BP原理及其在林木胸径模拟中的实现

基于对神经元模型、网络拓扑结构和学习算法3要素的描述,系统地剖析了一个BP3-2-1结构的模型模拟非线性函数的一般过程。基于杉木人工林密度实验数据,以初始密度、立地指数和林龄为输入,林分平均胸径为输出,利用MATLAB(R2010b)神经网络工具箱创建、训练BP模型,模型的均方误差Ems=0.01,实测值和预测值之间的相关系数R=0.977。

新的组合激活函数BP网络模型研究

作者提出了一种新的 BP神经网络模型 ,其隐层激活函数采用中心参数可调的 Gaussian函数 ,输出层采用斜度可调的 Sigmoid函数 ,从而神经元具有了更强的信息存储、处理能力。由于采用组合函数 ,将 Gaussian函数良好的局部性和 Sigmoid函数良好的全局性相结合 ,提高了神经网络的收敛速度。几个典型实验的结果表明 ,与传统 BP网络模型相比 。

基于BP神经网络的棉花颜色级预测

为了方便快捷检验棉花颜色级,采用BP神经网络算法构建了基于棉纤维色度参数的棉花颜色级预测模型。模型以棉纤维的色度参数明度值和黄度值为输入变量,以棉花颜色级为输出变量,采用三层网络,网络的拓扑结构为2-12-1。通过对280份棉花试样的颜色级进行测试和BP神经网络模型预测,结果表明:BP神经网络预测值与实测值的平均相对误差为3.203%,所建立的回归方程拟合优度达到99%。认为:所建立BP神经网络模型具有较好的预测效果。

考虑小样本统计的BP神经网络配电系统可靠性预测方法

传统服务于系统规划的可靠性分析方法,由于多基于逻辑推理或统计分析,需要以足量‘故障停电’事件匀质样本为建模保障,在面对配电系统结构动态变化以及稀少数据环境时,难以对指标进行精确估计。在此背景下,提出一种考虑小样本统计的BP神经网络配电系统可靠性指标预测方法。为保证神经网络训练样本的充足性,并保留小样本自身的统计规律,该文提出并比较Bootstrap和核密度拉丁超立方采样2种小样本增广技术,基于扩充后的样本对具有相同结构的神经网络模型进行参数训练,利用所得的神经网络对可靠性指标进行预测的精度作为选择合适扩充技术与神经网络结合的依据。通过预测用户年均停电时间的算例分析表明,利用Bootstrap小样本扩充技术和BP神经网络相结合的方法在小样本统计条件下具有更高的预测精度。

高速列车动模型试验弹射控制系统GA-BP神经网络建模研究

介绍了高速列车动模型试验装置独特的组成结构与原理;在分析弹射系统动模型列车运动状态及其影响因素基础上,构建3层前馈神经网络(ANN)模型,实现从输入试验给定速度、弹射质量和环境温度到控制弹射力输出的复杂非线性映射;采用把遗传算法(GA)与改进的误差反向传播(BP)算法有机结合的混合(GA-BP)优化方法求解ANN模型最佳参数,并提出了模型跟踪系统特性变化的自适应学习规则。检验样本数据验证了GA-BP网络模型良好的学习和泛化能力;重复试验应用结果显示,弹射试验速度控制精度优于2 m/s,表明了系统模型的有效性和稳定性能。

BP神经网络人口预测模型研究与仿真

基于时间序列的神经网络预测,从模型的结构设计、神经元个数、传递函数等方面,研究BP神经网络预测模型的建模。通过对国家统计局的人口数据建立样本,使用MATLAB对预测模型进行仿真实验,结果证明预测模型能够达到预测效果。

基于BP神经网络的实践教学质量评价模型研究

高校教学质量的评价是一个多变量、多因素、模糊的非线性过程。文章采用了BP神经网络的原理用于教学质量评价,建立了教学质量评价模型,克服了评价中因主观因素造成的影响,得到了较满意的评价结果。

遗传算法优化确定BP神经网络的遥感图像分类

传统的BP神经网络对于遥感图像的分类精度较低,因此设计一种遗传算法优化确定BP神经网络的遥感图像分类方法。通过建立神经元数学模型,分析其传递信息的过程,求取BP网络误差权及最优解,分析遥感图像中不同波段的差别并进行预处理,利用OIF指数来确定参与分类的波段最优组合,建立图像分类体系并确定土地类型,通过输出矩阵向量完成遥感图像土地类型的分类。利用传统分类方法和设计的方法对相同的遥感图像进行实验,实验结果表明,设计方法的分类精度比传统方法高出9.08%。

