Circle BP Algorithm for MLP Neural Network

A simple new BP algorithm named circle BP algorithm is introduced.With this algorithm,local minimums can be completely got rid of and learning speed can improve dramatically.It can be easily designed into the circuitry and advance further the application of MLP neural network.     

基于熵的前馈网络修剪算法

剪枝算法是一种通过简化网络结构来避免过拟合的有效方法之一。文章依据Shannon熵原理定义了神经网络隐层节点输出的拟熵,该熵与Shannon熵对不确定性的描述具有相同的效果,但克服了Shannon熵中无定义和零值的缺点。将交叉熵和隐节点输出拟熵作为目标函数,并采用熵周期的策略对网络参数进行寻优,通过删除合并隐层神经元达到简化网络结构的目的。仿真结果表明,此方法简单易行,对BP网络的泛化性能有较好的改善。     

神经网络与HMM构成的混合网络在语音识别中应用的研究

隐马尔可夫模型（ＨＭＭ）技术是语音识别中应用较为成功的算法，但它的缺点影响了其精度、速度、硬件实现和推广应用。神经网络（ＮＮ）具有并行性、强的分类能力和易于硬件实现等优点。将ＮＮ与ＨＭＭ相结合构成混合网络，能克服ＨＭＭ与ＮＮ的缺点，保留双方的优点。本文详细评述了目前在语音识别中应用的由ＨＭＭ和ＮＮ构成的四种混合网络。通过对其结构、识别性能和特点的分析，可以看出ＨＭＭ和ＮＮ构成的混合网的性能明显优于     

Training a Hidden Markov Model with a Bayesian Spiking Neural Network

It is of some interest to understand how statistically based mechanisms for signal processing might be integrated with biologically motivated mechanisms such as neural networks. This paper explores a novel hybrid approach for classifying segments of sequential data, such as individual spoken works. The approach combines a hidden Markov model (HMM) with a spiking neural network (SNN). The HMM, consisting of states and transitions, forms a fixed backbone with nonadaptive transition probabilities. The SNN, however, implements a biologically based Bayesian computation that derives from the spike timing-dependent plasticity (STDP) learning rule. The emission (observation) probabilities of the HMM are represented in the SNN and trained with the STDP rule. A separate SNN, each with the same architecture, is associated with each of the states of the HMM. Because of the STDP training, each SNN implements an expectation maximization algorithm to learn the emission probabilities for one HMM state. The model was studied on synthesized spike-train data and also on spoken word data. Preliminary results suggest its performance compares favorably with other biologically motivated approaches. Because of the model’s uniqueness and initial promise, it warrants further study. It provides some new ideas on how the brain might implement the equivalent of an HMM in a neural circuit.     

前馈神经网络隐层结点设计的一个学习算法

考虑三层前馈神经网络隐结点学习问题．在分析同类与不同类训练样本在隐层输出上体现的差异的基础上，提出了一种在权值学习过程中动态地用除网络隐结点数的学习算法．数值结果表明本文算法是可行的．     

BP神经网络在教学质量评价中的应用

结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法.利用BP神经网络方法建立高校教学质量评价系统的模型,将教学评价指标概念量化成确定的数据作为其输入,教学效果作为输出,并利用MATLAB系统加以实现.     

用于步进电机细分控制的知识人工神经网络

步进电机细分控制中电机绕组电流与电机角度输出是一种非线性函数,其精确拟合是步进电机细分控制中的一个重要课题,应用神经网络对其模拟是一种新尝试。针对前馈神经网络的反向传播（BP）学习算法在逼近非线性函数时收敛速度慢,没有先验知识的缺点,提出利用基于知识的人工神经网络（KBANN）来确定步进电机的最佳细分电流数据。仿真结果表明,KBANN具有精度高、速度快的特点,能够实现步进电机均匀步距的细分控制。     

BP神经网络参数改进方法综述

BP神经网络具有结构简单,技术成熟的优点、在很多领域都有广泛的应用,然而它的两个突出问题——收敛速度慢,易陷入局部极小点,制约了它的应用,本文总结了一些针对此问题的BP网络参数改进方法,包括主要通过改进学习率的方法来改善收敛速度,从选择合适的初始权值,调整网络权值修改量η和动量项α,以及改变网络结构,增加训练数据三个方面来克服局部极小点问题,这些方法对改善网络性能起到了一定的作用。     

