具有脉冲的高阶时滞Hopfield神经网络的全局指数稳定性

高阶Hopfield神经网络可以看作是Hopfield神经网络的扩展,相对一阶神经网络而言,高阶神经网络在存储能力、逼近能力、容错水平和收敛速度等方面具有更强大的能力.利用构造合适的Lyapunov泛函,应用不等式性质,研究了一类具有脉冲的高阶时滞Hopfield神经网络的动力学行为,得到了确保该系统的平衡点全局指数稳定的充分判别条件.通过两个仿真例子,说明所得结论的有效性.     

混合优化RBF-BP网络的板形缺陷识别

针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法。首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题。然后利用遗传算法(GA)良好的全局搜索能力优化整个网络的权值。RBF-BP组合神经网络是由一个RBF子网和一BP子网串联构成的,该网络同时具备BP神经网络能较好地预测未知样本的能力以及RBF神经网络的逼近速度快的优点。并以某900HC可逆冷轧机板形识别为应用背景,在MATLAB2010a环境下进行仿真实验,结果表明混合优化RBF-BP组合神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形缺陷识别精度并具有较好的鲁棒性,可以满足板带轧机高精度的板形控制要求。     

基于BP神经网络的手写体数字的识别方法研究

对手写体数字的识别问题进行了讨论,提出一种基于BP神经网络的识别方法.从而提高了识别效率.主要就在识别时,数字在图片上的位置和数字本身大小方面做了改进,发现数字在图片上的大小和其在图片上的位置直接影响识别效果.具体做的是,首先提取了图片的轮廓,然后归一化成28×28的图像.这样做,不仅使得图像数字区域大小相同,而且都在图像中心上,使得识别结果变的更加理想化,达到了高识别的目的.另外,选择了容错性较好的BP网络,以200组手写体数字图像作为输入向量,以其他的110组进行识别,效率达到了90%.     

粒子群优化模糊神经网络在语音识别中的应用

针对模糊神经网络训练采用BP算法比较依赖于网络的初始条件,训练时间较长,容易陷入局部极值的缺点,利用粒子群优化算法(PSO)的全局搜索性能,将PSO用于模糊神经网络的训练过程.由于基本PSO算法存在一定的早熟收敛问题,引入一种自适应动态改变惯性因子的PSO算法,使算法具有较强的全局搜索能力.将此算法训练的模糊神经网络应用于语音识别中,结果表明,与BP算法相比,粒子群优化的模糊神经网络具有较高的收敛速度和识别率.     

小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

Hopfield型神经网络的全局指数稳定性及其应用

若Hopfield型连续反馈神经网络连接权阵的矩阵测度小于神经元的电阻常数与增益参数的最大乘积的倒数,则对于任意的网络外部输入,该网络系统都是全局指数稳定的,该倒数就是保证此结论成立的矩阵测度的最大可能上界,上述结论部分回答了Vidyasagar提出的关于Hopfield型神经网络的一个公开问题:具有“几乎对称”连接权阵的神经网络是否会出现极限环?揭示了网络时间常数与全局指数收数收敛速度之间的内在关系,最后说明了分析结果在最优化计算中的应用.     

BP网络和RBF网络在期货预测中的比较研究

通过仿真实例,对BP网络和RBF网络在期货预测应用上的表现性能进行了比较研究,仿真结果表明,BP网络更适合于期货市场价格预测.实际的期货预测应用中,此结论可指导神经网络模型的选择.     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

基于BP神经网络的炮兵战场目标识别模型

战场目标的识别是一个相当复杂的过程,为了实现识别的自动化和计算机化,采用BP神经网络方法构造数学模型,选取合适的输入、输出及隐性结点,通过反复的学习和测试就可以得到符合实际的结果,从而为指挥员判断敌情提供决策依据.选取常用的音响、闪光、烟尘、机动和配置五种目标特征信息作为输入结点,通过多次仿真测试,说明运用BP神经网络进行战场目标识别是可行的,这也为情报处理自动化系统的实现提供了一个可靠的方法.     

