简介：近两年神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。迄今为止，在人工神经网络研究领域中，有代表性的网络模型已达数十种，其中误差逆传播神经网络也简称BP(BackPropagation)网是我们研究的重点内容。神经网络研究热潮的兴起是本世纪末人类科学技术发展全面飞跃的一个组成部分。它与多种科学领域的发展密切相关，纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子、生命起源等科学领域的进程之中历经了崎岖不平之路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。

简介：摘要目的利用反向传播神经网络（BPNN）算法，建立一种可以识别血糖项目随机误差的实时质控新方法并评价模型效能。方法通过北京朝阳医院实验室信息系统导出2019年1月至2020年7月在西门子advia2400分析系统上报告的全部患者血糖信息，共计219 000条，作为本研究的无偏数据。人为引入6个偏差生成相应的有偏数据，每种偏差下用2种算法测试。进行计量学及临床评价。结果BPNN步长设置为10，全部偏差下假阳性率均在0.1%以内；MovSD的最佳步长为150，拦截限为10%，全部偏差下假阳性率为0.38%，比BPNN高0.28%。MovSD在0.5与1误差因子下全部未检出，误差因子>1之后，可检出，但MNPed偏高；而BPNN在全部偏差下MNPed均低于MovSD，两者相差最高达91.67倍。计量学溯源过程生成460 000条参考数据，采用参考数据评定BPNN模型的不确定度仅为0.078%。结论成功建立了基于BPNN算法识别检测过程随机误差的实时质控方法，模型准确度高，临床效能显著优于MovSD方法。

简介：摘要：BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络。

简介：本文针对标准BP算法的不足给出了改进算法——ScaledConjugateGradient（SCG算法），利用Matlab语言编制了BP网络的应用实例仿真程序。结果表明SCG算法的学习收敛速度大大地优于标准BP算法。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

简介：根据典型TCSC的补偿原理和结构提出一种基于线路无功电流控制的补偿方法，即当线路发生变化时，通过TCSC的调节保持其无功电流稳定，从而提高线路的输电能力和运行稳定性。针对TCSC现有控制方法中不能有效处理系统的非线性问题，采用先进的基于DSP处理器的神经网络算法，根据实际误差利用LM算法和DFP算法结合来完成，并给出了可靠的算法流程。

简介：为了进一步优化神经网络算法,提高网络神经算法的速率并提高其稳定性,就现有BP算法所存在的收敛速度慢以及容易陷入局部极小值的弊病,我们将进一步通过一般改进算法解决在神经网络结构优化过程中依然无法解决的问题。依据遗传算法的特征,进一步在经过改进的压缩映射遗传的基础上提出了BP神经网络优化方案。泛函分析中压缩映射原理的应用,一方面解决了困扰人们的BP神经网络算法所固有的缺点,显著地提高了神经网络算法的收敛速度,而且解决了BP神经在运行的过程中和网络连接权值初值的取值紧密相连的缺点。经过大量的计算我们得到如下数据：经过优化改进后,训练时间节约了8.3%,训练步数降低了近17.4%。经过大量的研究实验表明：经过改进后的BP神经网络算法取得了良好的效果,十分具有应用价值。

简介：摘要：众所周知，我国目前处于一个重要信息化和智能化背景之下，各种智能技术已经在各个领域内进行运用，并且随着时间的推移，这些智能技术均起到了很好的效果和作用，人脸识别技术正是其中之一。在现代社会发展过程中，人脸识别系统和算法已经在信息验证、人物信息识别等等方面进行运用，而且现代国内的电子商务和网络银行开始广泛进行运用，因此人脸识别算法无论是在当前还是未来的发展进程中，均具有很好的发展和应用前景，因此，在后续的发展过程中，需要重视人脸识别技术的发展。在本文中主要介绍一种基于RBF神经网络的人脸识别算法，其主要目的在于促进国内人脸识别水平得到对应的提升。

简介：摘 要：神经网络是当今最具魅力的一个新兴学科生长点,已发展成为现代科学技术的新热点,其迅猛发展将对整个信息科学产生巨大的影响。神经网络在数学建模中的应用也非常的广泛。

简介：摘要：为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题，提出一种基于卷积神经网络的深度线段分类算法。对 ＮＹＵ -Ｄｅｐｔｈ 数据集使用线段检测算法进行线段检测得到原始图像的线段特征图。通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签，提出适用于线段特征的卷积神经网络，实现单目图像中深度线段的分类。本论文从不同方面阐述基于卷积神经网络的深度线段分类算法，希望为研究卷积神经网络的专家和学者提供理论参考依据。

简介：摘要利用传统的单端电压、电流电气量进行故障测距时，容易受到过渡电阻的影响而导致测量距离不精确。本文以小波变换为基础，将传统的单端电气量与反向传播（BP）神经网络算法相结合，提出了一种用于故障测距的新方法，通过大量的仿真验证表明，该方法能够适应各种环境的要求，且精度高，具有一定的实用价值。

简介：摘要院本文主要通过建立Lyapunov函数在T-S模糊控制系统中的应用得到控制系统全局指数稳定性判据，得到同时具有多时滞或者时滞对时间变化的模糊控制系统的反馈控制器设计准则，并利用M矩阵确保该系统存在稳定周期解。

简介：摘要：电力变压器诊断是根据变压器故障特征，定故障的性质或者类别，为变压器的检修决策提供依据。文章对变压器油溶解气体的来源、特点及产生原因进行分析，通过构建变压器油中溶解气体与变压器故障之间的对应关系的专家系统，运用神经网络算法对变压器进行全面诊断，仿真结果表面文章所示方法具有可行性。

简介：摘要：针对传统网络安全评估方法参数量大、准确率不高等问题，网络攻击多样化特点，本文通过引入神经网络算法，提出了一种新的网络安全态势评估方法。该方法使用主成分分析法对评估数据集的特征温度进行处理，并利用神经网络算法，搭建了相关评估模型，再利用优化算法对神经网络参数进行优化处理，获得最优因子，使得评估模型的性能得到提高。经测试证明，本文提出的基于神经网络算法的网络安全态势评估方法，不仅能够提高安全态势评估准确率，还能够提高其可靠性。

简介：摘要： 针对目前在工业控制中，被控系统往往是多变量、非线性、强耦合的时变系统。多变量系统的回路之间存在耦合，为了得到满意的控制效果，必须对多变量系统实行解耦控制。本文通过增加动量项的方法提高网络学习效率，同时引入粒子群算法（PSO）来训练神经网络PID控制器的参数，并针对多变量控制系统开展仿真验证，取得了满意的控制效果。

简介：摘 要：近年来，大数据、云计算、人工智能等新技术的迅速发展，数据量也急速增长。对于多模数据的应用和海量数据的处理已经成为研究人员最关注的话题之一。而神经学习的出现，给处理多模和海量数据带来了新的方向。深度学习构建的神经网络可以很好的处理非结构化的数据，给推荐算法的发展指明了道路。文章搭建了一种基于深度神经网络的多模信息推荐算法模型。实验结果表明，该模型能够有较好的推荐效果。

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。

简介：为了提高非线性动态系统辨识精度，提出一种基于多新息理论的PID神经网络改进算法。对具有时间延迟非线性动态系统，由于采用多新息，充分利用了系统的当前数据和历史数据，较传统的BP算法，本文所提算法在辨识精度和收敛速度方面具有更好的效果。仿真结果表明该算法的有效性。