一种改进BP神经网络算法的编程及应用

采用附加动量并结合动态调整学习率改进BP算法，用MATLAB语言完成该算法程序的编写，并将其应用于处理光催化降解直接橙S水溶液的数据．该程序对训练集和预测集计算结果的相关系数R分别为0．9723和0．9452，处理效果良好．     

一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。     

一种改进的神经网络BP算法

提出同时对神经元温度常数Ｔ、位置常数θ、联接权值Ｗ进行调整的观点,并推导出相应的学习算法公式。对比试验表明：所给出的改进算法能有效地减少节点数、加速训练进程认识精度。     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

制冷系统稳态仿真算法研究

针对目前制冷系统稳态仿真算法设计不规范造成的概念和逻辑上的混淆，提出一种通用的算法设计方法，分别对迭代判据的确定，迭代变量的选择和标准算法的设计给出了完整的操作准则和步骤，通过标准算法的压缩和特例分析，统一了一些常见的特殊算法，以单级二级压缩制冷系统为例，对通用算法设计方法进行了详细阐述，该算法有助于提高仿真软件的研发效率和改进相关课程教学中的薄弱环节。     

一种改进的BP算法在工程造价预测中的应用

针对在神经网络中得到广泛应用的BP算法难以确定隐节点个数的缺点,提出了一种动态调整隐节点数的改进的BP算法,以恰当确定隐节点数。在收集相似工程有关资料的基础上,考虑物价波动的影响,应用上述算法对工程造价进行预测。算例结果表明：该方法所得的工程造价预测值精度令人满意,具有应用价值。     

一种BP神经网络的改进方法及其应用

针对BP神经网络中学习因子取值小、收敛性好但训练时间长，学习因子取值大、权值变化剧烈但可能导致振荡的情况，提出了一种修正学习因子的方法，即给学习因子前加一比例因子，在网络权值调整过程中自动调整学习因子的大小，使网络训练时间短，而且收敛效果较好。仿真结果表明，在导弹指令跟踪中，改进算法比原来算法优越得多。     

一种改进的BP算法

传统的BP算法收敛速度慢，利用附加动量因子和自适应学习速率改进了传统的BP算法，它对于BP网络结构优化，提高收敛速度有明显效果.     

一种改进的BP算法

为了克服BP算法易陷入局部极小、收敛速度慢等缺点,笔者利用非线性最小二乘法对其进行了改进.结果表明,采用改进后的BP算法来训练神经网络,能在一定程度上提高神经网络的收敛速度,具有学习速度快、识别能力强等优点.     

一种改进的BP算法在消费水平中的应用

通过对标准BP算法的改进,提出了一种L-M贝叶斯正则化优化算法,并把它应用到成都市居民消费水平预测中.经试验验证,L-M贝叶斯正则化的BP神经网络比相同条件下另外两种改进算法有更强的泛化能力,对居民消费水平有很好的预测效果.     

改进 BP 反传算法在智能控制系统中的应用

在一般的基于神经网络的智能ＰＩＤ控制基础上，针对受控模型参数、系统设定值以及扰动幅值在大范围内变化的情况，探讨并建立了ＢＰ反传算法学习速率与受控模型参数、系统设定值以及扰动幅值的关系，神经网络控制器可在线调整学习速率，使控制系统具有较强的适应能力和较好的调节品质．     

基于改进粒子群算法的BP神经网络在边坡稳定性评价中的应用

边坡稳定性分析与评价是边坡工程的核心内容,具有高度非线性和不确定性特征。首先,选取了多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、粘聚力、坡角、坡高、孔隙比六个主要影响因素作为土坡稳定性的评价判别指标;然后,采用改进的粒子群算法优化BP神经网络模型,将网络权值和阈值粒子化,通过引入粒子群进化度和粒子群聚合度实现惯性权重的动态变化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而增强算法对非线性问题的处理能力,加快了收敛速度;最后,通过与其它边坡稳定性评价算法进行比较分析,表明了本文研究算法的可行性与合理性。     

基于改进BP网络的工程车辆自动换挡策略

工程车辆传动系统复杂多变,传动效率低下,难于用传统的方法解决。通过对工程车辆传动系统进行建模分析,推导出工程车辆传动系统动力学模型,在此基础上对四参数自动换挡策略进行研究。针对常规BP神经网络收敛速度慢、存在所谓“局部最小值”等缺陷,采用了变步长法和动量梯度下降反向传播算法对常规BP网络进行改进,并将其应用于自动换挡控制。使用换挡控制试验数据对改进BP算法网络进行训练,最后进行仿真试验。结果表明,该换挡规律能使提高传动系统效率,改进BP（IBP）神经网络能够缩短网络训练时间,并能根据车辆运行状态确定最佳挡位。     

BP算法用于系统辨识的研究

讨论BP算法用于系统辩识时样本数的选取对训练速率的影响。确立一种选取每一时刻学习样本数的标准，在此标准下，既能保证训练网络的相对稳定性，又能大大加快其收敛速度。     

非线性系统的改进BP神经网络状态观测器设计

针对活性污泥污水处理非线性系统中,由于某些状态变量不能在线检测时状态观测器的设计问题,本文采用了一种基于改进激励函数的变步长BP神经网络状态观测器设计方法,设计了改进BP神经网络状态观测器,并进行了容错性实验以验证该观测器的实用性和可靠性.     

基于改进BP算法的电力系统谐波分析

在选取BP神经网络对谐波进行分析时,考虑到BP网络存在的缺点和不足,对BP网络进行改进。通过把FFT和改进的BP网络结合起来,实现对谐波的实时分析。该方法先对采样信号进行FFT运算实现预处理,得到谐波个数和谐波次数;然后根据谐波的个数来确定神经元的个数,通过谐波次数设定神经网络参数迭代的初始值;最后对改进的神经网络进行训练,可以实现谐波的精确分析。所提出的BP改进算法有效地提高了谐波分析的精度,实时性也得到了改善。