优化BP神经网络在非均衡数据分类中的应用

基于预处理结果将降噪BP神经网络方法应用于非均衡数据分类。通过SGD方法获取最小代价的函数损失值。引入学习率自适应更新方法对SGD方法中的学习率进行更新,给出非均衡数据分类流程,实现非均衡数据分类。     

改进BP神经网络在水轮机特性数据处理中的应用

针对原有的水轮机特性数据处理方法的不足,提出了一种改进的BP算法对水轮机特性数据进行处理.采用改进BP神经网络算法进行数据处理时,不需要依赖于具体的函数关系表达式,即可对已知离散数据进行拟合,并将提出的改进BP算法与元胞自动机理论所建立模型的计算结果进行了分析比较.计算结果表明:改进的BP神经网络算法不仅能够有效处理水轮机特性数据,而且具有很高的计算精度,可应用于水轮机的控制和优化运行当中,为进一步研究水轮机的运行性能奠定了理论基础.     

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神经网络在变压器故障诊断中的应用

介绍了电力变压器内部常见的故障,采用BP神经网络算法建立了变压器的神经网络故障诊断模型,通过与传统的IEC三比值法相比较,表明基于BP网络的诊断方法达到了较好的故障识别与分类,诊断准确率也有显著的提高,在变电设备故障诊断中具有良好的应用前景.     

BP神经网络在洪流预报中的应用

通过归纳分析,结合实际的采集数据,对降雨径流预报的人工神经网络模型进行了改进,并针对不同的预报系统,采用改进的自适应BP算法进行分析,指出了今后洪流预报发展的方向.     

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%。     

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100％，相应的估价误差从1．7％降低到0．3％。     

改进型BP神经网络PID控制在自动化 测试装置中的应用研究

针对汽车交流发电机性能自动化测试装置中测试对象特性的多样性及测试环境的多变性：在进行测试条件参数调节的过程中，采用改进型BP神经网络PID控制器，实现PID参数的在线自整定，改善自动化测试装置的动态品质，从而有效提高发电机生产线的生产效率。介绍了改进型BP神经网络控制器的构成和算法实现，利用MATLAB对其在自动化测试装置中发电机速度调节进行了仿真研究，表明了方法的有效性。     

BP神经网络在电池分选中的应用

针对电池分选中,由于输入技术参数存在噪声而引起误选率过高的问题,以 ＢＰ（ｂａｄｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络为基础,使用抽样学习的方法,提出了多参数输入的电池分选方案．实验结果表明,该方法能在技术参数存在噪声的情况下,通过网络训练可减小分选误差．     

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神经网络在作业成本预算中的应用

作业成本法在成本预算等其他环节应用活动还极为少见,且常用预测方法预算额准确度较低,难以在成本管理的后续环节发挥指导和控制作用.针对此问题,利用BP神经网络从输入层输入影响运行维护作业的各个因素的状态值,经隐含层处理后传入输出层,模拟输出各项运营维护作业的数量,以此结果来指导作业预算.其自组织、自适应、自学习的优良性能,能较好地处理作业成本预测这一多因素、不确定性、非线性问题.实验表明,将BP神经网络引入作业成本预算,有利于推进作业成本法在企业成本预算中的应用,挖掘企业成本降低潜力.     

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.     

BP神经网络在移民安置效果评价中的应用

水库移民安置涉及社会、经济、环境、自然资源等诸多领域,是一个多层次、多目标、多属性的复杂系统工程.因此,移民安置效果尤其是生活水平的评价一直是移民理论研究关注的重点.依据神经网络理论,利用模糊综合评价法生成训练样本,建立了基于BP神经网络的移民安置效果综合评价模型.仿真试验表明,该模型评价结果合理,模型操作简便,具有很好的应用价值.     

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。     

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神经网络及其改进

介绍了标准BP算法及其优缺点,并针对其存在的缺陷,从各个不同的方面对BP算法提出了改进,并对各种改进方法的原理及优缺点作了详尽的分析,从而使BP神经网络更广泛地应用于各个领域.     

BP神经网络及其改进

介绍了标准BP算法及其优缺点，并针对其存在的缺陷，从各个不同的方面对BP算法提出了改进，并对各种改进方法的原理及优缺点作了详尽的分析，从而使BP神经网络更广泛地应用于各个领域．     

BP神经网络在多源图像融合中的应用研究

采用BP神经网络与SVR融合法相结合的方法来实现像素级多源图像融合。改进型的SVR方法,用来进行全色波段和多光谱波段的融合。首先将各多光谱波段与全色波段求算回归系数,然后利用回归系数与多光谱波段合成模拟高空间分辨率全色波段,最后利用比值变换完成各波段的融合．通过仿真证明,BPNN—SVR融合法优于SVR融合法。     

BP神经网络应用于高等学校顾客满意度测评的研究

引入顾客满意战略是高等教育教学评估新的理念和手段,所以对我国高等学校顾客满意度评价体系尝试研究,在确立评价体系的基础上,利用误差反向传播人工神经网络(BP网络)的多指标综合评价问题,建立了我国高等学校顾客满意度测评的BP模型。