基于标准化动量BP神经网络的GPS高程转换

采用动量BP神经网络算法拟合高程求解,训练样本的量纲存在一定的差异性,为改善不稳定性,通过对样本进行标准化处理,得到了理想的训练效果。将该方法得到的计算结果与平面拟合、二次曲面拟合及其他神经网络方法计算的结果进行对比得出:标准化动量BP神经网络算法求解高程,精度可靠且稳定。

动量因子BP神经网络算法在设备故障预测中的应用

设备故障预测是设备预防性维护的重要组成部分。本文针对传统方法处理设备故障预测的不足,采用动量因子BP神经网络算法来预测设备状态。通过网络学习和诊断实验表明:动量因子BP神经网络算法不仅能解决设备故障预测的非线性问题,而且预测结果非常准确、误差精度较高、收敛速度较快。

基于动量BP神经网络的确定掩护重点问题研究

确定掩护重点是地面防空作战的一个重点和难点问题。通过分析影响确定掩护重点问题的主要因素,建立评价指标体系,利用动量BP神经网络解决了确定掩护重点的评价模型,并采用MATLAB6.5的神经网络工具箱进行仿真实现。方法较好地降低主观误差,为确定被掩护目标重要性排序和兵力分配提供了依据。通过对BP算法的改进,减少了误差,提高了学习速度。模型思路清晰,算法简单实用,较好地解决了防空兵辅助决策系统智能确定掩护重点目标的问题。

基于动量BP神经网络的混沌系统同步与保密通信研究

基于动量BP神经网络技术,设计出了一种用于混沌系统同步的神经网络控制器,实现了混沌系统的同步控制。利用动量BP神经网络加快了同步速度,然后将混沌同步控制技术应用在Lorenz系统的保密通信中。仿真实验验证了本文所提方法在混沌保密通信应用中可行性与有效性。

基于动量BP神经网络的PFI项目风险评价

运用BP(Back Propagation)神经网络技术,采用动量BP算法,构建风险评价模型。对PFI项目存在的系统风险及非系统风险进行划分,建立包含政治、法律、金融、生产、市场、信用以及环保等风险的PFI项目风险评价指标体系。对专家组打分获得的训练样本进行训练,得到可靠性验证的训练网络。最后,将某PFI项目打分结果输入已训练好的网络,判定该PFI项目风险等级,为私营公司的决策提供参考依据。

基于卷积神经网络的舰船图像边缘检测算法

为合理分布舰船行驶图像卷基层结构中的边缘化网络参数,设计基于卷积神经网络的舰船图像边缘检测算法。按照图像数据特征可视化处理依据,设定必要的神经动量值,完成基础卷积神经网络设计。在此基础上,命名舰船图像节点,再以基本边缘数据结构连接原理为参照,配置检测链接库,实现舰船图像边缘检测算法的顺利应用。对比实验结果,与理论检测手段相比,应用舰船图像边缘检测算法后,最大化网络参数值达到9.0×1015 T,图像边缘化检测覆盖率超过80%,舰船行驶图像卷基层结构中的边缘化网络参数达到理想化分布状态。

基于BP和Elman神经网络的福建省汛期旱涝预测模型

建立了福建汛期旱涝BP和Elman神经网络预测模型,并对两种模型的性能和差异进行了比较,结果表明:动量BP网络模型,特别是具有局部反馈特性的Elman网络模型具有较好的拟合精度和预报效果。此外两种模型对旱涝等级为2和4的预测偏差较大,而对旱涝等级为3的预测较为准确。

基于亚像素配准的神经网络非均匀性校正

红外焦平面存在严重影响成像质量的非均匀性,本文使用基于亚像素配准算法和动量项BP神经网络的非均匀性校正算法进行校正。对短波红外相机成像过程中,由于相机视轴与成像目标位置的相对偏移(由相机安装平台晃动所致),使用基于矩阵乘法的亚像素配准算法进行配准;为了加速算法收敛,采用两点法来对校正系数进行初始化;为了改善BP神经网络容易陷入局部最优值,采用增加动量项的方法来改善校正效果。通过仿真实验可以看出提出的算法消除了传统神经网络校正方法存在的鬼影和边缘模糊等问题,获得了良好的校正效果,同时提高了算法的收敛速度。为短波红外图像数据后期处理提供了良好的基础。

