人工神经网络BP算法的改进和结构的自调整

本文解决了ＢＰ神经网络结构参数和学习速率的选取问题，并对传统的ＢＰ算法进行了改进，提出了ＢＰ神经网络动态全参数自调整学习算法，又将其编制成计算机程序，使得隐层节点和学习速率的选取全部动态实现，减少了人为因素的干预，改善了学习速率和网络的适应能力．计算结果表明：ＢＰ神经网络动态全参数自调整算法较传统的方法优越．训练后的神经网络模型不仅能准确地拟合训练值，而且能较精确地预测未来趋势．

基于人工神经网络BP算法的倒立摆控制研究

基于人工神经网络BP算法的倒立摆小车实验仿真训练模型,其倒立摆BP网络为4输入3层结构。输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度。隐含层单元数16个。输出层设置为1个输出单元。输入层采用Tansig函数,隐含层采用Logsig函数,输出层采用Purelin函数。用Matlab 6.5数值计算软件对模型进行学习训练,并与模糊控制逻辑算法对比,表明倒立摆控制BP算法精度高、收敛快,在非线性控制、鲁棒控制等领域具有良好的应用前景。

基于人工神经网络BP算法的公司债券财务质量评级

在建立公司债券财务质量指标体系的基础上,提出了用神经网络对公司债券财务质量的综合评价方法,并利用数据进行了实证,得到了较好的评价结果。

人工神经网络BP算法的改进及其应用

:对传统的BP算法进行了改进 ,提出了BP神经网络动态全参数自调整学习算法 ,又将其编制成计算机程序 ,使得隐层节点和学习速率的选取全部动态实现 ,减少了人为因素的干预 ,改善了学习速率和网络的适应能力。计算结果表明 :BP神经网络动态全参数自调整算法较传统的方法优越 ,训练后的神经网络模型不仅能准确地拟合训练值 。

人工神经网络BP算法密集型数据的预处理

针对误差反向传播算法密集型数据输入问题，提出一种数据预处理方法。模拟实验表明，采用这种预处理技术可以极大地改善密集型数据输入时网络的学习效率。

基于LabWindows/CVI的人工神经网络BP算法的实现

提出了一种 BP学习算法的改进算法 ,与传统 BP算法相比 ,本算法针对传统 BP算法收敛速度较慢的缺点 ,提出了两点改进 :一是选用奇函数作为激励函数 ;二是改进了学习过程中不随误差变化的误差反向传播因子 ,并给出了该算法在 L ab Windows/CVI环境下的实现方法。程序运行表明 ,本算法使学习速度有了较显著的提高。

人工神经网络BP算法在近红外光谱分析中的应用

简要介绍了人工神经网络及其在近红外光谱分析中的应用。给出了三层BP网络的基本结构和对应的BP算法。通过测定润滑油的流动性、苯和甲苯的回收率及相对标准偏差的两个实例,分析了人工神经网络BP算法的明显优势。最后指出了存在的部分问题。

人工神经网络BP算法的改进及其在无损检测中的应用

采用多层感知器 (MLP)与误差反向传播算法 (er rorback propagationalgorithm)构造与监督训练人工神经网络 ,采用了改进的非线性激励函数与学习率的误差反向传播算法。超声无损检测的计算机模拟与实验结果表明 。

重磁反演的拟人工神经网络BP算法及其应用

将神经网络反推算法（ＢＰ算法）引入重、磁场反演，建立了基于神经网络原理描述反演过程的模型，并在通用数字计算机上实现了一种拟ＢＰ算法，实践表明，拟ＢＰ算法作重磁资料反演，具有快速，大维数，容错能力强和便于充分利用已知信息等特点，用ＢＰ算法对湘南地区作重磁参数反演，给出了本区的磁性，密度三维分布特征，进而对本区地壳结构和地质构造得出了新的认识，取得较好效果，神经网络算法的引入，可能带来地球物理场反演方法的革新。

基于人工神经网络BP算法的黄冈市房价预测

利用2003年至2010年黄冈市区人均地区生产总值、房地产开发投资、城镇居民人均住房使用面积等相关数据,根据人工神经网络BP算法,预测出2011年和2012年黄冈市区房价,与已经公布的这两年房价数据比较,符合预期误差范围。在此基础上,预测出2013年的房价,可以看出黄冈市区房价总体保持增长趋势,结合预测结果,给出合理化的解释。

