用BP算法实现模糊控制规则的自校正

利用ＢＰ算法对模糊神经网络（ＦＮＮ）所能执地的控制规则进行自校正,使应用到工业过程的模糊控制器的性能得到改进。仿真结果表明,用改进后的方法设计的模糊控制器能够显著地减小系统的稳态误差,具有比较快的响应速度和较强的鲁棒性。     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

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。     

BP神经网络改进算法的应用

目的 通过MATLAB实现BP神经网络的改进算法。方法 采用了动量法和学习率自适应调整的策略。结果 运用MATLAB对BP神经网络进行初始化和训练。结论 实践证明，改进了BP神经网络算法，提高了学习速度，增加了算法的可行性，利用MATLAB软件提供了工具箱编制BP网络解决非线性问题是一种便捷、有效、省事的途径。     

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。     

BP神经网络的硬件实现

本文提出了一种采用ＭＯＳ晶体管的电流模式连续时间模拟ＢＰ神经网络的硬件实现新方法，硬件系统适合利用ＶＬＳＩ技术，具有片人误差反向传播学习功能，能简经ＢＰ新算法修正权值，对所设计的电路提供了ＰＳＰＩＣＥ仿真结果，结果表明硬件实现方法的可行性。     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

BP 神经网络改进算法的应用

目的通过 MATLAB 实现 BP 神经网络的改进算法. 方法采用了动量法和学习率自适应调整的策略. 结果运用 MATLAB 对 BP 神经网络进行初始化和训练. 结论实践证明, 改进了的 BP 神经网络算法, 提高了学习速度, 增加了算法的可行性. 利用 MATLAB 软件提供的工具箱编制 BP 网络解决非线性问题是一种便捷、有效、省事的途径.     

基于神经网络和遗传算法的PID参数自整定算法

针对常规PID(proportional-integral-derivative)参数整定过程依赖被控对象的数学模型、不能灵活得到期望的性能指标等问题,提出了一种基于神经网络和遗传算法的PID参数自整定算法。该算法首先通过训练神经网络得到PID控制器参数和控制性能指标之间的映射关系;再利用遗传算法进行最优解搜索,得到全局范围内一组最优的控制器参数,使得给定的基于时域性能指标的目标函数值最优;最后,以水箱液位系统为例对所提算法进行实验验证。实验结果表明,与传统的ZN (Ziegler Nichols)参数整定法相比,所提算法整定的参数具有了更好的控制效果,同时可以通过改变目标函数中的性能指标权重系数,灵活得到不同期望的控制效果。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

BP神经网络在房地产估价中的应用

将改进型BP网络用于房地产估价 ,通过在识别阶段对训练样本分类正确率问题的讨论 ,提出运用欧氏距离对网络的识别系统进行改进的方法。应用实例表明改进识别方法的BP网络应用在房地产估价中能使待判样本分类正确率从 90 .5 %提高到 1 0 0 % ,相应的估价误差从 1 .7%降低到 0 .3%。     

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。     

改进BP算法在过程神经网络中的应用

过程神经网络是一种基于过程神经元的新型神经网络,其输入及权值皆为时序函数.针对基本BP算法的一些不足,将一种改进BP算法应用于前馈过程神经网络的训练之中,提高了网络的学习效率,扩展了过程神经网络的训练算法理论.在改进BP算法与网络训练的结合过程中,权函数及输入函数皆被用同一正交基函数展开.最后基于改进BP算法将过程神经网络应用于了飞机发动机尾气温度指数的预测当中,验证了算法的有效性,同时也展示了过程神经网络广泛的应用前景.     

灰色预测GM（1,1）模型的Matlab实现

介绍了GM（1,1）模型的基本原理和建模步骤,利用Matlab实现了程序化、智能化的灰色预测GM（1,1）模型。通过实例验证了其能够快速、精确地进行计算,可以帮助工程人员对所得数据进行准确性分析和预测。     

基于粗糙集-BP神经网络的浮选槽液位预测

针对反浮选过程中浮选槽液位指标难以建立精确的数学模型、常规检测方法不能有效控制问题,提出一种将粗糙集与BP神经网络理论相结合方法[1],建立反浮选液位软测量模型。从浮选过程积累的数据中获取过程知识,通过粗糙集属性约简对训练样本数据进行处理,根据结果确定BP网络的输入、输出、隐层神经元数,从得到的优化设定自动更新浮选槽液位控制回路的设定值,避免了人工控制的不稳定性和不精确性。此方法应用于某浮选厂,满足了液位预测要求的精度,在液位控制、经济指标提高及浮选过程稳定等方面取得了明显的效果。     

BP神经网络Vogl快速算法的改进

针对 BP算法收敛速度慢的特点 ,提出了对 V ogl快速算法的改进方法 .实践证明此改进方法使BP算法的收敛速度得到了较大的改善     

一种基于双曲函数的BP网络改进算法

提出了一种新的BP(Back Propagation)网络权值调整规则算法。该算法以双曲函数为基础,将BP网络输出层节点的实际输出值与期望输出值的差作为双曲函数的输入,输出为权值的变化量。实例仿真表明,该算法简单,容易实现,加快了网络的学习速度,提高了学习效率。     

神经网络建模在工程项目评标中的应用

评标是工程项目招标程序中极为重要的环节，利用BP神经网络的自学习、自适应和非线性逼近能力，研究了BP神经网络用于工程项目评标的原理与步骤，建立了评价指标体系，在此基础上构造了基于BP神经网络的工程项目评标模型，并以收集到的样本为例，对该模型进行了实证研究，表明了该方法的有效性。     

BP网络的阵列映射

本文提出了一新的数字ＢＰ网络阵列映射方法,利用该映射方法能显著降低ＢＰ网络学习中的通信开销。