首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 109 毫秒

1.  基于改进BP神经网络的柘林湾水质综合评价模型  被引次数:1
   林小苹  黄长江  杜虹  陈旭明《数学的实践与认识》,2004年第34卷第11期
   建立了基于改进 BP神经网络的柘林湾水质综合评价模型 .实验结果表明 ,新模型的网络训练收敛速度比未改进的模型快、误差更小 ,而且能克服 BP网络所存在的“过拟合”现象 .因此 ,它的泛化能力强 ,结果客观、合理 .    

2.  级联神经网络用于单扫描示波极谱信号的测定  被引次数:1
   仲红波  周长利  张霞  陈明俊  赵笛思  李关宾《分析试验室》,2005年第24卷第12期
   将改进小波神经网络与BP神经网络相结合,提出一种新的混级联神经网络结构,用于单扫描示波极谱信号的同时测定。通过对网络结构的优化和网络参数的调整,加快了训练速度,提高了预测的准确度。用该法对邻、间硝基氯苯混合样进行了预测,结果满意。对级联神经网络法与单一BP神经网络法的预测结果进行了比较,表明级联神经网络优于单一BP神经网络。    

3.  用遗传BP网络求高聚物的ZWT非线性粘弹方程的力学参数  
   舒雅琴  曾锦光  徐圣进《宁波大学学报(理工版)》,2002年第15卷第1期
   结合遗传算法及BP神经网络的特点,构建了一个新的有机体-遗传BP网络,并对遗传BP网络进行了测试。结果表明遗传BP网络在收敛速度及收敛稳定性方面都有很好的效果。最后给出了一个用遗传BP网络求高聚物的ZWT方程的力学参数的实例。    

4.  基于改进BP神经网络的电力负荷预测  
   王吉权  王福林  董志贵  汤岩  田占伟  吴昌友《数学的实践与认识》,2017年第9期
   在现有文献研究的基础上,对BP神经网络进行了深入研究,提出了一种新的LAFBP模型,给出了模型的标准BP算法、改进BP算法、权值和阈值的初始化方法.在此基础上,用新的LAFBP模型与传统的标准BP模型对黑龙江省巴彦县的电力负荷进行了预测.预测结果表明,新的LAFBP模型不仅克服了传统的BP模型外推效果不好的缺点,而且在模型的拟合精度、学习时间和学习次数方面明显优于传统的BP模型.    

5.  MEA-BP模型在遥感影像分类中的应用研究  
   王海军《数学的实践与认识》,2017年第2期
   遥感影像分类作为遥感技术的一个重要应用,对遥感技术的发展具有重要作用.针对遥感影像数据特点,在目前的非线性研究方法中主要用到的是BP神经网络模型.但是BP神经网络模型存在对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.因此,为了提高模型遥感影像分类精度,提出采用MEA-BP模型进行遥感影像数据分类.首先采用思维进化算法代替BP神经网络算法进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于思维进化算法的BP神经网络分类模型,并将其应用到遥感影像数据分类研究中.仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值.    

6.  提升小波包和改进BP神经网络相融合的新故障诊断算法  
   谭晓东  覃德泽《应用声学》,2014年第22卷第8期
   针对传统的小波变换和BP神经网络应用于故障诊断中存在自适应性差、效率低等问题,提出一种提升小波包和改进BP神经网络相融合的新故障诊断算法;利用插值细分思想,设计了提升小波包的预测算子和更新算子,结合传统小波包算法和提升模式的原理,完成了提升小波包算法的设计,并将该算法应用于故障信号的消噪和能量特征量的提取;利用遗传算法优化标准BP神经网络的初始权值和阈值,采用L-M算法优化标准BP神经网络的搜索方式;以美国凯斯西储大学提供的滚动轴承实验数据,将新算法应用于实验中,分析结果表明:新故障诊断算法比传统的BP神经网络算法具有收敛速度快、诊断精度高等实效性。    

7.  AGA-BP模型在遥感影像分类中的应用研究  
   王海军《应用声学》,2017年第25卷第5期
   作为遥感研究的关键技术,遥感影像分类一直是遥感研究热点;针对目前采用BP神经网络模型进行遥感影像分类时存在的对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题,为了提高BP模型遥感影像分类精度,将自适应遗传算法引入到BP网络模型参数选择中;首先运用自适应遗传算法对BP模型权阈值参数进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于自适应遗传算法的BP网络分类模型,并将其应用到遥感影像数据分类研究中;仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值。    

8.  基于PSO_Trainlm BP模型的图像去噪研究  
   王海军《数学的实践与认识》,2014年第21期
   针对在使用BP模型进行图像去噪时,模型存在的对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.为了提高模型去噪效率,提出采用改进粒子群神经网络模型进行图像去噪.首先运用改进粒子群算法对BP神经网络权阈值进行初始寻优,再用trainlm BP算法对优化的网络权阈值进一步精确优化,随后建立基于粒子群算法的BP神经网络去噪模型,并将其应用到图像去噪研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP算法的局部搜索能力,减小了模型对初始权阈值的敏感性,有效防止了模型陷入局部极小值的可能,提高了图像去噪模型的速度和质量.    

9.  基于LM算法的BP神经网络的电力负荷短期预测  
   刘进波  陈鑫  李新花《经济数学》,2015年第2期
   通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.    

