A Second Order Training Algorithm for Multilayer Feedforward Neural Networks

ＡＳｅｃｏｎｄＯｒｄｅｒＴｒａｉｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＭｕｌｔｉｌａｙｅｒＦｅｅｄｆｏｒｗａｒｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＴａｎＹｉｎｇ（谭营）ＨｅＺｈｅｎｙａ（何振亚）（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕ...

多层神经网络BP算法的研究

影响多层神经网络ＢＰ算法学习效率的因素不少．但ＢＰ算法中误差函数不能有效地表征样本学习精度是其中主要的因素之一．本文对ＢＰ算法中的误差函数进行了修正．计算机模拟结果表明这种修正有助于提高学习精度和学习效率．

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...

基于BP神经网络的项目社会后评价方法研究

为了提高大型项目综合评价的科学性、客观性以及时效性,本文提出了基于BP神经网络的项目社会后综合评价模型,用以对大型社会项目的综合评价;并以广东省某大型水利项目为例,实证分析该方法对项目社会后评价具有较好的一致性,证明了以BP神经网络模型为基础建立的项目社会后评价模型,对社会大型项目进行社会后综合评价方法具有一定的可行性。

多层神经网络的快速BP算法

首先分析了BP算法中的误差函数对收敛精度的影响,给出了综合考虑绝对误差和相对误差的误差函数,其次利用优化方法中的共轭梯度算法来计算学习过程中的误差下降方向,并根据变尺度公式对该方向进行修正,从而得到快速BP算法。经过对实际算例的模拟,结果表明本文给出的快速BP算法是一种适用于多层神经网络的、性能忧良的学习算法。

多层BP神经网络在钢铁材质裂纹检测中的应用

用设计好的电磁检测设备测得长螺栓的初始磁导率后,对所获得的模拟数据进行数字化处理得到磁导率特征值。设计了多层BP神经网络对钢铁材质长螺栓进行裂纹检测,实验数据表明,分类算法实现简单、分类准确,较容易应用在钢铁材质无损检测的实时系统中。

基于多层BP神经网络的财务风险预警模型构建

首先筛选引发财务危机相关因素,建立财务风险预警指标体系。分析BP神经网络的隐含层数及结点数对网络分类能力的影响,构建基于多层BP神经网络的财务风险预警模型。进行了Matlab仿真实验,以验证所建模型的可行性、有效性及合理性。

基于BP神经网络草原土壤Cu含量预测

草原矿区开采破坏了草地生态系统的平衡,Cu元素随粉尘、径流扩散和迁移,并通过食物链富集而影响正常生产活动,因此建立简单又快速的预测模型对草原土壤Cu含量监测具有重要意义。以内蒙古锡林郭勒草原矿区为研究对象,耦合土壤有机质和pH,建立预测Cu含量的BP神经网络模型。结果表明:1)建模数据和测试数据的拟合优度随隐含层层数的增加呈先增加后降低的规律,4层时拟合优度最大;2)隐含层层数为3、4、5和7时,隐含层节点数相近;3)4层隐含层BP神经网络模型具有较高的拟合精度和适当的规模,可以用于草原表层土壤Cu含量的快速预测。

Modeling Thermal Protective Performance of Multilayer Fabrics for Firefighters

This paper is to report a prediction model for thermal protective performance of multilayer fabrics based on Matlab neural network toolbox. Then a back propagation (BP) neural network model is developed to predict thermal protective performance of multilayer fabrics for firefighters. The network consists of twelve input nodes, six hidden nodes, and one output node. The inputs are weight, thickness, density of warp and weft, limited oxygen index (LOI), and heat conductivity of each-layer fabric. Thermal protective performance (TPP) rating of multilayer fabrics is the output. In this paper, the data from the experiments are used as learning information for the neural network to develop a reliable prediction model. Finnally the model performance is verified, and the proposed model can be applied to predict the thermal protective performance of multilayer fabrics for firefighters.

基于GA-DBN模型的分类方法研究

本文采用多层受限玻尔兹曼机和BP神经网络构成的深度置信网络作为分类模型,并采用遗传算法对深度置信网络中的受限玻尔兹曼机的参数进行逐层寻优,从而构建了GA-DBN分类模型。通过与随机森林、人工神经网络、支持向量机和XGBoost分类模型进行对比实验发现,构建的GA-DBN模型在分类准确度和F_(1)值上均有较好的表现。为验证遗传算法对DBN模型的优化效果,将人工蜂群算法优化的DBN模型即ABC-DBN模型与GA-DBN模型进行对比实验发现,GA-DBN模型在准确率、F_(1)值和运行时间上均表现出良好的效果,说明遗传算法对DBN模型的优化效果更突出。

基于人工神经网络的机械设计领域知识表达方法的研究

结合人工神经网络技术开展了机械设计领域经验型知识表达方法的研究，提出了一种基于多层神经网络的知识表达方法，该方法适合于数值型经验知识的表达，并对多层神经网络学习的ＢＰ算法进行了改进。

