涡扇发动机部件特性的BP网络研究

在发动机特性计算中,建立了BP神经网络对部件特性数据进行识别学习,实现了特性数据的精确插值和对未知特性数据的推测。通过对网络输出结果的检验与分析,表明该方法精确实用。

基于BP神经网络的基坑突涌分析

在对基坑突涌机理进行深入分析的基础上 ,建立了基坑突涌的神经网络模型 ,结合实例对神经网络进行了训练和检验 ,结果表明将后传播神经网络运用于基坑突涌的分析和预测是合理、可靠的。

人工神经网络技术在电工产品可靠性实验中的应用(理论部分)

本文简要介绍了人工神经网络 ,BP神经网络的结构。

舰船辐射噪声的非线性特征提取和识别(英文)

本文研究了一种集相空间重构的几何特征和盒数维为一体的计算复杂度较低的非线性特征提取方案.首先利用基于统计学方法的C-C方法提取嵌入维和时延,根据舰船辐射噪声的嵌入维确定维数范围,在维数范围内采用时延法进行相空间重构,将舰船辐射噪声时间序列扩展到高维空间,在高维空间中计算时间子序列的相关系数,并从相关系数中寻找阈值范围提取具有区分性相似性重复度,将相似性重复度进行升序重排画相似性重复度曲线,提取相似性重复度平均值这一几何特征,然后从盒子维的数学分析出发研究盒子维数的简化工程计算模型,三类舰船辐射噪声的盒子维分布图验证盒子维特征具有一定的区分性,最后设计后传播(BP)神经网络分类器,BP神经网络采用两层结构的批处理模式.推导特征的类间距离和类内距离,并通过实际海上数据仿真,计算结果表明结合特征的类间距离较大,类内距离较小,验证结合特征提取方法的有效性,三类目标的识别率表明该方法具有一定的水声目标识别能力.

数据挖掘中BPN与PNN分类的对比研究

分类问题是数据挖掘中的一个重要问题。尽管神经网络是一种高精度的分类器,但是由于神经网络模型众多,在分类预测时如何选择合适的模型,还没有一个普遍的原则。文章对后传播神经网络(BPN)和概率神经网络(PNN)在数据挖掘分类中的应用进行了对比研究,并利用这两种模型对高校研究生信息进行了分类挖掘。仿真结果证明,PNN模型在分类预测上优于BPN模型,而且其分类速度快、正确率高、测试结果稳定。