解,极大地减少了计算量,并且采用变步长代替原来的固定步长.通过结合聚合釜的现场数据集进行故障诊断的仿真实验,结果表明所提改进LMBP故障诊断方法有效、可行.     

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．     

基于RoboCup仿真的程序设计教学研究

程序设计工程性实践是计算机科学与技术专业将学生培养成创新型实践人才的重要环节。本文因此提出基于RoboCup仿真的程序设计教学模式,在对计算机专业程序设计教学体系优化讨论的基础上,给出了基于RoboCup仿真的程序设计教学实施过程,以此解决计算机专业学生在程序设计工程性实践中存在的难题。     

慎思结构模型及其在RoboCup中的应用

针对机器人足球比赛中智能体的智能性低、难以解决复杂问题的情况，提出慎思式的决策结构来提高智能体的自主水平，并将该结构应用到RoboCup中，仿真比赛的结果表明。这种慎思结构在RoboCup中的应用是可行、有效的。     

基于神经网络与遗传算法的结构优化设计方法

从神经网络和遗传算法的原理出发,利用遗传算法和神经网络相结合的策略对结构参数进行优化.在确定结构优化的目标函数和设计变量集合的基础上,用神经网络学习算法建立货架结构设计参数与结构重量、结构最大应力、最大位移等的非线性全局映射关系,获得遗传算法求解结构优化问题所需的目标函数,用遗传算法进行优胜劣汰的寻优搜索运算,从而求出所需最优解.以货架结构的优化为例说明了上述方法的应用.遗传算法和神经网络的优化结果是在正交设计法确定的训练样本足够大的基础上得出的,具有较强的可靠性.     

智能照明设计方法研究

将人工神经网络理论应用于室内照明设计, 使照明计算不但与照明设计有机地结合起来,具有快捷和合理的优点,而且此种照明设计方法还具有自适应和自学习特性。     

VMware在RoboCup仿真单机开发环境中的应用

探讨了利用软件配置手段搭建RoboCup仿真单机开发环境的方法,通过实验数据验证了使用单机环境的可行性,并指出该环境的不足与注意点。     

采用BP-ANN和改进SVR的进水BOD软测量模型

进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要.针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络(BP-ANN)、网格搜索算法(GS)优化支持向量回归(SVR)、粒子群算法(PSO)优化的SVR和遗传算法(GA)优化的SVR 4种方法,通过利用其他进水...     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .     

基于BP神经网络的混凝土超声CT图像分割

由于图像直观的特点，超声波层析成像技术在混凝土结构的无损检测中扮演日益重要的角色。采用BP神经网络模型，研究了超声波CT彩色图像的分割方法。以超声CT检测图像和起导师信号作用的二值图像为训练样本，采用BP算法进行训练，对实测图像分割后得到了目标边缘清晰的较好分割效果：此方法主要优点是设计简单，易于实现；欠缺是BP网络学习时间过长，