简介:PriorityorderedBPneuralnetworkandtheapplicationforspeakeridentification;ProbingmodificationofBPneuralnetworklearning-rate;Real-timeoptimalexcitationcontrollerusingneuralnetwork;ResearchonthemodelingoftheaxialloaddistributioncoefficientofcylindricalgearsingearCADbasedonANN;Short-termsystemmarginalpriceforecastingwithhybridmodule;StudyonautomaticcreatingmethodofpublictransportationdispatchingformbasedonBPneuralnetwork。
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:BP神经网络分类器在信号识别领域得到了比较广泛的应用,针对其低信噪比环境下识别率相对较低的问题,引入人工蜂群算法(ABC),将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变,最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法(ABCBP算法),并以2ASK,2FSK,2DPSK信号为例,对信号进行小波包分解后,将信号各频段的能量值数据作为实验样本,对其进行了信号分类。仿真结果表明:基于人工蜂群算法的优化BP神经网络分类器,即使在5dB的信噪比环境下,仍可达到94%以上的识别率,并具有较好的稳定性,这为信号识别领域中分类器的设计提供了一个很好的理论依据。
简介:摘要院神经网络被广泛地应用于字符识别,通过对其难点问题的分析,为了提高字符识别率,本文应用改进型BP神经网络进行字符识别,该算法识别率高,速度快,可适用于多种高噪声环境中,实用性很强。