BP神经网络天线方向图获取方法研究

焦平面阵列成像体制是实现无源毫米波实时成像的主要途径。焦平面体制存在馈源偏焦的问题,导致成像系统的点扩展函数(PSF)具有空变特性。为研究毫米波焦平面阵列成像点扩展函数的空变规律,提出采用BP神经网络生成偏焦位置的空变方向图。通过分析天线方向图数据的特点,研究了BP神经网络的结构形式和输入输出数据格式的设计方法,并通过实验方法确定了网络的隐层形式。实验结果表明,采用双隐层BP神经网络生成的方向图可以达到99.75%的精度。     

居民出行产生量BP神经网络预测方法

居民出行产生量预测是交通需求分析的重要内容之一,预测结果是确定各类城市交通设施发展规模及布局规划的重要依据.通过分析人工神经网络的作用机理和居民出行产生量的影响因素,建立了居民出行产生量预测的四层BP神经网络模型,以土地利用作为输入神经元,以交通区居民出行产生量作为输出单元,以赣州市城市综合交通规划交通调查数据对模型进行了标定与检验,并与出行次数法和回归分析法进行了比较,结果表明BP神经网络模型具有较高的预测精度.     

Kernel PCA与BP神经网络相结合的变压器故障诊断*

为了提高变压器故障诊断的准确率和抗干扰能力,提出一种基于核特征量的BP神经网络故障诊断模型。通过核主成分分析将故障样本从低维的特征空间非线性地映射到高维的核空间,提高了样本的可分性,然后以核特征量作为BP神经网络的输入特征量,建立变压器故障诊断模型。实验对比了结构相似、输入量不同的BP神经网络,结果表明采用核特征量的诊断模型具有更好的诊断效果和抗干扰能力。     

基于BP方法的企业核心竞争力关键因素探析

为了有效提升企业核心竞争力,对影响企业核心竞争力的关键因素进行识别和分析.依据人工神经网络理论,基于一较全面的企业核心竞争力评价指标体系,建立企业核心竞争力的人工神经网络专家模型,在此基础上构建一个识别企业核心竞争力关键影响因素的模型,是企业竞争战略的制定与实施的有益工具.对哈药集团进行实证研究表明,该模型能较好地识别哈药集团企业核心竞争力的关键影响因素,这对企业为提高核心竞争力如何进行有针对性的资源投入有较重要的借鉴价值.     

BP神经网络在麻花钻圆度误差检测中的应用研究

在麻花钻圆度误差的检测中,将BP神经网络算法引入到相应的数据处理中,以拟合出其棱边投影的椭圆表达式系数。在神经网络训练时,以钻头棱边采样点的坐标及其适当的组合作为网络的5路输入,以其输出与常数1的差值的平方为性能指标;根据梯度下降法来调整隐层神经元与输出神经元之间的连接权值,而输入层至隐层之间的连接权值不变,性能指标达到预定值时,获得一组稳定的权值,该连接权值即为钻头棱边的椭圆表达式系数;然后据此求出其较高精度的圆度误差。     

改进BP神经网络在木构古建筑中的寿命预测

标准的BP神经网络存在训练速度慢、容易陷入极小点、泛化能力低的特点。文中用附加动量项和改进学习速率相结合的方法对标准的BP神经网络进行了改进,并将其应用在木构古建筑的寿命预测中。仿真结果表明,和标准的BP神经网络相比,改进后的BP神经网络提高了泛化能力,能较准确地拟合训练值,避免了在确定计算参数过程中所产生的计算误差。     

一种基于BP神经网络的智能检测病毒方法

病毒技术历经半个世纪的发展,如今已不是单纯的病毒技术,而是融合了其他黑客等技术,因此当今病毒的危害性和传播速度远远超过了病毒原始形态。病毒的传染性以及病毒的变种技术在病毒上的应用使得病毒呈现一定的智能性。因此,为了应对病毒的变种技术以及病毒其他方面所呈现出的智能性,文中参考已有的检测病毒方法之后,提出了一种具有智能性的检测病毒的方法。文中使用沙箱作为检测病毒的运行环境,并使用BP神经网络作为检测病毒的工具,然后给出了一种具有一定智能性的病毒检测方法。该方法能够对被怀疑的非法变化的程序中是否存在病毒做出判断。     

基于IIGA-BP神经网络的钢材销售预测模型

为克服传统BP神经网络(BP Neural Network,BPNN)在销售预测中,预测精度低、收敛速度慢的缺点.提出了一种基于改进免疫遗传算法(Improved Immune Genetic Algorithm,IIGA)优化BP神经网络的销售预测模型.改进的免疫遗传算法提出了新的种群初始化方式、抗体浓度的调节机制及自适应交叉算子、变异算子的设计方法,有效的提高了IIGA的收敛能力和寻优能力.并用IIGA优化BPNN的初始权值和阈值,改善网络参数的随机性导致BPNN输出不稳定和易陷入局部极值的缺点.以某钢铁企业的历史销售数据为例进行实证研究,利用Matlab分别构建BP、IGA-BP和IIGA-BP神经网络预测模型进行仿真对比分析.实验证明,IIGA-BP神经网络预测模型较BP神经网络预测模型预测精度提高了23.82％,较IGA-BP神经网络预测模型预测精度提高了22.02％.IIGA-BP神经网络模型对钢材销售预测的泛化性能更好,预测效果更稳定误差基本保持在[0.25,0.25]之间,预测精度大幅度提高,为企业销售预测提供了一种较为有效的方法.     

基于多次散射目标模型的雷达成像研究

合成孔径雷达（Synthetic Aperture Radar, SAR）作为一种主动微波传感器,被广泛应用于遥感对地观测。然而,传统上的雷达散射模型是基于几何光学近似的,忽略了地物目标之间的相互作用,即多次散射效应。为了充分挖掘和利用毫米波雷达影像中目标电磁散射特性信息,亟需对典型目标的多次散射效应进行建模仿真和验证。基于矩量法（Method of Moments, MoM）分析了球体、二面角等目标表面等效电流分布与分段成像结果的对应关系,并利用后向投影（Back-Projection, BP）算法进行电磁仿真成像,总结了单/双基地雷达模式对成像中散射机制的影响。结果表明：目标表面等效电流分布以及分段等效合成孔径张角会随入射角度发生改变,其中分段等效合成孔径张角会影响方位向分辨率;双基地雷达成像结果中包含更丰富的电磁散射信息。本研究可为SAR系统设计和验证、典型目标回波特性数据收集以及如何基于高解析度SAR影像进行目标识别等研究提供借鉴与参考。     

基于BP-GamysBoost的乳腺癌诊断模型

针对乳腺癌数据存在的不平衡性问题,对标准的Adaboost算法进行改进,即首先引入BP神经网络,然后融合模拟退火遗传算法（SA-GA）较强的全局寻优能力和较快的收敛速度,最后通过权重的合理分配,提出BP-GamysBoost算法。同时为验证所提出的新算法BP-GamysBoost的合理性,从UCI机器学习知识库中获取WBCD数据库,比较BP-GamysBoost算法模型与BP模型、BP-GA模型、BP-Adaboost模型的稳定性、准确率、漏诊率、灵敏度等性能指标。最终结果表明,BP-GamysBoost模型在乳腺癌数据库中运行良好,并优于其他3种算法模型。