人工神经网络BP算法在评价网站中的应用

简要介绍了人工神经网络BP算法的基本原理及其发展趋势,构建了网站的测评指标体系,探讨人工神经网络BP算法在评价网站中的应用。

用人工神经网络BP算法评价城市火灾风险

深入讨论了人工神经网络的ＢＰ算法在城市火灾风险评价中应用的可行性和一些具体做法。

人工神经网络BP算法通用程序

前言 尽管人工神经网络BP算法仍然存在着某些问题,但它还是一个非常有效的算法,得到了广泛的应用。本文介绍一个通用的BP算法程序。 1.BP算法 对于全连接的BP网络,假设网络共有N层,其中,输入节点为n个,输出节点为m个,网络有N—2个隐层,第i层的神经元数为N_i,则有N_1=n,NN=m;规定第i层第q个神经元的输出为y(i,q),阈值为θ(i,q),其中第1层的输出为输入的样本;从第i层的第s个神经元到第i+1层第q个神经元的连接权为W(i,s,q)。各层神经元的输出满足:

提高人工神经网络BP算法收敛速度的几种方法

作为人工神经网络的一种基本算法，ＢＰ网络在许多领域都有着广阔的应用前景。但由于其收敛速度太慢．因而很难投入实际应用。本文给出了几种改进的ＢＰ学习算法．如克服遗忘的ＢＰ（ＳＢＰ）算法，变参数ＢＰ（ＰＢＰ）算法，变换激励函数的ＢＰ（ＣＢＰ）算法和改善梯度估计精度的ＢＰ（ＩＢＰ）算法等，这些算法可以有效地提高其收敛速度。

人工神经网络BP算法在Microsoft Visual C++6.0下的实现

:人工神经元网络的BP学习算法在小规模相似模式的识别中得到了广泛的应用 ,本文给出了一种BP算法在MicrosoftVisualC ++6 0环境下的实现方法 。

基于人工神经网络BP算法的可编程控制器的设计与应用

本文介绍了一种基于人工神经网络ＢＰ算法的可编程控制器的设计方法．

人工神经网络BP算法在玻璃纤维生产领域中的应用

针对玻璃纤维生产过程中原丝产量的影响因素多,当某些生产条件发生变化时,无法对原丝产量做出准确预测的情况,通过采用BP人工神经网络,结合matlab软件,实现了在池窑生产过程中,当生产条件发生变化时对原丝产量做出准确预测。

基于人工神经网络BP算法在电能质量检测分析监控新技术应用研究

人工神经网络BP算法在农村电力短期负荷多变量预测结构发生了重大变化,探索一种人工神经网络BP算法在农村电力短期负荷的多变量质量检测相空间融合方案,以及新型智能电网中的物联网信息聚合技术,和每一分量质量检测采用互信息法进行最佳延迟时间的选择,及最优嵌入维数则采用最小BP算法,预测误差法进行电压波形发生畸变引起电压波动和闪变以及三相不平衡。

人工神经网络BP算法视角下智能安防控制模型探索研究

桌面云人工神经网络BP算法关键技术能够建立起云端相联网、云端管理、资源统筹分配的应用模型,将桌面云人工神经网络BP算法关键应用于职业学校安防控制模型,能够最大程度地降低模型内各节点的潜在危险,保障各个节点安全。基于桌面云人工神经网络BP算法关键技术的职业学校安防控制模型的体系结构与应用平台设计,实现了职业学校安防控制模型的建立,为探索桌面云人工神经网络BP算法关键技术与职业学校安防控制模型的更好融合。

基于麻雀搜索算法优化BP人工神经网络的短期湍流预报模型研究

提出了一种基于麻雀搜索算法优化BP人工神经网络(SSA-BP)的湍流预报模式。首先,采用BP人工神经网络作为湍流预报模型的基础框架。通过对温度、湿度、风速等气象因素的采集和处理,将其作为输入层的特征。然后,利用麻雀搜索算法对BP人工神经网络的权重和偏置进行优化。为了验证该方法的有效性,采用了来自地面气象站的大气湍流数据及气象数据进行实验。实验结果表明,SSA-BP人工神经网络能够成功预测大气湍流的发展趋势,并具有较高的预测精度和稳定性,能够充分利用大气湍流数据中的非线性特征,为湍流预测研究和实际应用提供了有力支持。