基于小波神经网络的第四系覆盖层边坡风险评价

为研究江西省第四系覆盖层边坡的风险状态,提出了一种基于动量改进小波神经分析的评价模型。以江西省第四系覆盖层边坡为研究对象,在综合了供电、传感、通信等技术的基础上,对第四系覆盖层边坡的地质构造、坡比、土壤特性等内在因素及降雨等外在因素与滑坡灾害相互关系进行研究,运用动量改进小波神经分析方法对江西省第四系覆盖层边坡滑坡风险评估。评价结果表明:边坡的稳定性评价结果与实际调查结果吻合。研究结果可以为江西省第四系覆盖边坡防灾减灾、预警监测提供较好的依据。

基于动量BP神经网络激光陀螺调腔检测方法

为解决激光陀螺人工调腔质量低、效率不高等缺点,提出一种由CCD相机和光电倍增管构成的多传感器信息融合调腔检测方法,该方法同时检测光斑、光阑中心点及陀螺损耗值,并将这些信息送入融合中心,经过融合计算得到陀螺调腔是否合格的综合判断。融合系统采用动量BP神经网络对多源信息进行融合,根据调腔过程中的输入、输出情况,设计包含输入层、隐含层及输出层的3层网络拓扑结构。实验结果表明,此种方法对激光陀螺调腔质量是否合格判断准确率为93.81%,比人工采用单一传感器分步检测准确率提高了6%。

一种短期电力负荷预测新方法的研究与应用

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型。对山东地区1年的实际数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(夏季典型日负荷)也有较好的预测精度。

基于AHP和动量BP神经网络的工程项目承包商选择模型

运用BP神经网络技术,采用动量BP算法,构建了基于动量BP神经网络的工程项目承包商选择模型,并将AHP的评价结果作为学习样本,对BP神经网络模型进行训练和测试.结果表明,基于AHP和动量BP神经网络的工程项目承包商选择模型是可行的,该模型具有较高的自组织、自适应和自学习能力以及较强的容错功能,能够为一般的工程项目承包商选择活动提供有效的参考和依据.

CSP焊点焊后残余应力分析与预测

该文建立了芯片尺寸封装(CSP)焊点有限元分析模型并对其进行了再流焊焊后残余应力应变分析。以焊点直径、焊点高度、焊盘直径和焊点间距为输入参数,焊后残余应力为输出参数进行了灵敏度分析。选取灵敏度分析结果中对残余应力影响显著的因子作为输入,建立了带动量项神经网络预测模型,对CSP焊点焊后残余应力进行了预测。结果表明,置信度为95%时,焊点直径、焊盘直径和焊点间距对CSP焊点残余应力影响显著,灵敏度从大到小的排序为:焊点直径>焊盘直径>焊点间距。所建立的带动量项神经网络预测模型对CSP焊点焊后残余应力预测最大相对误差为7.93%,平均误差为3.19%,实现了对CSP焊点焊后残余应力准确预测。

基于小波变换与MOBP的股价预测

提出了一种基于小波变换与改进动量BP神经网络(MOBP)的股价预测方法。将股票价格所构成的非平稳时间序列小波分解,建立基于优化权值的改进动量BP神经网络(MOBP)预测模型,对分解得到的近似部分与各细节部分分别进行训练,结合各部分的预测结果,可以得到原始序列的预测值。实验结果表明,这种方法预测效果较为理想,且相对于传统的BP神经网络预测的准确度有明显的提高。

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.

模拟电路故障诊断的方法研究

本文主要研究了增加动量项BP神经网络算法,与典型的模拟电路系统相结合,设计出能够实现在线和离线诊断模拟电路故障的小型智能诊断系统,实现了智能算法在实际工业生产当中应用,实验证明,采用理论上成熟的动量项BP神经网络算法用于故障诊断,利用嵌入式系统应用性强、高可靠性、低功耗等特点,并且有一定的实用价值。

基于数据挖掘的交通流预测模型

通过对道路交通流变化规律和影响因素的分析,提出了一种新的交通流预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中Pij(t)改进模糊聚类分析;然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对实际数据进行预测分析的结果表明:该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度.

基于MB栅格回波强度和改进BPNN的底质分类

提出了基于多波束栅格图像和改进神经网络的底质分类方法,研究了多波束栅格回波强度的提取方式和改进的反向传播(BP)神经网络.论述了波束脚印包络内以采样数量进行等角度栅格分配获取回波强度所在位置序列值,并在传统BP神经网络基础上附加动量因子和自适应学习率,同时为激活函数添加斜率和偏置可随误差信号进行修正.改进的BP神经网络不仅可以提高神经元的自适应能力,而且可以明显加快算法的收敛速度.利用提出的方法进行底质分类,实验结果表明,提出的方法显著提高了海底底质分类的分辨率和精度.