基于神经网络的计算机网络安全评价研究

由于计算机网络信息在传播时具有开放性,部分信息未经过严格的审核,导致计算机网络面临安全漏洞和病毒等方面的威胁。神经网络是目前应用最为广泛的网络模型之一,结合神经网络构建一套安全、可靠的计算机安全评价体系,对网络安全有一定的保障作用。将神经网络有效地应用于计算机网络,有利于降低网络安全风险。文章对神经网络和计算机网络安全进行了概述,通过BP神经网络构建可靠的计算机网络安全评价体系,阐述了基于神经网络的计算机网络安全评价系统应用意义,弥补传统计算机网络安全中存在的诸多问题及不足。     

教学效果的BP神经网络评价

对教师教学效果的考察是需要多角度进行评价,无论是学生为教师打分,还是督导组的评议,给出的评价是带有一些主观因素,合理建立评价体系,将各个评价指标客观化,使用综合评价向量作为输入,经由BP神经网络输出得到合理的分数。实验仿真表明,通过训练的BP反向传播网络可模拟一个稳定的评价系统。     

基于神经网络的感应电机转速估计方法

根据神经网络能够任意逼近非线性函数的功能，针对感应电机这样一个时变的非线性系统，提出了一种利用神经网络估算感应电机转速的模型，仿真结果表明，这种神经网络转速估算模型可以准确地跟踪感应电机转速的变化，具有良好的动态跟随性能。     

基于神经网络的两种岩性识别方法的研究

利用测井资料进行岩性识别,对于储层评价具有重要意义。采用概率神经网络（PNN）和自组织特征映射神经网络（SOM）的模式识别方法,分别建立测井岩性识别模型,并利用该模型对样本进行预测。仿真结果表明,该模型用于岩性识别具有预测精度高,易收敛和自动聚类等特点,对于岩性类别的划分是准确和可靠的,为相关领域的研究提供了新的方法。     

应用于隐写检测中的几个统计学结论

以实验为基础,对彩色数字图像相邻像素差的性质、分布进行了检验和分析,得出了数字图像相邻像素差值近似服从LP(u,a)分布且均值为0的结论,并对LP(u,a)分布中p值的分布进行了分析。这些结论对隐写分析及大量图像数据的快速检测、数字图像编码等都具有理论和实际意义。     

基于神经网络的两种岩性识别方法的研究

利用测井资料实现岩性识别对于储层评价具有重要意义,采用概率神经网络（PNN）和自组织特征映射神经网络（SOM）的模式识别方法,分别建立测井岩性识别模型,并利用该模型对样本进行预测。仿真结果表明,建立的模型用于岩性识别具有预测精度高、易收敛和自动聚类等特点,对于岩性类别的划分是准确和可靠的,为相关领域的研究提供了新方法。     

基于BP神经网络的Ad Hoc网络通信能力评估

针对Ad Hoc网络特点,建立了效能评估指标体系,简要分析了指标选取的理由。然后阐述了利用BP神经网络评估网络通信能力的基本设想。构建了BP神经网络模型,分析了样本的录用和训练过程,当训练精度达到要求后,再运用BP神经网络对几种典型分簇算法构建网络的通信能力进行了评估。     

基于神经网络的光标上下移动EEG信号分类方法

脑电信号（EEG）是研究脑活动的一种重要的信息来源,基于脑电信号的人与计算机的通信已成为一种新的人机接口方式。在此主要通过时域回归方法对BCIⅡ竞赛数据进行EEG信号去噪预处理,运用6阶AR参数提取脑电特征作为神经网络的输入,最后用Matlab 7.0进行仿真,得到分类正确率为90%。实验表明,该方法可以达到很好的分类效果。     

基于BP神经网络的在线学习行为评价模型

文章针对网络学习中现有在线学习行为评价方式缺乏全面性、科学性和评价反馈的即时性,提出了一种基于BP神经网络的在线学习行为评价模型,并讨论了评价方式和评价流程。     

应用BP神经网络进行活体猪综合评定

在大兴资源食品城，采集80头活体猪的三维图片，经过一系列的数字图像处理后，提取出特征参数，然后建立和训练BP神经网络，输出背膘厚、瘦肉率、屠宰率以及猪肉等级。     

基于小波神经网络的航空电子系统效能评估

航电系统是现代战机的重要组成部分,也是实现任务合成、能力融合和资源综合的重要支撑手段,作战飞机的性能高低与航电系统的效能密切相关.针对目前航电系统效能评价指标体系复杂、人为评估分歧较大等问题,设计了基于小波神经网络法的航电系统效能评估方法,并设计了航电效能评估系统,结合层次分析法(AHP)构建指标体系,最终专家判断打分得出权重并通过小波神经网络对判断值予以修正.与特定能力下航电效能评估相比,该评估系统指标体系更为丰富,同时对指标权重有着良好的修正效果,为航电系统效能评估提供工具原型支持.