优化反向传播神经网络的自适应遗传算法

探讨了用遗传算法优化反向传播神经网络的问题，通过对不同遗传操作的分析和改进，提出了一种能有效进行局部搜索和全局搜索的自适应遗传算法，计算结果表明，该算法能快速地求出问题的全局最优解，且具有较好的计算精度。     

基于反向传播算法神经网络的谐波源模型分析

采用反向传播算法神经网络建立稳态频域的谐波源模型。在模型中,各次谐波电流的幅值和相角与各次谐波电压的幅值和相角以及负荷特征参数的非线性映射关系通过一种新颖的反向传播算法网络进行建模。该网络的学习算法是并行的。算例计算表明,该模型具有训练时间少、精度高等优点,是谐波源建模的有效方法。     

基于信息融合技术的无线火灾探测报警系统

为了解决传统火灾报警系统只对火灾的某一种物理或化学信号进行探测而容易出现误报和漏报的问题,将多传感器复合探测技术和无线通信技术应用到火灾探测报警系统中,设计了一种基于STM32为主控制芯片的智能分布式无线火灾探测报警系统,系统能同时采集CO浓度、烟雾浓度和温度3个火灾参数,利用无线通信技术进行数据传输,采用智能算法对火灾信息进行处理和判断。经调试,该系统能够及时、准确地预警火情。     

基于人工智能与多传感器信息融合的电缆火灾预警算法

随着智能化技术应用的普及,对电缆火灾预警的准确性和抗干扰能力提出了更高的要求.文中提出了一种基于人工智能与多传感器信息融合的电缆火灾预警算法,通过融合多传感器特征层的数据信息,基于BP神经网络的特征层融合实现电缆火灾预警.搜索最佳特征融合系数;使用多传感器分别采集电缆周围的温度、烟雾、CO的数据信息;在特征层数据融合的...     

基于多传感器数据融合的火灾预警系统

为避免火灾造成的严重损失,实现火灾早期报警,本系统通过对火灾发生过程和产物的研究比较,采用多种传感器对火灾发生初期火灾特征较明显的几个参数进行监测,并实时反馈回采集的数据。系统利用D-S证据理论对多传感器数据进行融合分析,实现对同一目标的判断;本系统通过利用D-S证据理论对多传感器数据融合的方法,不仅弥补了采用单一传感器的不足,而且很大程度上降低系统判断结果的不确定性,提高了系统预警的准确性和可靠性。     

基于反向传播神经网络估算大气光学湍流廓线

大气光学湍流是与光电工程系统设计、应用密切相关的基本参数.通过仪器实地测量大气光学湍流廓线时会受到人力、物力、财力等多种条件的限制,因此依据常规气象参数估算大气光学湍流强度具有十分重要的意义.提出一种结合遗传算法的反向传播(GA-BP)神经网络.首先,基于Tatarski大气光学湍流参数化方案,利用HMNSP99外尺度模式估算了大气光学湍流廓线;其次,尝试基于实测数据训练BP神经网络,并结合遗传算法估算大气光学湍流廓线.将两种方法估算的大气光学湍流廓线与实测的廓线进行对比,结果表明:GA-BP神经网络模式估算值与实测值的均方根误差(RMSE)比HMNSP99模式的RMSE小,表明利用GA-BP人工神经网络模式估算大气光学湍流廓线是一种可行的方法.     

一种基于误差变化率的自适应反向传播算法

本文针对BP算法存在收敛速度慢的缺点,提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法。异或问题的仿真结果表明,该方法具有较快的收敛速度。     

基于误差反向传播算法的OFDM系统频域均衡

提出用一种基于神经网络的均衡方法,并用误差反向传播(BP)算法对多层前馈网络进行训练.分析和数值仿真结果表明,基于BP网络的频域均衡方法有较好的均衡效果,并且复杂度不高.     