10.  改进误差反向传播(BP)神经网络在图像压缩中的应用  
   李季《应用光学》,2013年第34卷第6期
    针对空间遥感图像数据量剧增的问题,提出一种改进的BP神经网络图像压缩方法。该算法利用Levenberg-Marquart算法提高神经网络的收敛速度,利用α算法提高神经网络的泛化能力。比较分析了新算法和标准BP算法对同一幅图像进行压缩的结果和性能误差函数。实验结果表明,实验结果表明,标准BP算法在图像压缩比为1/2时,均方误差(MSE)为343.3750;改进后的BP算法在图像压缩比为1/16时,MSE为69.5796,图像压缩比为1/8时,MSE为20.9561,图像压缩比为1/4时,MSE为5.5123。并且利用改进后的算法压缩图像的峰值信噪比均在30 dB~40 dB之间。改进算法已用于实际工程中,满足实际需求。    

11.  改进PSO-BP算法在飞机剩余油量测量中的应用  
   高娜  屈志宏  茹常剑《应用声学》,2012年第6期
   针对飞机在飞行时油箱因受震动引起油面起伏不平,导致原有静止状态时的计算模型产生较大测量误差,提出采用BP神经网络的预测飞机剩余油量;但由于BP神经网络存在学习效率低、收敛速度慢和易陷入局部极小等局限,采用改进粒子群算法优化BP神经网络的训练;将改进PSO-BP算法用于飞机剩余油量的测量,实验结果表明,与传统BP学习算法比较,改进PSO-BP算法具有训练时间短,相对误差小,控制精度高等优点,有效地提高了油量测量的精度。    

12.  基于改进BP算法的Elman网络在软基沉降预测中的应用  
   陈述存  高正夏《力学学报》,2006年第14卷第3期
   E lm an网络具有动态特性好,逼近速度快,精度高等特点,本文结合软基沉降的基本特征,建立了E lm an网络软基沉降预测模型。考虑到经典BP算法的缺陷,采用改进BP算法对网络进行训练学习。实例分析表明,本文所建立的E lm an网络模型具有一定的可靠性和实用性。    

13.  基于BP神经网络的多传感器信息融合研究  
   夏菽兰  赵力《应用声学》,2015年第23卷第5期
   BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著。从传感器信息融合的角度看,神经网络就是一个融合系统。通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求。    

14.  模糊神经网络的一种快速学习算法  
   阿孜古丽·牙会甫  帕力旦·吐尔逊  吐尔根·依布拉音《新疆大学学报(理工版)》,2007年第24卷第3期
   本文对文献[1]《一种改进的模糊参数神经网络学习算法》中提出的F-BP算法进行分析研究,提出了一种效率更好的快速F-BP学习算法.在此算法中对模糊数的计算方法进行改进,减少了模糊神经网络训练及推理中的运算量,从而提高学习效率.    

15.  基于多级BP神经网络的无线电罗盘多故障诊断研究  
   赵文俊  黄家成  孙艳玉  宋家友《应用声学》,2015年第23卷第6期
   【】本文针对过拟合现象提出了基于提前停止法的学习率可变BP算法,运用多级BP神经网络诊断思想,提出了基于多级BP神经网络的多故障诊断方法。文中根据BP神经网络改进算法和网络撕裂法,对具体的机载无线电罗盘测向电路建模仿真,将复杂的无线电罗盘电路分解为3个子网络,并对每个子网络建立合适的故障集,快速准确诊断得出电路中的故障模块。    

16.  基于改进BP神经网络的中央空调冷负荷预测研究  
   王蕾  张九根  李腾  陈实《应用声学》,2014年第22卷第6期
   针对中央空调系统冷负荷预测中BP神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,采用了收敛速度快,全部搜索能力强的粒子群优化算法进行改进,同时对BP结构中的输入参数,添加控制误差反馈参数,形成了基于粒子群与控制误差回馈的BP神经网络预测技术;其预测精度较BP神经网络和粒子群BP神经网络分别提高5.94%和0.82%。    

17.  基于粒子群算法优化BP神经网络漏钢预报的研究  
   肖俊生  任祎龙《应用声学》,2015年第23卷第4期
   针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统 BP 网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和 BP 网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景。    

18.  基于遗传粒子群算法的模拟电路故障诊断方法研究  
   祁 涛  张彦斌  蒋有才《应用声学》,2015年第23卷第12期
   提出一种基于小波包分解、归一化处理、遗传粒子群优化算法(GAPSO)和BP神经网络相结合的模拟电路故障诊断新方法。该方法使用小波包分解获取各尺度函数空间上的能量特征信息作为特征向量输入神经网络。利用遗传粒子群算法优化BP神经网络的权值和阀值,有效克服BP神经网络极易陷入局部极小等缺陷。通过Multisim仿真电路实例,比较GAPSO-BP和BP神经网络的诊断结果,验证了该方法的有效性。    

19.  基于IGA-BP神经网络和专家系统的我国银行流动性风险预警研究  被引次数:1
   任飞  聂溱《数学的实践与认识》,2007年第37卷第6期
   以因子分析主成分方法选取预警指标;以免疫遗传算法对BP神经网络收敛速度较慢、易陷入局部极小等缺陷进行改进,形成IGA-BP神经网络.采用IGA-BP神经网络对银行的流动性风险进行预警,并提出以拥有强大知识库的专家系统对其输出的预警信号进行进一步核准和验证,确保预警信号的有效性,构建我国商业银行流动性风险预警机制.    

20.  基于BP神经网络的企业信用评估模型  被引次数:3
   何跃  蒋国银  刘学生《经济数学》,2005年第22卷第1期
   本文研究了企业信用评估中的模型问题.以商业企业为例,阐述了基于BP神经网络的信用评估模型的原理,通过建立指标体系,讨论基于BP神经网络的评价模型的实现,对模型的不足进行了分析,并提出改进建议.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号