优化的BP神经网络分类器的设计与实现

文章从实用、经济和高效的角度出发，提出了一种优化BP神经网络分类器的设计与实现方案。它具有较好的模块性，可移殖性以及透明性。对于各种模式识别的情况，它都具有一定的实用和参考价值。同时提出了一种确定隐层节点数的新方法。结果良好。

AGA-BP神经网络用于变压器超高频局部放电模式识别

结合自适应遗传算法(AGA)和BP算法各自的优点,本文构造了AGA BP混合算法作为神经网络的学习算法。分别采用BP、AGA和AGA BP神经网络对实验室中变压器超高频局部放电自动识别系统检测到的五种放电类型进行了模式识别。实验结果表明,AGA BP神经网络既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又提高了AGA神经网络的收敛速度、稳定性和求解质量,具有较高的识别率和较强的推广能力。

一种改进的BP算法及其在模式识别中的应用

针对前馈神经网络中传统BP算法的局限性,给出了一种改进的BP算法,选取了一种新的误差函数,并对其参数进行了动态自适应调整。通过比较,改进的BP算法收敛特性明显优于传统的BP算法。实践证明,将上述算法应用于对工业零件的识别当中,可有效提高识别速度和识别正确率约17%。

基于BP神经网络的手写体数字识别

手写体数字识别是多年来的研究热点,也是字符识别中的一个特别问题。由于手写体数字字体变化很大,传统的识别方法很难达到高的识别率。针对传统的数字识别方法的复杂性和局限性,提出了一种基于BP神经网络的手写体数字的识别方法。该方法在提取手写体数字点特征、笔划密度特征基础上,利用改进的BP神经网络进行训练识别。经实验,识别率达94%。实验结果表明,该方法对手写体数字识别效果良好,不仅简化了传统识别的繁杂性,而且提高了识别的准确性。

基于BP神经网络的永磁同步电机直接转矩控制器

基于BP神经网络具有模式识别的分类功能,提出了永磁同步电机直接转矩控制器的BP网络设计方法。在MATLAB仿真环境下,对永磁同步电机控制器进行了建模与控制仿真,仿真结果达到了理想的控制目标。

基于遗传BP算法的神经网络及其在模式识别中的应用

介绍了传统的遗传算法与BP算法,并分析了它们的不足。提出了一种将遗传算法和BP算法相结合的遗传BP算法,在遗传算法的群体设计中采用小生境技术,防止优秀个体早期退化。实验证明了此方法的正确性和有效性。

多层BP网络的研究及应用

在本文中,我们用统计模式识别的方法分析了目前在模式识别中得到广泛应用的多层BP神经网络,揭示了具有线性输出单元的多层BP神经网络用作特征提取器和分类器时具有良好性能的原因。同时,我们设计了一个使用多层BP网络作为特征提取器和分类器的、普适的工件识别系统。对不能识别的样本,采用模糊推理技术,把传统的直观特征识别结果和多层BP网络结果在特征级上融合,提高系统的性能。

改进BP神经网络模式识别在消除惯导漂移误差中的应用

为了能实时地消除惯导陀螺漂移误差,在数字地图为基础的前提下,引入了改进BP神经网络模式识别技术,并设计了相应的三维数字地形辅助惯性组合导航算法——BP算法。在匹配过程中,分别给定了不同的数字地形模式和不同载体的机动轨迹。利用C++程序进行算法中的数值计算,然后通过Matlab软件模拟导航数值仿真。多次实验证明,提出的方法具有很好的可靠性和可行性,具有重要的工程应用价值和理论借鉴意义。

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法。针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例。实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度。

利用BP神经网络实现三维飞机目标识别

提出了一种新的飞机识别系统,采用矩的不变量的方法描述飞机的特征;采用Levenberg-Mar quardt算法及弹性算法对标准的BP网络算法进行改进,从而使此系统具有识别过程迅速、稳定的特点.分别对民航机和战斗机的360张100×100不同姿态的图片进行系统识别,结果表明,该系统识别准确率在99%以上,并且识别速度较快.

