简介：

简介：PriorityorderedBPneuralnetworkandtheapplicationforspeakeridentification；ProbingmodificationofBPneuralnetworklearning-rate；Real-timeoptimalexcitationcontrollerusingneuralnetwork；ResearchonthemodelingoftheaxialloaddistributioncoefficientofcylindricalgearsingearCADbasedonANN；Short-termsystemmarginalpriceforecastingwithhybridmodule；StudyonautomaticcreatingmethodofpublictransportationdispatchingformbasedonBPneuralnetwork。

简介：

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：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：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：回顾了人工神经网络的发展史,分析了BP神经网络的结构,对BP神经网络在函数逼近、模式识别、分类应用、数据压缩等方面的应用进行了综述.

简介：在收集到原始数据后，如何对这些数据进行有效分析及报告结果一直是入侵检测领域中研究的重点，并因此形成了多种ID方法。本文提出了一个ID模型，提出了一种改进训练算法，对模型的核心组成部分进行了分析、设计和实现，并进行了相关实验。

简介：提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.

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：研究了BP神经网络的收敛问题。基于随机理论，提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答，而且收敛速度很快。

简介：运用TRAINGDX训练函数对标准BP神经网络进行改进．根据2012年《四川省统计年鉴》相关数据，利用影响国内生产总值（GDP）的6个主要因素，借助Matlab软件平台，建立了6：5：1的三层BP神经网络GDP预测模型，实现四川省GDP值的预测．改进后BP神经网络预测相对误差在1％以内，仿真结果同模型外推法比较，预测精度较高．

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：BP神经网络是一种按误差逆传播算法训练的多层前馈网络，其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足，提出了一种基于改进遗传算法的BP神经网络控制器，此方法可以克服基本遗传算法收敛速度慢，容易陷入“早熟”收敛，计算稳定性不好等一系列问题，进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真，证明了控制器的有效性。

简介：摘要基于BP模型的神经网络是一种用于前向多层神经网络的反传学习算法，目前为止应用最为广泛且最重要的一种训练前向神经网络的学习算法。本文详细介绍BP算法原理并剖析其性能不足的几个方面，简要介绍优化算法，对模型未来的发展方向进行展望。

简介：本文根据神经网络的基本原理，利用实测数据建立了用于大断面隧道收敛变形预测的BP神经网络模型。基于神经网络的预测模型具有预测精度高，使用方便灵活，适合于复杂系统的特点，是解决隧道变形预测问题的一种崭新途径。

简介：利用BP神经网络局部搜索快速性、自适应及自学习的优点，设计了基于BP神经网络的危机预警模型，突破传统的危机预警模式，有效克服了当前危机预警机制中缺乏智能化自我学习等缺陷，为研究智能化公共危机预警提供了一条可行的有效途径。

简介：摘要：在现有的人工神经网络理论中 ,BP神经网络使用最为广泛。 BP网络 (Back-Propagation Network)训练网络权值的算法是后向传播学习算法 ,它是一种多层前向神经网络。 BP学习算法是人工智能专家 Rumel hart于 1986年创建的理论。现代模拟电路故障诊断技术中应用神经网络的基本上选择的都是 BP神经网络。本文基于 BP神经网络的模拟电路诊断展开论述。

简介：摘要本文提出了一种基于局部自动搜索和光谱匹配技术的训练样本纯化的BP网络分类方法。利用影像的空间信息在图像局部范围内自动搜索和选择最佳样区位置，再用光谱匹配对寻找到的最佳样区在光谱空间上进一步纯化。从空间和光谱两个角度对样区进行了纯化，使得训练样本更适合遥感图像分类的要求，最后利用BP网络对遥感图像进行分类。实验结果证明，原始遥感图像经过样区纯化算法处理后，目视判读效果和数值分析都表明提高了分类精度。

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。