基于根节点优先搜索的信度传输DBP算法研究

针对信度传输算法迭代次数较多的问题,提出一种基于根节点优先搜索的信度传输DBP算法。DBP算法依据根节点优先搜索的原理,选择一种特定的节点顺序进行信度传播,直接到达信息传播的不动点,降低迭代次数,节省推理时间。首先,分析了BP算法的主要思想、工作原理及推理过程,其次,提出了DBP算法,建立了贝叶斯网络模型,给出了该算法的基本原理,最后,给出了DBP算法流程,并通过典型的树形结构的贝叶斯网络实例,对DBP算法进行了分析,结果表明DBP算法在推理时间上优于BP算法,算法的时间优化率更高,从而验证了DBP算法的有效性。

基于根节点优先搜索的信度传输算法的设计与仿真

针对信度传输算法迭代次数较多的问题,提出一种基于根节点优先搜索的信度传输算法。首先分析了BP算法的主要思想、工作原理及推理过程;其次提出了DBP算法,建立了贝叶斯网络模型,给出了该算法的基本原理和算法流程;最后通过典型树型结构的贝叶斯网络实例仿真,对BP和DBP算法分别进行了实验仿真与分析,结果表明DBP算法在推理时间上优于BP算法,算法的时间优化率更高,从而验证了DBP算法的有效性。

DBN条件下信度传输优化算法仿真研究

信度传输算法是一种对贝叶斯网络等图模型进行推理的消息传递算法。针对信度传输算法迭代次数较多的问题,提出一种信度传输优化算法。首先,分析了BP算法的推理过程;其次,提出了优化的信度传输算法,分析了树的定义及树的遍历,给出了优化的信度传输算法的基本原理和实现步骤;最后,在动态贝叶斯网络DBN条件下,通过单一证据和组合证据推理,对优化的DBP算法与BP算法进行实验研究。结果表明:DBP算法可减少迭代次数,节省更多的推理时间,提高算法有效性。

自回归神经网络在主汽温控制中的应用

提出了自回归神经网络拓朴结构及其训练算法，把具有两个“自回归神经网络”的复合控制系统用于主汽温控制，一个作为辨识器，另一个作为控制器。仿真结果验证了该控制系统的优越性能，可知在过程控制领域中，神经网络在处理困难问题上，有良好的发展潜力。

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层递归神经网络的自适应控制离散时间系统的方法．使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系．基于此神经网络模型，提出一种自适应控制方案，并对该方案的闭环稳定性进行了分析．