动量项技术在带钢热连轧负荷分配中的应用

将源于BP人工神经网络改进策略的动量项技术引入到带钢热连轧负荷分配中来,提出了误差补偿迭代算法,介绍了该算法的推导过程,并对算法的合理性进行了分析。基于误差补偿迭代算法及传统的Newton-Raph-son法,开发了带钢热连轧精轧过程设定系统软件。离线模拟计算结果表明,与Newton-Raphson法相比,误差补偿迭代算法对初始厚度分布的要求比较宽松,有利于新产品的开发,具有良好的在线应用前景。

基于改进的BP神经网络空空导弹攻击区解算方法

针对目前空空导弹可攻击区解算精度不高、收敛速度较慢的问题,提出了一种基于BP神经网络的改进的空空导弹攻击区解算方法。引入动量项的算法加快收敛的速度,并采用对灵敏变量插值的方法提高拟合精度,仿真结果表明:该方法具有精度高、参数少、通用性强的优点。

血浆与红细胞在微循环系统中的动量交换分析

为了研究血浆与红细胞动量交换对人和动物的影响 ,该文创建了全血离散模型 ,运用差分法得到血浆与红细胞之间的交换关系式 ,揭示了红细胞在微循环系统中的聚集与血浆密度和速度的关系 ,并由此发现脑中风和脑缺氧等某些疾病 ,都是由于血浆密度和速度的变化引起红细胞的聚集而导致的。

一种采用增加动量项的改进BP算法实现

介绍了反向传播网络算法(BackPropagationnetworkalgorithm,简称BP算法)的基本思想和存在的问题,阐述了增加动量项改进算法的实现方案,用VC++6.0实现的三层网络结构可改进算法的部分程序,并对这两算法的学习速度进行了测试和比较。

微动脉血流离散模型的构建与分析

微动脉内的血液流动对生物体起着重要的作用 ,为了研究血浆和红细胞对血流的影响 ,建立了血液流动离散模型 ,运用差分法得到血浆速度与血压之间的关系以及红细胞与血浆之间的交换关系式 ,解释了红细胞在微动脉内运动聚集———叠连现象 ,并发现由于红细胞的叠连而引起的某些疾病 (如活动性肺结核、风湿热等 )是由于血浆的变化 ,而不是红细胞本身导致血沉的加快 ,不同地区的重力加速度是导致地区性疾病的一个重要原因 .

基于随机LPNN网络的优化设计研究

拉格朗日乘子神经网络是一种适合于求解一般约束问题的神经网络。网络运行中附加动量项和引入逐渐衰减的高斯噪声。附加动量项方法能减少震荡时间,提高网络的收敛速度。高斯噪声能避免神经网络收敛于假吸引子,改善全局寻优能力。用该方法解决飞机总体参数优化问题。数值结果表明,算法的稳定性、全局寻优性、约束的满足程度好,同时拉氏乘子可以帮助进行最优设计结果的灵敏度分析。

改进BP算法在预测安全库存中的应用

针对标准BP算法收敛速度慢、容易陷入极小值的缺陷,利用附加动量项和变步长思想相结合的改进算法,建立三层BP网络模型对安全库存量进行预测,并与标准BP算法的预测结果进行比较,提高了网络收敛速度和预测准确度。

风力发电机转速控制系统的建模与仿真

针对风力发电机非线性、随机性、扰动大等特点,设计基于带动量项的粒子群优化的支持向量机的风力发电机转速控制建模的新方法。利用支持向量机对小样本、高维度、非线性特性的映射能力,将风电系统的采样数据映射到高维的特征空间进行建模。支持向量机惩罚因子C和核参数σ的选择对建模效果影响较大,经验试凑的方法难以获得较好的参数,引入粒子群算法进行参数寻优。为了克服传统粒子群算法易陷入局部最优且收敛速度慢的缺陷,提出带动量项的改进粒子群算法寻优。以采集的风速、风力发电机转矩、桨距角作为输入信号,发电机转速数据作为输出信号,在Matlab环境中进行建模。实验结果表明,与传统算法相比,采用该方法的模型在准确性和收敛速度方面得到较大改善。

改进小波神经网络用于火电厂污染物排放量的预测

小波神经网络是神经网络学习的一种,其网络结构与典型的BP神经网络类似,隐含层所用函数为小波基函数,改进的小波神经网络相比于之前在数据预测方面有了明显的提高。火电厂的污染问题是关系到整个国计民生的大问题,如果能将小波神经网络的预测能力应用于实际生产过程,将十分有助于促进国家经济发展,提高人民生活质量。

基于BP神经网络的企业信用评级模型

通过科学的方法对企业信用进行分析、评级和判断,给出定性与定量相结合的指标体系,建立基于BP神经网络的两类企业信用评级模型.针对局部收敛的缺点,用自适应学习率和附加动量项改进信用评级,并运用该模型对我国2004年100家ST和非ST上市公司进行评级,得出对训练样本和测试样本的评级准确率,表明神经网络技术作为智能化科学方法,非常适合企业信用评级,但也存在网络稳定性差等不足.

一种新型的水下探测目标自动识别系统

利用布里渊散射提出了一种基于人工神经网络的水下探测目标识别系统,并在神经网络中引入动量项和采用可变步长。经过计算机仿真实验,结果表明:与传统的水下探测目标识别系统相比,该识别系统在识别时间和识别率两方面都得到了较大的改善,这些优点对实现水下探测目标的实时自动识别是极其有利的。