基于改进Fast ICA-BP算法在直肠生理信号处理中的研究

大便失禁是指肛门括约肌失去对粪便及气体排出的控制能力。随着医工学科的交叉发展,提出了使用人工肛门括约肌系统(AAS)来帮助患者治疗大便失禁,重建直肠感知功能,监测直肠压力和诊断直肠病变。本文改进了原括约肌执行机构,分析了直肠受力情况,进行了AAS系统的离体信号采集实验。针对AAS系统在直肠生理信号处理方面的缺失,提出了使用相空间重构(PSR)对一维直肠压力信号进行多维重建,并利用改进的快速独立分量分析(Fast ICA)算法对重构信号进行分离,提取分离后直肠信号的特征分量,采用BP神经网络进行模式识别。实验对比表明,改进的执行机构对直肠平均最大应力基本保持在12 kPa左右,保证了直肠受压区域的正常供血,实现直肠内容物的夹持。该算法迭代次数少,分离效率高,直肠功能平均诊断率达89.5%,可以实现直肠生理信号的初步处理。

基于快速BP算法的地铁综合监控系统可靠性评估方法

常规的地铁综合监控系统可靠性评估方法主要使用GOOSE MMS报文生成可靠性校验载体,易受监控系统运行状态影响,导致可靠性评估异常,因此需要基于快速BP算法设计一种全新的地铁综合监控可靠性评估方法。利用快速BP算法构建了可靠性评估模型,结合故障树确定了地铁综合监控系统失效概率,从而实现了地铁综合监控系统可靠性评估。实验结果表明,设计的地铁综合监控系统可靠性评估方法评估的不同故障失效率与实际故障失效率接近,证明其评估效果较好,具有准确性,有一定的应用价值。

几种快速BP算法的比较研究

对几种快速 BP算法的特点及性能作了归纳和对比 ,并对一个非线性函数逼近实例进行了仿真研究。结果表明对于中等规模的前向神经网络来说 ,L evenberg_ Marquardt算法收敛速度最快 ,而且学习性能最好。

几种变学习率的快速BP算法比较研究

首先将作者见到的各种变学习率的快速ＢＰ算法分成了３类；然后针对两类不同的问题对它们进行了大量的对比实验研究；根据实验结果指出，对各种以变学习率为基础的快速ＢＰ算法，应视具体应用问题慎重选择。

BP网络结构、参数及训练方法的设计与选择

根据已有的网络设计及其改进方案,对一个人工神经网络进行具体的设计,通过其详细的设计步骤与过程,对网络隐含层神经元数、初BP始权值、学习速率等参数在网络设计过程中的关系与影响,以及不同的改进算法在网络训练中所起的作用给予进一步揭示,使人们从中得到更BP多的启迪,以便使更多的人能够设计出效率更高、精度更好的神经网络。

神经网络BP学习算法的改进

神经网络的BP（误差反向传播）学习不法是针对多层前债结构的神经网络进行研究而·提出的一种有效的学习算法。它因具有良好的自适应、自学习及容错、抗干扰能力而受到广泛应用。木文对BP算法收敛速度慢的原因进行了分析，讨论了一些提高BP算法收敛速度的改进措施，并第一次提出了一种新的改进BP学习算法一多学习年学习算法。

BP网络的PID型二阶快速学习算法

本文利用ＰＩＤ控制的思想，提出了ＢＰ网络的一种二阶快速学习算法，给出了学习因子选择的必要条件与较佳区域，并结合一非线性正弦函数进行了仿真研究．结果表明，较之标准ＢＰ学习算法，利用此法可使学习收敛速度提高２２倍左右．

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知、不确定、时变单输入单输出离散非线性系统 ,利用三层BP网络 ,采用快速BP算法构成学习和自校正控制的方案。针对同一被控对象 ,设计了PID控制器 。

基于FGG NUFFT的穿墙成像雷达快速BP算法

针对穿墙成像雷达后向投影(Back Projection,BP)算法存在计算复杂度较高、内存需求较大等问题,本文提出了一种基于快速高斯网格化的非均匀快速傅里叶变换(Fast Gaussian Gridding Nonuniform Fast Fourier Transform,FGG NUFFT)成像算法,该算法能够有效加速BP算法。对经过联合熵值法抑制墙体杂波后得到的目标回波数据,首先将BP算法中像素点幅值与高斯核函数反卷积消除高斯平滑的影响,然后对均匀数据进行快速傅里叶变换,最后对得到的数据进行卷积运算实现对数据均匀平滑输出。该方法预先划分网格并存储系数,避免了重复运算。通过对基于时域有限差分法(Finite Different-Time Domain,FDTD)的仿真软件GprMax2D/3D所获得的穿墙雷达数据进行处理,仿真实验证明该方法在保证成像质量的情况下,有效降低计算复杂度与内存需求。

基于麻雀搜索算法优化BP神经网络的深远海养殖平台系缆力预报研究

随着海上养殖走向深远海,海洋养殖装备将面临更加恶劣的海况,为了保证装备的安全,必须对其锚泊系统的安全进行评估。采用传统水动力计算分析的方法,能够获得准确的锚泊系统张力,但是计算时间要求很长。为了快速的获取恶劣海况下养殖平台锚泊系统的张力分布,本研究基于机器学习的方法构建了养殖平台锚泊系缆力预报评估的计算模型(SSA-BP模型),该模型引入了麻雀搜索算法对BP神经网络的权值和阈值进行优化,改善了模型的预报性能。该模型将规则波波高、周期、流速作为模型输入指标,将系泊缆力作为模型输出指标,进行BP预报模型的训练。用麻雀搜索算法对BP模型进行优化并训练(SSA-BP模型),并针对改进后的SSA-BP模型预报结果与传统的BP模型预报结果进行对比。经过对比分析发现,SSA-BP模型整体的各项指标均低于BP模型,且SSA-BP模型各工况系缆力的预报误差也均低于BP模型并更贴近真实值。研究表明,该SSA-BP模型能够给出更加准确的预报结果。

