基于BP神经算法可预测的快速瓦斯传感器研究

基于传统的瓦斯传感器检测原理,提出了一种基于BP神经算法的可预测的快速瓦斯传感器。研究以FPGA为核心处理器,在进行当前瓦斯浓度检测的软件设计过程中,加入BP神经算法反演策略,实现可预测的瓦斯传感器功能。传感器可以通过当前时刻的前几个瞬时瓦斯浓度值,预测当前瓦斯浓度的稳态值,实现浓度检测的可预测性,同时也提高了瓦斯传感器的检测速度。

几种变学习率的快速BP算法比较研究

首先将作者见到的各种变学习率的快速ＢＰ算法分成了３类；然后针对两类不同的问题对它们进行了大量的对比实验研究；根据实验结果指出，对各种以变学习率为基础的快速ＢＰ算法，应视具体应用问题慎重选择。

基于BP ANN-GA混合型算法的混凝土配合比优化设计研究

根据混凝土不同龄期的抗压、抗拉强度与和易性、耐久性等要求,综合考虑原材料供应、施工工艺、环境温度和湿度等条件,合理设计混凝土配合比,并最大限度节约工程成本,是现代混凝土技术发展对配合比设计提出的新要求。本文结合基于BP人工神经网络的预测技术和基于遗传算法(GA)的全局优化算法,建立混凝土配合比非线性优化模型,并对该模型的参数选择、计算效率等问题进行深入探讨,从而为上述问题的解决找到一条较为可行的途径,取得初步的成果。文中并给出简单的应用实例,以进一步验证算法的适用性、有效性。

BP神经元网络在工艺优化中的应用

本文利用一种改进的BP学习算法，和利用正交实验取得的样本数据建立生产工艺的BP神经网络模型，并利用演化算法求得模型的最优解，最后通过验证证明了模型的准确性。