基于BP神经网络的混沌时间序列预测方法及应用研究

神经网络在时间序列的预测中得到广泛的应用,但神经网络模型的输入层神经元个数的选取仍然没有一个明确的解析式来表达.为解决这个问题,在非线性动力系统中,根据混沌理论重构相空间,通过最大Lyapunov指数判定时间序列是否存在混沌现象,存在则通过G-P算法计算出混沌吸引子的关联维数,进而获得相空间的嵌入维数作为神经网络的神经元个数.通过上述方法对铝现有价格进行建模,验证该方法对时间序列的短期预测有较好的精度,在此基础上,对未来一段时间铝价格进行预测.     

混沌神经网络中的超混沌

神经网络是高度复杂的非线性动力系统,存在着混沌现象.通过消除暂态混沌神经元的模拟退火策略,产生了一种可以永久保持混沌搜索的混沌神经元.研究由4个该混沌神经元连接的混沌神经网络的拓扑结构,分析了混沌神经网络的Lyapunov指数谱,发现混沌神经网络中存在超混沌现象;同时,研究了参数变化对混沌神经网络Lyapunov指数谱的影响.     

混沌神经网络中的超混沌复杂性研究

在混沌保密通信中,混沌的复杂性是评估算法安全性的重要指标.通过对一种典型混沌神经网络的Lyapunov指数、相关函数、输出序列的频谱和功率谱等特征函数的综合分析,发现混沌神经网络中存在超混沌现象,并对其复杂性进行综合评价.同时,研究了参数变化对混沌神经网络Lyapunov指数谱的影响并进行了实验,结果表明,网络的输出状态可根据需要进行改变.     

应用混沌机制的BP神经网络对游客数量预测

以河北省国内游客数量为研究对象,依据国内旅游者相关的统计资料,运用混沌BP网络对河北省国内游客数量建立预测模型进行计算。结果表明该算法快速有效,从而验证了该算法在旅游预测中的优势。     

基于混沌粒子群优化BP神经网络的网络安全风险评估系统设计

网络规模不断扩大的同时,也容易受到各种安全风险的威胁,因此,必须对网络安全风险进行准确评估。传统的评估系统中存在的趋势性、周期性以及随机性影响评估准确率的问题,导致评估的结果大都不准确;为此,提出并设计了基于混沌粒子群优化BP神经网络的网络安全风险评估系统。首先对系统的硬件进行了设计,并得出了设计的框图;然后使用混沌粒子群的优化算法和BP神经网络的算法对系统的软件进行了设计;最后进行了对比的实验。实验结果表明,该系统能够更好的协调,并处理评估过程中出现的问题,不会受到趋势性、周期性以及随机性的影响,能够更好的发挥网络安全评估的效果,提高评估的准确率,减小相对的误差。     

基于改进BP神经网络的混沌时间序列预测方法对比

针对BP神经网络预测混沌时间序列存在的易陷入局部极小值和收敛速度较慢的问题,选取了两种改进预测模型,即GA-BP预测模型和PSO-BP预测模型。并将这两种模型对Lorenz混沌时间序列进行了预测比较实验。实验表明,两种改进模型比BP神经网络预测模型具有更好的预测性能,并且PSO-BP预测模型较GA-BP预测模型的预测精度更高。     

基于混沌PSO—DV优化BP神经网络的汽车故障诊断

针对传统的PSO优化BP网络的局限性,提出了一种混沌PSO—DV算法和BP神经网络的混合算法．该算法具有混沌算法的局部搜索遍历性,DE算法的种群多样性及BP神经网络的快速搜索能力等优势．仿真结果表明,混沌PSO—DV优化的BP神经网络应用于汽车发动机故障诊断,使得故障诊断的效率和准确率得到了很大的提高．     

一个新混沌系统的动力学特性研究和电路仿真

对一新三维自治混沌系统进行动力学行为分析,分析了该系统的平衡点的稳定性,验证了混沌系统对初值的敏感性,并给出了Lyapunov指数谱。在Multisim软件平台下对该混沌系统进行电路设计与仿真,仿真结果与理论分析一致。     

一种在线实时快速判定混沌的智能方法

在某些实时控制系统中,必须尽快地识别出混沌,以便及时采取控制措施避免系统进入无序状态..然而现有的混沌识别方法由于要求样本量大,无法满足实时性的要求.本文提出了一种在线实时快速判定混沌的智能方法,通过找出产生混沌的初始条件和混沌之间的对应关系,可以在混沌产生之初检测到混沌.本文利用神经网络,小波包等工具在MATLAB环境下对交通仿真系统给出了智能方法的具体实现.给出了仿真试验的结果.结果表明只需32个样本点就可以在混沌产生之初精确地检测到混沌,可以很好地满足混沌检测实时性的要求.     