双层结构土壤模型地网接地电阻的简化计算

为了简化双层结构土壤模型中地网接地电阻的计算,提出了将双层土壤模型等效为均匀土壤模型的计算方法。分析了接地网面积、接地网的长宽比、上层土壤电阻率等参数对等效均匀土壤电阻率的影响后,指出接地网面积、上层土壤的电阻率和厚度以及反射系数等参数均对等效均匀土壤电阻率有重要影响;采用CDEGS软件仿真所得数据建立求解等效均匀土壤电阻率的BP神经网络所得结果与CDEGS软件计算对比表明,该BP神经网络具有较高的准确性和可信度,可为多层土壤结构中接地网的设计提供可靠帮助。

多层缠绕卷筒结构有限元分析及轻量化设计

卷筒是起重机的重要承载部件,其设计的合理与否对起重机的安全性能至关重要。多层缠绕卷筒是当前卷筒发展的主流趋势,探讨其轻量化设计具有重要意义。以某型号塔机多层缠绕卷筒为例,在大型通用有限元软件Ansys中建立其APDL参数化模型,对其结构进行强度、刚度分析。在此基础上,将卷筒强度、刚度作为约束条件,构建以自重最轻为目标的优化设计模型,在Design Opt模块实现了本次卷筒结构的轻量化设计;为缩短上述Ansys优化方法运算周期、提高效率,在Matlab中利用LM-BP神经网络超强的非线性问题拟合能力与GA优秀的全局搜索能力实现了本次多层缠绕卷筒的快速优化设计。针对多层缠绕卷筒轻量化设计方法所做的两种探讨,对未来起重机多层缠绕卷筒的结构设计和优化具有一定的参考价值。

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤.对BP网络结构、样本空间、收敛性等作了有针对性的研究.结果表明:多层神经网络应用于电力系统短期负荷预测是可行和有效的.其预报结果比传统的负荷预测方法更准确、经济、效果更好.

前向多层神经网络模糊自适应算法

本文将模糊集理论与人工神经网络的研究相结合，提出一种模糊自适应ＢＰ算法，用典型异或问题与规模更大的打印机磁泄漏信息识别问题进行计算机模拟表明，该算法可使ＢＰ算法的收敛速度明显提高。此项工作为神经网络与模糊系统相结合探索了一条新的途径。

基于神经网络的纹理图象生成

提出了一种利用多层前馈神经网络生成纹理图象的新方法 .利用该方法可方便地生成图案丰富的纹理图象集 ,并且该纹理图象集中的任何一幅图象均唯一地对应一组神经网络的权值和阈值 ,因此不仅便于图象保存 ,还大大地节省了图象存储空间 .

多层前馈神经网络快速学习算法的实现

本文评述优化学习率BP(Back Propagation)算法,给出应用研究中几种常用网络结构的优化学习率的计算公式,讨论与算法实现相关的一些问题.模拟实验结果进一步揭示算法的快速性质.

基于多层前馈神经网络的并联型电能质量控制器

神经网络用于电力系统电能质量分析和控制是一个新研究领域。快速可靠地提取谐波分量决定着并联型电能质量控制器的整体性能,构造了一种和理论分析相一致的基于反向传播算法的三层前馈神经网络,离线训练收敛后可用来在线检测电力系统谐波电流。系统中逆变器补偿电流的产生对系统的补偿性能至关重要,提出了一种基于神经网络的逆变器瞬时电流PWM控制。并联型电能质量控制器投入系统后电流总畸变率由26.29%下降为5.25%。仿真实例表明,所提并联型电能质量控制器动态响应快,可改善电力系统电流波形畸变,提高电能质量。

基于多层感知器神经元的空间柔性机器人位置跟踪控制

针对基体位置及姿态均不受控的自由漂浮柔性空间机器人轨迹跟踪问题,提出了一种前馈多层感知器(MLP)神经网络控制策略.建立了末端柔性的自由漂浮基机器人的耦合动力学模型,再利用MLP神经网络良好的逼近能力来自适应补偿非线性柔性臂的逆动力学模型,其误差代价函数由PID控制器提供,权重及阀值的调整采用改进的BP反传算法.最后通过仿真比较详细分析了所提方案的工作机理及对非线性强耦合系统控制的有效性.

基于神经网络库存融合控制技术

神经网络控制系统通常会面临多种选择,如样本的训练方式、神经网络的算法等,不好的选择会降低预测率。BP(Back Propagation)神经网络库存控制系统融合多种库存控制技术,利用BP算法对学习的精度和收敛的速度进行改进,能比较精确地预测库存。讨论了有关BP神经网络的算法及算法改进等问题,以品牌服装库存控制为例,提出用神经网络的多层感知器实现库存融合控制。