图象数据压缩的BP神经网络方法研究

重点研究BP人工神经网络用于图象数据压缩时 ,网络拓扑结构变化和算法修正对网络训练时间及重建图象质量的影响。仿真表明 :选择合适的网络结构 ,采用文中给出的快速网络训练算法 ,可明显加速网络收敛 ,且网络易避开学习误差的局部极小点 ,克服网络学习误差收敛刚性。

Bulk-FFBP:基于距离向整体处理的快速分解后向投影算法

距离向分块快速分解后向投影(Block-FFBP)算法通过子孔径合成降低了传统BP的算法复杂度,并且通过距离向分块,简化了繁琐的极坐标与直角坐标的转换。然而,距离分块操作使各块引入了斜距范围波动,而且插值核长度余量导致了算法的内存效率低下,从而降低了成像效率。该文提出一种基于距离向整体处理的Bulk-FFBP算法,并细分为基于距离向控制点的Bulk-FFBP以及无控制点的Bulk-FFBP。文中通过仿真对两种Bulk-FFBP算法进行了误差分析、成像性能分析以及算法效率分析,并与Block-FFBP算法进行对比,证实了Bulk-FFBP的优越性。

一种基于BP网络的错帖检测新算法

提出了一种基于BP神经网络与图像不变矩的页面识别方法。应用规则矩的快速算法对一幅图像计算,将得到的7个图像矩不变量作为识别特征向量,输入到BP神经网络中进行识别,并最终确定出分类对象以达到对页面文字、图形以及图文的识别。通过实验仿真表明应用文中的方法能够对页面进行快速的训练与识别,既得到了较高的识别率,又满足了实时性要求。

基于NSGA-Ⅱ&BP的应变片式压力传感器温度补偿研究

应变片式压力传感器容易受到温度的影响,需要对该传感器进行温度补偿,针对该问题提出一种带精英策略的快速非排序遗传算法(NSGA-Ⅱ)与BP神经网络相结合的软件补偿模型。该模型将BP神经网络中2个输出值与期望值误差作为NSGA-Ⅱ同时寻求最小的2个目标,对BP神经网络初始权值和阈值进行优化,克服单一BP神经易陷入局部极小值的缺陷。通过该算法模型对不同温度下压力传感器的输出值进行数据融合,研究结果表明,补偿后的传感器零位温度系数(α0)和灵敏度温度系数(αs)均提高两个数量级,从而证明NSGA-Ⅱ&BP算法的温度补偿模型可以有效提高该传感器的温度稳定性。

用VC实现几种BP算法性能的比较与分析

为了求得在VC环境下几种改进BP算法中整体性能最优的一种BP算法,介绍了三种改进BP算法,并在一个用VC开发的仿真平台上对传统BP算法和三种改进算法的稳定性、收敛速度等性能进行了对比和分析。结果表明,基于权值变化量的迭代算法收敛速度最快,综合性能较优。仿真结果对实际工程应用中选择合适的BP训练法,有一定的指导意义。

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率,根据心音信号的周期性特点,提出以快速主成分分析算法对心音信号降维和提取特征,同时基于单形进化算法,优化BP神经网络学习算法的输出与期望的误差函数,以改进BP神经网络的学习性能,实现对心音信号高准确度的分类识别.针对正常心音及8类异常心音信号进行性能分析与测试,实验结果表明,各类心音的平均识别率为95.96%,改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%,表明该算法能更有效地分类识别心音信号,提高人工辅助诊断的识别率.

单层神经网络的快速学习算法研究

该文提出一种适用于单层神经网络（ＳＮＮ）训练的新颖的广义误差函数，给出了ＳＮＮ新的快速学习算法（ＦＬＡ）．进一步提出了一种广义系统辨识模型，对ＦＬＡ的收敛性进行了理论分析．

基于MATLAB神经网络的岩性识别

利用MATLAB工具箱中的快速BP算法来训练神经网络,并用神经网络来进行测井资料的岩性识别。通过对已知井段测井教据进行学习,来预测同一地区其他井段的岩性。实验结果表明,MATLAB工具箱中的快速BP算法具有很高的实用价值。

基于有限域的LDPC卷积码构造算法

采用有限域方法研究获得具有快速编码特性的规则、时不变LDPC(Low-Density Parity-Check,低密度奇偶校验)卷积码的构造算法.首先给出基于有限域GF(q)所构造的准循环(QC)LDPC码的基矩阵结构特性;然后提供了一种新的代数构造及其对应的修正的矩阵结构;最后,根据QC与LDPC卷积码之间的环同构关系,获得了具有快速编码特性的LDPC卷积码的多项式矩阵结构.代数构造方法简化了整个构造过程.而LDPC卷积码的快速编码特性减小了编码复杂度,简化了编码器结构.用基于置信传播(BP)的译码算法在加性高斯白噪声(AWGN)信道上获得的仿真结果表明,与其他结构化LDPC卷积码相比,文中所构造的码具有更好的性能.

基于神经网络控制的快速充电方法探究

随着蓄电池的广泛应用,对其充电方法的研究也不断深入,并取得了较多的科研成果,但是快速充电技术仍受到多方面的制约。提出了以神经网络算法和传统控制器相结合的智能充电技术,以BP网络算法训练神经网络。由于神经网络的自适应性,控制过程不依赖于模型,因此能对复杂的非线性、不确知的充电过程进行实时修正,并将此种方法应用于阶段充电法,通过仿真对比,证明了智能充电的有效性。