基于Rayleigh-BP模型的压电驱动系统迟滞建模与前馈控制

针对可调谐半导体激光器压电驱动系统的迟滞非线性,提出了一种基于Rayleigh-BP模型的建模及控制方法。利用空间扩展法建立了Rayleigh-BP率相关迟滞模型,该模型实现了对压电驱动系统的率相关迟滞非线性的精准预测;利用逆向算法求解了Rayleigh模型的逆模型,并将该模型与BP神经网络结合,设计了前馈控制器对系统进行补偿;对前馈控制方法进行了仿真与实验验证。结果表明,建立的Rayleigh-BP模型具有较高的精度,在10 Hz时均方根误差仅为0.0469μm。前馈控制方法可以明显提高系统输出的线性度,在40 Hz时仿真结果均方根误差为0.0274μm,线性相关系数R 2为0.99992;在30 Hz时实验结果均方根误差为0.0506μm,线性相关系数R 2达到了0.99955,极大降低了迟滞现象。

A Second Order Training Algorithm for Multilayer Feedforward Neural Networks

ＡＳｅｃｏｎｄＯｒｄｅｒＴｒａｉｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＭｕｌｔｉｌａｙｅｒＦｅｅｄｆｏｒｗａｒｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＴａｎＹｉｎｇ（谭营）ＨｅＺｈｅｎｙａ（何振亚）（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕ...

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...

前馈网络的一种超线性收敛BP学习算法

分析传统 BP算法存在的缺点 ,并针对这些缺点提出一种改进的 BP学习算法 .证明该算法在一定条件下是超线性收敛的 ,并且该算法能够克服传统 BP算法的某些弊端 ,算法的计算复杂度与简单 BP算法是同阶的 .实验结果说明这种改进的 BP算法是高效的、可行的 .

前馈神经网络中BP算法的一种改进

在传统的BP算法基础上 ,提出了一种改进的BP学习算法 .先加入描述网络复杂性的量 ,使算法能够考虑到网络的连接复杂性 ,进而有可能删除掉冗余的连接甚至节点 ;接着提出对网络的学习步长的动态调整 ,以此来尽量避免传统学习中的学习速度过慢和反复震荡 ;然后给出新的算法是高阶非线性收敛的证明 ;最后通过实验说明新的BP算法在一定程度上可减少网络的复杂性 ,有着比传统算法更快的收敛速度 .

前馈神经网络的混沌BP混合学习算法

简要分析由Logistic映射产生的混沌数以及不同混沌序列之间的概率统计特性,为混沌全局性搜索提供了依据.将一种快速BP算法与混沌优化相结合,提出了混沌BP混合算法.由于混沌Logistic映射的遍历性、随机性,使得混合算法收敛速度快,且具有全局性.采用混合算法对XOR问题和非线性函数进行仿真,结果表明该算法明显优于标准BP算法和快速BP算法.

遗忘神经网络模型及其BP算法

为解决跨时间数据训练神经网络时的数据选择问题，提出在神经网络的训练模型中引入遗忘系数，从而建立了一种改进的前馈神经网络模型——遗忘神经网络模型。介绍了该模型的基本原理，并给出了其BP算法。

BP网络模型中输出神经元过早饱和的机理研究

在数学理论上分析了BP神经网络输出神经元出现过早饱和现象的内在机制,提出了相关定理并加以证明。阐释了动量项对出现该现象起着十分重要作用,分析了其它一些文献提出的改进算法与该文所提出的定理之间的联系。因此,该定理对改进BP算法在理论上能够提供很好的指导。

BP算法稳定性与收敛性的一种改进

针对标准BP算法稳定性与收敛性较差的问题 ,采用多个变元进行迭代 ,其中各变元的迭代方式同标准的BP算法 ,然后取各变元迭代结果的均值作为新一轮训练的修正权值 .其目的是利用均值的平衡效应 ,防止作过大或过小的权值调整 ,解决因不合适的权值调整而导致BP算法整体性能的下降的问题 .理论分析与试验证明 。

BP网络学习参数模糊自适应算法的实现

前馈神经网络BP算法的改进方案中,对网络训练(学习)过程中学习率和惯性系数进行模糊自适应调节,以提高收敛速度,是一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和隶属函数,并以三比特异或函数(或称奇偶分类)的实现为例,验证了这种算法的改进、加速了BP网络的学习过程。

非线性BP算法在系统辨识中的应用

研究利用非线性 BP算法训练多层前馈神经网络 ,对非线性动力系统进行建模 ,给出了基于非线性 BP算法的系统辨识计算步骤 .通过仿真计算表明 ,基于非线性 BP算法的系统辨识至少可以获得与常规 BP算法同样的效果 .因为不需要计算神经元激活函数的导函数 。

