基于神经网络的冠心病智能诊断系统

为解决冠心病多参数诊断中存在的问题,提出了一种基于优化算法的神经网络智能诊断系统,即采用优于BP算法的LM算法进行网络学习训练,采用黄金分割优选法对网络隐含层节点数进行优选。临床实验应用表明,这种系统具有拟合精度高和运算速度快等优点,且诊断正确率为100%。     

基于改进的BP神经网络的FMS故障诊断系统

本文根据FMS故障诊断的特点，用神经网络建立一个FMS故障诊断系统，提出改进的BP算法，并对仿真结果进行分析。     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

BP神经网络的脑血管疾病专家诊断系统研究

在介绍BP神经网络的有关原理的基础上,提出一种BP神经网络模型用于诊断脑血管常见四种疾病.     

基于遗传神经网络的抗肿瘤药物不良反应诊断系统

提出一种以遗传神经网络为基础的抗肿瘤药物不良反应（ADR）诊断系统，并以此考察了LEVF方案引起的骨髓抑制毒性，筛选了相关的各种指标，做出了较好的预测。解决了神经网络结构选择和“过度拟合”问题。该系统既可以用于临床的ADR诊断，也可以用于新药的ADR事件评价。     

基于BP神经网络的指纹识别

本文深研究了基于BP神经网络的指纹识别。对采集到的指纹图像进行预处理,消除假的特征点,利用指纹图像的脊线端点和分叉点作为最终特征点,提取其特征点坐标和方向作为神经网络的特征输入向量,实验证明该方法具有较好的实验效果。     

基于BP神经网络的甲状腺结节辅助诊断模型

为利用甲状腺结节超声诊断数据提高医生诊断水平,设计一套超声诊断文本数据规范化处理流程,在此基础上构建基于BP神经网络的辅助诊断模型,用于甲状腺结节诊断推荐,在模型中引入"金标准"和区间数距离测度,定义新的诊断精度度量公式。基于采集的安徽合肥某三甲医院甲状腺超声历史诊断数据进行实验,验证了所设计流程的可行性与有效性,3个对比实验结果表明,构建的辅助诊断模型能有效帮助医生提高诊断水平。     

基于BP神经网络的图像识别

随着信息技术的不断发展,数字影像技术已经渗透到生产生活的各个领域。该技术的传输和存储技术已经非常先进,但关键的图像识别技术一直是国内外的研究中心。由于传统图像识别方法的局限性,在搜索过程中还存在很多问题。神经网络为传统图像识别问题提供了一种新方法,因为它们需要较少的信息和复杂状态映射的实现。本文提出了一种基于BP神经网络的图像识别模型,利用神经网络研究。实验结果表明,该模型是高效的,具有良好的检测率。     

基于BP神经网络的大豆叶片病害诊断模型的研究

本文以大豆叶片为研究对象,主要针对大豆灰斑病、霜霉病和细菌性斑点病进行诊断。首先,在东北农业大学教育部大豆生物学重点实验室的实验基地培育灰斑病、霜霉病和细菌性斑点病的纯正样本,然后通过对病斑特征的分析,确定病斑特征与病害种类的关系,建立大豆叶片病害的BP神经网络诊断模型。测试结果表明,针对轻度病害,灰斑病、霜霉病、细菌性斑点病和其它病害的识别精度分别为88.75%,87.50%,87.50%,85.00%;中度病害识别精度分别为91.25%,90.00%,91.25%,88.75%;重度病害识别精度分别为93.75%,92.50%,93.75%,92.50%。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

BP神经网络的设计

对ＢＰ神经网络设计中的隐层节点数，初始权值，学习率等参数的选择进行研究，分别给出若干经验公式。     

基于BP神经网络的自适应控制

本文利用ＢＰ神经网络对被控对象进行在线辨识和控制。为实现自适应控制，本文对ｓｐｅｃｉａｌｉｓｅｄ ｌｅａｒｎｉｎｇ算法进行了改进，在此基础上，本文还提出了一种基于ＢＰ网络的自适应ＰＩＤ控制器。     

基于粗糙集的容错神经网络故障诊断系统

粗糙集和神经网络在故障诊断中都得到了广泛的应用,但两者都有其局限性,同时在许多方面有其互补性,融合粗糙集和神经网络各自的优势,建立了粗糙集——客错神经网络故障诊断系统。利用粗糙集对原始数据进行简约,导出最简诊断规则,根据选择的冗余约简和最简诊断规则建立粗糙集——容错神经网络故障诊断系统。以滚动轴承故障诊断为例,仿真结果表明系统提高了故障诊断准确率和诊断速度,消除了故障诊断中的误报和漏报现象。     

基于BP神经网络的专家系统体系结构

针对传统专家系统知识获取的“瓶颈问题”,利用BP神经网络于知识获取的长处,将BP神经网络和专家系统有机的结合。阐述了BP神经网络专家系统的基本原理,给出基于BP神经网络的专家系统体系结构。     

基于BP神经网络的股市预测模型

介绍了神经网络的基本概念,建立BP神经网络模型,以某个股实际收盘价为原始数据样本,对网络进行训练后,对股票价格进行了短期预测,并计算出预测值和实际值的误差.通过实验发现该模型收敛速度快,预测精度高.     

基于BP神经网络的字符识别系统

基于BP神经网络设计了一个字符识别系统.首先,对字符图像进行二值化处理,构造输入向量矩阵.其次,通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练,之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性.最后进行仿真测试并制作图形用户界面GUI来模拟与演示该系统.仿真结果显示,该BP网络对噪声系数小于0.8的字符识别率可达95%,且网络训练时间可接受.     

基于遗传BP神经网络的数据挖掘技术

数据挖掘技术是从大量数据中挖掘知识的有效的工具。BP神经网络和遗传算法是运用在数据挖掘中的两种新兴算法,神经网络的结构复杂、网络训练时间长、收敛速度慢,但其具有较高的正确率,把BP神经网络与遗传算法相结合,可以提高收敛速度,并在有限步内达到较高的精度要求,因此本文提出了一种遗传算法和BP神经网络相互结合的新算法,并把算法运用在数据挖掘技术中。     

基于BP神经网络的函数逼近

本文详细叙述了BP算法的原理,剖析了Matlab的BP相关函数,并使用MATLAB中提供的BP函数进行非线性函数的逼近,验证了该网络模型的准确有效性.     

基于BP神经网络的应用研究

详细讨论了BP神经网络的原理及其模型的建立过程,并把它应用到高校的学生就业工作中,借助计算机对就业信息进行挖掘,所获取的知识对指导今后的教学和学生工作有重要意义。实验仿真结果表明该模型能够很好的实现预期的预测效果。     

基于BP神经网络的蒸汽温度控制

详细介绍ＢＰ神经网络控制算法,运用模糊逻辑控制概念赋予隐层含义,并决定其节点数,同时用高斯核函数作为节点激励函数,进行了仿真研究。叙述了系统的硬件与软件构成,试验表明系统操作方便、安全可靠,控制效果好。