离散Hopfield神经网络分析

利用Euler格式得到了一个含有三个神经元的多延迟离散Hopfield神经网络模型.利用离散动力系统理论研究了该模型的线性稳定性,得到了模型稳定及出现Hopf分支的条件.最后,数值仿真验证了所得的结果.     

Intelligent Crack Recognition Based on XFEM and GA-BP Neural Networks北大核心CSCD

基于扩展有限元法(XFEM)和经遗传算法(GA)优化的误差反向传播多层前馈(BP)神经网络(GA-BP)算法,建立了识别结构中裂纹的反演分析模型。模型通过XFEM正向分析获得的测点位移数据训练GA-BP神经网络,并在此基础上利用该网络进行裂纹反向识别。通过两个典型算例对模型的可行性和精度进行了验证,并探讨了网格密度、测点布置、输入数据噪声等对网络识别精度的影响。结果表明,该文的方法可反演线弹性断裂力学重点关注的直线裂纹的几何信息且具有较好的容噪性能,此外,GA-BP神经网络的预测精度较传统BP神经网络普遍更高。     

数据挖掘在房地产价格预测中的应用研究

通过基于数据挖掘理论的粗糙集和神经网络的研究,用属性约简算法约简并提取了影响房地产价格的主要指标因素,对降维后的数据进行网络学习和训练,最后用训练好的的网络检验测试样本.方法使学习训练的速度和识别率提高了,为房地产价格预测提供了一种更为有效和实用的新途径.     

模糊Hopfield网络及其模糊聚类功能研究

本文提出了一种能进行模糊逻辑计算的Ｈｏｐｆｉｌｅｄ型人工神经元网络，ＦｕｚｚｙＨＮ的神经元对应模式集合中的元素，模式间的模糊相似关系作为联结神经元的权值矩阵被存储在ＦｕｚｚｙＨＮ中。本文对ＦｕｚｚｙＨＮ的稳定性及模糊聚类功能进行研究，获得了良好的理论分析结果和实验研究结果。     

基于改进PSO-BP神经网络的贮存可靠性预测

贮存可靠性是军事储备质量监测的重要环节,科学准确地预测贮存可靠度是现代化军事评估的必然要求。针对历史贮存数据,建立可靠度与年限的贮存可靠性预测模型,采用进化策略改进粒子群算法(PSO)优化BP神经网络进行贮存可靠性预测。通过数据扩充提高样本质量和数量,应用改进后的PSO算法优化BP神经网络的初始权值和阈值,提高网络的泛化能力。PSO算法较好的全局搜索能力与BP网络很强的局部搜索能力相结合,能够避免早熟现象,提高算法的收敛速度及预测精度。实验结果表明,改进的PSO-BP网络模型比PSO-BP和BP神经网络获得更好的预测性能。     

基于特征提取与神经网络的音乐分类方法

首先用离散傅立叶变换对音乐进行预处理,然后根据不同类型音乐的统计规律提取了特征向量.最后利用BP神经网络对特征向量进行训练,建立了一种基于神经网络的音乐分类方法.仿真实验结果表明,方法是一种有效的分类方法.     

混沌遗传算法对BP神经网络的改进研究

BP神经网络算法是目前应用最广泛的一种神经网络算法,但有收敛速度慢和易陷入局部极小值等缺陷.本文利用混沌遗传算法(CGA)具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法.该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化.把混沌变量加入遗传算法中,提高遗传算法的全局搜索能力和收敛速度;用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值.通过实验观察,改进后的结果与普通的BP神经网络算法的结果相比,具有更高的准确率.     

二阶Hopfield神经网络周期解的存在性

本文讨论了一类带有时滞的二阶Hopfield神经网络周期解的存在性问题。首先利用Brouwer不动点定理证明了平衡点的存在性,通过平衡点和拉格朗日中值定理,将高阶神经网络模型转换为一阶模型,然后利用重合度理论给出了周期解存在的充分条件。