BP网络的Matlab实现及应用研究

人工神经网络以其具有信息的分布存储、并行处理以及自学习能力等优点,已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。他的基于误差反向传播算法的多层前馈网络,即BP网络在非线性建模、函数逼近和模式识别中有广泛的应用,介绍了BP网络的基本原理,分析了Matlab人工神经网络工具箱中有关BP网络的工具函数,并给出了部分重要工具函数的实际应用。

权值光滑BP算法:一种改善网络推广性能的方法

推广性能是人工神经网络研究的重要方向。在推广性能的研究中，改进学习算法是提高前向网络推广性能的重要方法之一。本文对一种特殊的权值光滑BP算法的理论基础进行了仔细的研究，并将该算法首次应用于水声目标的分类问题。实验结果表明，具有权值光滑BP算法的前向网络不仅具有较光滑的连接权值，而且其推广性能也优于具有标准BPM算法的前向网络。

基于BP模型的中国水产品出口规模预测研究

由于我国的信息咨询体系发展落后,水产品国际贸易缺乏及时、可靠的预测,导致我国水产品生产存在一定的盲目性,因此信息技术领域已经作为渔业科技十大重点发展领域之一,被列入农业部的工作重点。但是,水产品贸易受许多因素的影响,是一个高度复杂的非线性系统,使用传统的预测方法建立的模型很难对水产品贸易进行较为准确的预测,而利用BP神经网络建立的水产品贸易模型,己利用历史数据对模型进行了训练,最终可得到较为满意的结果。

用自调整S函数提高神经网络BP算法

学习算法是BP前馈神经网络研究中的核心问题。文中阐述了几种重要的BP算法的改进算法 ,提出了一种新的学习算法 ,即自动调整S型函数形状的算法 ,从理论上证明了此方法在一定前提条件下的可行性 ,给出了进行S型函数形状自动调整的公式。

基于BP神经网络的Ni-MH电池容量预测

针对Ｎｉ－ＭＨ电池容量检测法测量时间长、工作效率低的缺点，应用ＢＰ前馈神经网络理论，提出一种对Ｎｉ－ＭＨ电池容量进行预测的方法，具有算法简单、权值无需计算和仿真效果好等特点．

BP神经网络在水厂预测混凝投药量中的应用研究

建立了一种基于三层结构BP神经网络的混凝投药量前馈控制模型,采用烧杯试验数据进行了仿真验证,同时建立了传统的线性回归混凝投药量前馈控制模型,并采用两种模型基于同一样本数据进行仿真。从投药预测值-实际值的对比图和均方根误差等可以看出,BP模型优于回归模型,它通过学习可以根据原水水质进行投药量的有效预测,有一定的自适应性,实用性较强,但也存在一定的局限性,对某些水质的投药预测值还存在一定误差。

基于非线性BP算法的中密度纤维板(MDF)调施胶系统辨识

利用三层前馈神经网络作为被辨识对象的模型,对中密度纤维板(MDF)调施胶控制系统进行建模与仿真,并给出基于非线性BP算法的调施胶系统辨识计算步骤,实现了对中密度纤维板调施胶非线性动态系统的辨识。实验结果表明,文中建立的中密度纤维板调施胶系统模型是有效的,将其系统模型嵌入调施胶控制系统中可使系统响应时间变快并获得较好的控制效果。

基于LM-BP神经网络的采摘机器人语音智能识别系统

随着现代机器人技术的发展,采摘作业机器人也有了很大的进步,自主作业能力有了大幅度提升。各种智能化、自动化的采摘机器人被应用到果实采摘作业过程中,改变了手工采摘作业的生产发生,极大地提高了作业效率。采摘机器人自主作业过程中,由于受到作业环境的影响,还需要对机器人进行实时监测和远程控制,以保证采摘作业的顺利进行。为此,将语音智能识别系统引入到了采摘机器人远程控制系统的设计上,通过语音识别,采摘机器人可以快速执行动作指令,从而避免环境影响造成的采摘作业质量下降,或者发生碰撞事故的突发状况,提高了机器人对环境的适应能力。

基于BP算法的前馈神经网络超声诊断方法的研究

目的:研制一套提升超声诊断水平的神经网络超声诊断软件系统,以提高超声诊断效率和降低诊断误判率。方法:基于神经网络理论设计误差反向传播(BP)算法的前馈神经网络结构,通过数据库累积超声专家的诊断知识对超声诊断图像进行特征提取,利用完成分类的超声图像数据,训练神经网络以获取网络权重,将目标超声图像导入神经网络得到诊断分类。结果:将患者肝部超声图像导入系统,在病理特征不明显情况下,诊断系统仍可快速做出诊断分类,并给出置信区间,辅助医师进行诊断。超声辅助诊断系统的诊断时间由通常的10 min左右降低至2 min左右,缩短了患者的就诊时间。结论:通过临床测试,系统不仅可以提高超声诊断效率、降低就诊时间,而且可通过专家知识库实现专家知识共享,提高患者疾病诊断的准确率。