基于权值函数神经元的BP网络研究

研究了一种神经元模型,在该模型中将参数可调的激励函数往前移到权值上,即把权值变为参数可调的函数,这些权值函数的累加和作为神经元的输出.将此类神经元称为权值函数神经元,根据BP算法给出了由其构成的前馈神经网络的学习算法.仿真实验对比结果表明,在给定的误差精度要求下,基于权值函数神经元的BP神经网络每次训练都能收敛,且平均迭代步数较少,其收敛速度要优于传统BP网络,具有较好的研究应用价值.

Java语言与人工神经网络应用

从控制工程的角度，概括介绍了作为国际互联网的最新核心技术之一的Ｊａｖａ语言的特点和发展，并具体结合人工神经网络的仿真与实现，以实际例子论述其在科学研究中将发挥的巨大效用和带来的新思想．

基于多聚合过程神经元的A380客舱内温度预测

对A380在机坪泊位期间客舱内部环境变化情况进行研究,分析影响A380舱内的热环境的主要因子并建立因子模型,采集A380机舱内的大量温度数据,通过分析建立了机舱内热环境预测模型;并在此模型基础上,采用多聚合过程神经元的BP神经网络,对机舱内热环境算子和历史数据进行非线性聚合、分析和学习,最终实现对机舱内的温度的变化进行准确预测,此模型将为舱内热环境控制算法的研究提供一个良好的平台。

基于肤色与结构特征的人脸检测与跟踪

首先使用基于YCbCr色彩空间的肤色高斯概率模型,对彩色图像进行肤色分割,得到候选人脸区域,接着提取候选区域的几何结构特征形成特征向量,利用bp神经网络进行候选人脸的判决,以此获得人脸的初始跟踪位置;后续的跟踪使用帧间差分法来确定人脸的移动方向和位置。该方法提高了人脸的检测速度和正确率。

基于神经网络调速系统故障诊断的数学模型

水轮发电机的调速系统是水轮发电机进行负荷和频率调节的重要元件,对调速系统自身故障进行准确、快速的诊断十分必要.通过对调速系统运行,实验和故障特点的分析,引进先进的人工神经网络的方法,建立了一种新型的调速系统故障诊断莫型,对生产实际有很大帮助.

人工神经网络在甲烷转化操作预报中的应用研究

利用人工神经网络中较经典的BP网络模型的网络结构和学习原理 ,对合成氨车间转化工段的数据利用神经网络模型进行指导操作调优。结果表明 ,该方法预报的结果与实际生产数据误差在合理范围之内 ,可作为甲烷转化工段生产控制。

建筑卫生陶瓷缺陷分析神经网络系统

尝试利用BP神经网络模型,确定其输出输入值的模式,确定隐层节点数,探讨除用Sigmoid函数外,还有什么函数更能提高自学习效率及发挥其功能.探讨切合建筑卫生陶瓷缺陷的神经网络相关参数,以保持陶瓷的网络模型的稳定性.通过收集样本来训练、测试和考核结论.

基于Matlab的时序数据两种建模和预测方法比较

利用Matlab工具箱,对时序数据进行了两种不同形式的建模和预测。一是利用系统辨识方法来建立AR模型,利用所建模型进行预测；二是利用单隐层BP神经网络,对数据进行非线性拟合和预测。通过可视化,比较了两种方法的优劣。

智能神经元网络时间序列预测模型的研究

人工神经元网络的研究技术在理论和实际应用上已经比较成熟,在信号处理系统中也采用该技术进行非线性时间序列信号的预测分析。但是由于该理论黑箱模型的特点,无法引入先验知识,从而预测精度难以提高。针对该问题,文中提出了智能神经网络的动态预测模型,引入智能神经元,建立区别于传统神经网络的预测模型,达到了较为理想的预测效果。并以工业生产参数的时间序列预测——某油井生产过程中MinCurrent参数值,作为实验模型,对该方法进行了验证,结果表明了该模型预测精度较高、计算速度快。