基于量子粒子群算法的BP网络板形模式识别研究

针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。

基于模糊模式和BP算法的手写数字识别

通过对多种手写数字识别算法的研究和分析,提出了一种基于模糊模式识别和BP神经网络对手写数字进行识别的新算法。首先应用BP神经网络对手写数字样本进行学习,然后再结合模糊模式识别的思想进行手写数字识别。实验证明:该算法与传统的手写数字识别算法相比,识别率明显提高。经过推广,该算法可应用于汉字识别、人脸识别等领域。

BP网络学习算法研究及其图像模式识别应用

BP神经网络的训练性能主要包括收敛速度和收敛精度等方面,该训练性能在很大程度上取决于所选择的网络学习算法。本文针对模式识别应用领域,通过实例,运用Matlab编程对部分较好的网络学习算法的训练性能进行了比较研究,给出了模式识别应用过程中BP网络学习算法的选择依据。在此基础上,运用BP网络编程实现了对常见单位符号图像目标的模式识别,并通过识别算法的实现过程,分析了用BP网络进行图像目标模式识别的具体思路和方法。

GA-BP神经网络在拮抗药化合物活性模式识别中的应用

目的改进传统的BP算法,建立有效的药物活性识别模式。方法用遗传算法(GA)优化误差反向传播(BP)算法,两者结合构成混合算法。结果有效地解决了常规BP算法收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度慢等缺点。结论GA-BP结合构成的神经网络是一种有效的药物活性识别模式,可获得满意的预测结果。

改进BP神经网络在水环境质量评价中的应用

针对传统水环境评价方法的不足,建立了改进的BP神经网络水环境质量评价模型.采用遗传算法对BP神经网络参数进行优化改进,并给出了该模型建模的一般步骤.以抚河流域进行实例应用,将其评价结果与投影寻踪评价结果进行比较,结果表明改进后的BP神经网络计算速度快、评价精度高、结果客观准确,在水环境评价中具有较好的应用价值.

Fuzzy Neural Model for Flatness Pattern Recognition

For the problems occurring in a least square method model, a fuzzy model, and a neural network model for flatness pattern recognition, a fuzzy neural network model for flatness pattern recognition with only three-input and three output signals was proposed with Legendre orthodoxy polynomial as basic pattern, based on fuzzy logic expert experiential knowledge and genetic-BP hybrid optimization algorithm. The model not only had definite physical meanings in its inner nodes, but also had strong self-adaptability, anti interference ability, high recognition precision, and high velocity, thereby meeting the demand of high-precision flatness control for cold strip mill and providing a convenient, practical, and novel method for flatness pattern recognition.

神经网络在低渗透油田试井解释中的应用

A油田是吉林油区开发较好的典型低渗透砂岩油藏 ,其试井解释比较复杂 ,压力恢复曲线出现径向流的井次仅占总井次的 2 0 %～ 30 %。图形识别 +神经网络BP算法 +试井解释软件三位一体的联合技术能使未出现径向流的大部分井的压力恢复资料得到很好应用。该技术具体步骤为 :(1)分析解释有径向流的井的双对数图和半对数图 ,找出续流段的伪斜率 (m1)、拐点处的伪斜率 (m2 )、过渡段的伪斜率 (m3 )和径向流直线段斜率 (m) ;(2 )利用神经网络BP算法 ,构建m1,m2 ,m3 与m之间的数学关系 ;(3)将未出现径向流的井的基础测试资料录入到试井解释软件中 ,求出m1,m2 ,和m3 ,利用BP算法求出m ;(4 )把以上参数代入进行拟合 ,直到双对数图、半对数图和历史拟合图三条曲线完全拟合为止。

基于神经网络的机动车号牌字符识别

以定位、分割后的机动车号牌字符为研究对象.首先,对机动车号牌图像进行大小、灰度方差、灰度均值的标准化处理.其次,根据机动车号牌字符的特点,抽取字符3种不同的特征,构造3个BP神经网络对机动车号牌字符进行识别.并根据字符在机动车号牌中所处位置的差异,在每个BP神经网络中构造4种不同的子网络分别进行训练和识别.最后,每个BP神经网络的输出通过加权求和的组合方式得到最终识别结果.在组合各网络输出前,采用对字符图像求取局部二阶差分值的方法,将字形相近的字符进行再分类,从而有效地降低误识率.通过分析实验结果,表明本算法在机动车号牌识别应用中达到了理想的识别效果.

前馈神经网络的岩性识别方法

测井资料的地质解释是测井过程中十分重要的环节。岩芯资料少，测井资料较多及测井参数分布的模糊性，是岩性识别中的困难所在。在引入前馈神经网络方法的基础上，以取芯井岩芯与测井参数的对应关系作为识别模式，经过向识别模式学习获得模式识别智能知识，从而利用这些智能知识去识别未取芯井的测井岩性。通过对胜利油田永一地区沙河街组四段测井岩性的计算机判识，正确判别率达１００。应用结果表明，神经网络方法性能良好。

用于模式识别的前馈式神经网络区域映射模型

提出了一种新的用于模式识别问题的前馈式神经网络模型———区域映射模型 .该模型将输入空间每一类的特征参数区域映射成输出空间中对应的一个区域。模型具有训练和实际应用中分类标准相一致的性质 ,使模式识别分类更为合理和自然 ,相应的误差函数的改变可以加快网络的训练速度 .