FNN上的反向传播学习算法

近几年来,模糊神经网络(FNN)的研究引起了广泛的注意。本文对FNN上的反向传播学习方法加以讨论。使用输入均值和输出权重参量来进行模糊化和反模糊化处理,学习的目的是调整这两个参量到合适的值。

改进的反向传播学习算法

采用了激励函数可调的多层神经网络，并对ＢＰ算法进行了改进。

带有反向传播学习算法的自适应模糊炉温控制系统

本文介绍以控制电加热炉的实际对象为背景研制的一种计算机控制系统。该系统引入了带有基于反向传播学习算法的自适应模糊控制。这种控制方法超调小 ,调整时间快 ,精度高。

构建高校思政教育混合式学习传播模式研究

在传统课堂中融入新型教学技术工具,教师根据学生的学习特点和习惯进行教学,学生利用学习工具进行辅助性学习已成为新的学习传播模式——混合式学习传播模式。本文借助技术接受模型,通过感知有用性、感知易用性两个方面分析高校传统思政教育课程中采用雨课堂这一新型教育工具形成的混合式学习传播模式学生的接受程度,以及学习过程产生的效果。研究分析发现,感知有用性是影响学生在思政教育混合式学习中是否采用雨课堂作为辅助教学工具的最主要影响因素,感知易用性也是影响学生的重要因素。最后,本文基于参与混合式学习传播模式的各方提出相应的建议,以促进学生学习效果的进一步提高。

网络时代背景下的微博传播及微型学习

随着信息技术的飞速发展,"微时代"来临。由于其自由化程度高、自主性能强,便于选择和传播,且形式上短小精炼、技术上没有难度而被大多数人们掌握。这种文化媒体传播形式和时代紧密结合,造成了"微现象"无处不在。因此,以"微课"为主要形式的微型学习逐渐成为了学生学习教育必不可少的方式。

美国传播学专业学习成果方案(LOC)与启示

LOC是由全美传播协会在路明纳基金会的资助下,基于美国学历资格框架,通过调谐过程发展而来的传播学专业学习成果方案。LOC已成为美国传播学教育的重要指导性文件,为制定传播学专业课程结构与教学大纲,实施学生学习成果评估等工作提供了重要依据。NCA开发LOC的案例对构建我国传播学学习成果方案具有多方面的借鉴意义:其一,基于顶层设计的学历资格框架来构建学科级学生学习成果方案;其二,专业协会通过"调谐"来发展学科级学习成果的范式;其三,多元化意见来源使得学习成果方案具有广泛的代表性;最后,具体、清晰的学习成果方案表述体例有助于其推广和应用。

基于反馈调控参数的BP学习算法研究

为解决经遗传算法优化后的BP网络极易陷入饱和区域而导致网络学习停滞的问题,基于神经生理解剖学关于神经电位脉冲发放系统和神经递质系统的耦合机理,提出一种改进的基于反馈调控参数的BP学习算法,通过反馈调控参数对神经元的节点输出进行扰动,避免学习过程中发生权值调整量趋于0的问题,从而解决经遗传算法优化后的BP网络容易出现的饱和区域问题.仿真实验结果表明,该方法能有效克服饱和区域引起的学习停滞问题,提高BP网络对遗传算法优化结果的精确定位能力,而且还具有收敛速度快和稳定性好的优点和在较大权值空间中的寻优能力.

动态递归模糊神经网络及其BP学习算法

提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法,仿真结果表明对于动态系统的辨识,动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.

基于非线性预测的逆传播神经网络算法优化策略研究

逆传播神经网络算法是人工神经网络用于非线性预测的主要学习算法 ,它具有思路清晰、结构严谨、可操作性强等特点 ,但同时也存在预测精度低、收敛速度慢等问题。本文从神经网络模型的结构出发 ,对学习算法提出了一系列改进和优化措施 ,以加快网络的学习速度 ,并增加模型的稳定性。

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析 ,指出它们存在的缺陷。提出一个改进的进化规划算法 ,并将其应用于BP神经网络的权值优化。取XOR问题和 4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明 ,本文中提出的改进的进化规划算法优于前 2个算法。