基于改进反向传播神经网络代理模型的快速多目标天线设计

针对传统天线设计方法计算代价较大的缺陷,该文构建基于反向传播神经网络(BPNN)的新型天线代理模型。为解决BPNN训练易陷入局部最优的问题,采用粒子群优化(PSO)算法来改善神经网络初始结构参数,进而构建PSO-BPNN天线代理模型,并基于该模型提出多参数天线结构的快速多目标设计方法。设计实例表明,该方法在预测精度以及计算代价等方面优于现有的常用天线设计方法。所提方法对处理复杂高维参数空间天线设计问题具有实用价值。     

PSO算法优化BP神经网络的金融风险预警研究

金融危机是一个非线性的复杂过程,BP神经网络对非线性系统具有很强的模拟能力。针对BP神经网络有收敛速度慢、易陷入局部极小值和振荡等缺点,利用改进的PSO算法优化BP神经网络的权值和阈值,能有效地改善BP神经网络的缺点。对金融风险实例分析的结果表明,综合改进的BP算法相对于BP神经网络算法能明显加快网络的收敛时间,具有较快的收敛速度和较高的诊断准确度,用于金融风险预警是可行的,证实了该方法具有一定的实际应用价值。     

基于BP神经网络的某型飞机火控系统故障诊断

根据某型飞机火控系统的特点,给出了BP神经网络数学模型及其学习算法,在此基础上以某型飞机火控系统作为为被诊断对象,运用BP神经网络数学模型及其学习算法对其进行故障诊断。诊断结果表明BP神经网络不仅能识别出样本自身的故障,而且能准确诊断出样本以外数据故障,提高某型飞机火控系统一线维修保障效率。     

基于BP神经网络的地震动信号识别

通过数据采集得到三种不同类型车辆的地震动信号,采用小波消噪和特征提取,得到样本数据对神经网络进行训练,训练完成的神经网络就能实现车辆类型的识别。试验结果表明,BP神经网络对车辆目标具有较高的识别率,证明对地震动信号的特征提取方法是正确的,人工神经网络是有效的目标识别方法。     

基于BP网络和DS理论的雷达电路故障诊断

为了克服使用BP神经网络对雷达电路故障诊断的不足,提出了将BP神经网络和DS证据理论相结合的诊断方法。该诊断方法先用BP神经网络分别对雷达电路的电压电流特性进行故障诊断,将诊断后的结果再通过DS证据理论进行信息融合,从而得到更为可靠的诊断结果,具有一定的工程实际意义。     

基于BP神经网络的数字识别研究

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络的数字识别系统。利用MATLAB进行仿真实验,实验结果表明该系统能够实现对数字的有效识别。     

面向气象灾害预警信息的5G网络切片技术研究

研究了面向气象灾害预警信息精准快速传播需求,并针对传输需求设计网络切片SLA指标,给出了面向气象预警信息传输的网络切片设计参考方案.     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。     

基于量子—BP神经网络的教学评价研究

将量子计算和BP神经网络相结合,产生一种新的量子—BP神经网络的方法,并将该方法应用于教学评价中,应用量子—BP神经网络的方法构建教学评价系统模型,进而对教学质量进行评价。通过实证分析,得到了满意的评价结果,说明该方法具有一定的可行性和实用性。     

基于故障树和BP网络的飞控系统可靠性分析

文中针对不同批次飞行器控制系统在使用过程中的可靠度的差异问题,提出一种新的可靠度预测分析方法,该方法的思路为,首先使用故障树分析法分析出不同批次飞行器控制系统出厂时的可靠性,再根据不同批次飞行器控制系统在使用过程中的可靠度历史数据,运用BP神经网络的方法对数据进行分析处理,建立了飞行器控制系统＂出厂时部件级和系统级可靠度＂与＂使用过程中不同年限可靠度＂之间的联系与变化关系,即在统计出部件级可靠度的情况下,通过＂故障树分析法＂和＂BP神经网络分析法＂结合的方法,可以得出飞行器控制系统的可靠度,以及预测出飞行器控制系统使用过程中不同年限的可靠度。     

智能火灾预警系统的实践

火灾对于社会公共安全有着极大的威胁,所以必须要对其有效地加以预防,而当前随着信息技术以及计算机技术的不断发展,可以将计息技术应用在火灾的防控之中.通过对于智能火灾预警系统加以构建,能够及时地发现火灾,并且提前进行预警.因此本文主要就智能火灾预警系统的设计以及实践的相关问题进行了相应的研究.