基于BP神经网络的皮肤病诊断方法

自动诊断系统是当前人工智能研究中的一个重要课题，有着十分广泛的应用前景。本文提出了基于BP神经网络的皮肤病诊断方法，讨论了网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值的初值选取问题。对366名皮肤病患者的数据做了自动诊断识别实验，实验结果表明，文中所设计的神经网络诊断方法比常用的最近邻方法更有效地降低了诊断错误率。     

基于BP神经网络的癫痫脑电信号识别研究

为了有效识别癫痫脑电信号,建立了基于误差反向传播（BP）神经网络的癫痫脑电信号识别模型,并提出了一种适合于非平稳脑电信号的特征提取方法。本文以临床采集的包含癫痫发作期的五组500个EEG公共数据为样本,选择了具有任意多分辨分解特性的小波包．对信号进行多尺度分解,提取了各级节点的小波包系数。将小波包系数能量作为特征值,构建了特征向量并输入到BP神经网络分类器中进行自动识别。实验结果表明,该算法的识别率达到了92．5％。     

基于BP神经网络的股票价格预测

影响股票价格变动的因素有很多,且股票数据具有高度的非线性和时变性等特征,因而采用经典线性时间序列模型可能无法完全提取非线性部分的信息.针对这一问题,建立了BP神经网络模型、PCA-BP神经网络模型、GA-BP神经网络模型和ARIMA(6,1,6)模型对上证综合指数的收盘价格进行预测.计算各预测模型下的统计指标RMSE和MAE,并对4个模型进行对比分析.结果表明,GA-BP神经网络预测模型与其它三种模型相比具有更小的误差,也就是说GA-BP神经网络预测模型对上证综合指数的收盘价格预测效果更好.     

基于BP神经网络诊断桥梁结构故障

改进BP算法加快其收敛速度,将其应用于诊断悬梁板的故障.通过仿真实验验证该算法可行有效,可实现故障裂纹位置的预测,提高故障识别率28.01%.     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

津酒集团利润混沌神经网络预测

津酒集团是天津酒类市场的龙头企业,其利润的预测对于许多管理者都能提供重要的信息。以非线性动力学混沌理论为工具,计算出漳酒集团月利润的Lyapunov指数,揭示了利润混沌特性,计算出了利润的可预报尺度,然后利用混沌理论结合人工神经网络方法对津酒集团月利润进行了预测,预测检验结果比较理想。     

模糊混沌神经网络的构建方法研究

基于混沌神经网络的构建过程,提出一种构建模糊混沌神经网络(FCNN)的方法,在介绍了BP算法及混沌神经网络概念的基础上,给出了混沌BP算法,并提出了基于混沌BP算法的模糊混沌神经元的动态模型,从而构建模糊混沌神经网络。主要讨论所构建的模糊混沌神经网络的模糊特性、耗散性和李亚普诺夫性能指标。给出了模型具有模糊特性的几个特征,以及满足耗散性和混沌特性的条件。仿真实验表明所提出的模糊混沌神经元模型既具有模糊特性又具有混沌特性。     

基于BP神经网络的变压器故障诊断方法

本文利用BP神经网络对变压器进行故障诊断。该方法以变压器油中特征气体的含量作为输入参数,输入到经过训练之后的BP神经网络,经过实际输出与期望的对比分析表明,采用该方法对变压器进行故障诊断是有效的。     

基于小波分析和神经网络的胎儿心电提取

通过小波分析方法和自适应线性神经网络相结合,对围产期母体腹壁混合心电信号进行处理,采用两种方案进行仿真并分析对比。分别采用小波变换和小波包分解技术对心电信号消噪处理,探索一种提取出胎儿清晰心电信号的方法,为下一步胎儿心电信号特征提取和健康状况的诊断奠定基础。实验结果表明,先提取胎儿心电信号,再进行消噪处理效果较好。     

基于DCT和BP神经网络集成的人脸识别

人脸识别是模式识别和图像处理领域的研究热点和难点,尽管已提出了许多方法,然而如何在变化的环境下实时、高效地识别人脸仍是一个难题.鉴于离散余弦变换(discrete cosine transform,DCT)有较高的压缩性能和快速算法以及集成神经网络良好的泛化能力,提出了基于DCT和神经网络集成的人脸识别方法.首先用DCT提取人脸特征矢量,然后构建集成BP(back propagation)神经网络对人脸进行分类识别.在ORL(olivertti research laboratory)人脸库上的仿真实验结果表明,提出的方法取得了较快的训练和识别速度、较高的识别率,因此该方法是一种快速高效的人脸识别方法.