基于LDBP的色散和光纤非线性损伤补偿

【目的】在长距离光通信系统中,由于克尔非线性、色散和放大自发辐射噪声之间的相互作用,使用传统的数字信号处理(DSP)来补偿光纤非线性损伤十分困难。机器学习算法可以用于在传统DSP的基础上对信号进行进一步处理,以缓解光纤非线性损伤并提高长距离光纤传输系统的性能。【方法】为了更好地补偿光纤传输中色散和非线性损伤,文章将传统的数字反向传播(DBP)算法和深度神经网络(DNN)相结合,将DBP中的线性步长和非线性步长作为一个神经元,即将线性步长看作DNN的权重矩阵,非线性步长看作激活函数,并将DSP作为DNN的静态层,提出了一种基于DNN的自学习DBP(LDBP)算法。【结果】为了验证文章所提算法的可行性,在单通道偏振复用16阶正交幅度调制(QAM)的光传输系统中进行了仿真。综合数值仿真结果表明,与线性均衡相比较,每跨一步的LDBP算法将最佳发射功率从-2 dBm提高至1 dBm。同时,与相同计算复杂度的DBP算法相比,LDBP算法在1200 km的传输距离下,信噪比(SNR)提高了0.82 dB。此外,与线性均衡和相同计算复杂度的DBP算法相比,LDBP算法所对应传输系统的SNR随着传输距离的增加,下降速度更加缓慢,并且该算法可以在无需预知链路参数的情况下工作,具有普适性和鲁棒性。【结论】文章所提LDBP算法与传统DBP算法相比,更加适用于实际的长距离相干光通信系统。

基于可变学习率BP算法的空调控制系统的研究

通过分析控制器参数学习率和控制器性能之间的关系,设计一种基于可变学习速率反向传播算法VLRBP和模糊神经元网络的变频空调控制系统。该系统不仅可以通过反传误差信号训练控制器参数,而且可以根据网络的当前状态朝最优化方向调整控制器参数的学习率。实验结果表明,该控制系统不仅比传统的空调PID控制器和模糊控制器具有更好的控制性能,而且相比基于标准BP算法和动量BP算法的模糊神经网络控制系统,也具有更快的收敛速度和更好的控制精确度。

学习设计的处方

本文主要描述了一种研究活动,此项活动由参与澳洲大学教育委员会“AUTC”资助项目的研究者负责的。AUTC资助的项目为信息和传播技术及其在弹性学习中的作用。此项目旨在研究和开发通用型学习框架,以便为高等教育提供技术增强型高效能学习经验。鉴于此,研究者一直致力于寻求通用型学习设计的处方,来促进建构知识解决问题。本文总结了所做的各项研究工作,并说明了研究过程中开发的通用学习框架。

基于神经网络的电动转向系统助力特性研究

基于综合目标函数的误差反向传播学习算法 ,设计了用于该离散化转向助力特性的BP神经网络结构 ,进行了离线训练 ,并在电动转向综合试验台上实现了在线控制。实现了全车速范围的非线性转向助力 ,克服了转向助力盲区。

一类自适应算法及其应用

在许多优化问题中，寻找最优解并不是唯一目的，更重要的目标往往是“进步”，算法的优化作用更在于维持一个稳定的改进过程。本文从这一角度出发进行了对传统遗传算法的改进，强化了其渐进收敛和进化能力；并考虑与反向传播学习算法的有机结合以提高训练精度及泛化能力。以一类解析型模糊系统的建模过程为例进行的仿真研究表明，新算法更适用于这类优化问题，能够在更短的时间内有效地改善系统性能；同时，具有很强的自适应性，应用简便也是它的主要优点之一。

遥感影像的神经网络分类及遗传算法优化

针对传统遥感影像分类方法难以辨识波谱特性相似的地物,而标准反向传播学习(back propagation,BP)神经网络分类方法存在网络训练速度慢、局部极值等收敛性问题,探讨了采用遗传算法(genetic algorithms,GA)优化BP网络结构方法进行遥感影像分类.在BP网络分类的基础上,着重阐述了遗传算法实现BP网络隐含层神经元数、阈值和连接权值的优化方法,提出了遗传算法的变长实数编码方式,改进了遗传进化方式使BP网络进化达到最优.最后,以淀山湖区域的陆地卫星专题制图仪(Landsat thematic mapper,TM)影像分类为例,应用本文改进算法与其他分类方法进行了分析比较,得到了较高的分类精度,验证了采用遗传算法优化神经网络的可行性和有效性.

基于人工神经网络的船舶操纵控制系统模型研究

针对在船舶操纵控制系统中 ,船舶模型参数会随着外界条件 (如航速、吃水、风等 )的改变而变化的情况 ,提出了如何用神经网络模型使船舶在这些不断变化的外界条件下保持良好的状态 ,描述了前向网络原理与反向传播学习算法 (BP)的步骤 .

一种模糊神经网络的结构和参数的确定方法

结合FGP(Fuzzy Grid Partition,模糊网格划分)和FNN(Fuzzy Neural Network,神经网络)提出一种有效确定模糊神经网络模型中结构及参数的方法。该方法首先从样本数据中采用模糊网格划分确定出最佳规则数,从而可确定神经网络的结构;然后采用BP算法对神经网络进行调节,从而确定出模糊神经网络的参数。采用这种方法构建我国经济增长的模糊模型。研究表明这种方法构建的模糊神经网络具有更高的精度。

用人工神经网络预测高速公路软土地基的最终沉降

采用人工神经网络较强的非线性映射能力和学习能力 ,提出基于人工神经网络的高速公路软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模 ,避免了传统方法计算过程中各种人为因素的干扰 ,所建立的模型预测精度高、简便易行 ,因而具有广泛的工程实用价值。