基于Sigmoid学习率BP神经网络的非特定人语音识别算法研究

本课题基于非特定人语音识别的原理和过程,结合BP神经网络的建模理论及特点,主要研究了BP神经网络模型在语音模式识别中的应用问题。同时针对标准BP神经网络训练收敛速度慢及容易陷入局部最小的缺点,提出了Sigmoid学习率BP神经网络训练算法,并通过仿真计算,得出在非特定人语音识别应用方面Sigmoid学习率BP神经网络算法的收敛速度要优于标准BP神经网络算法且识别率更高。     

基于区域映射模型的R＆D项目中止决策

本文提出了R＆D项目中止决策的区域映射模型。区域映射模型能够克服BP神经网络收敛速度慢、易陷入局部极小点等不足,保证了实际分类准则与训练准则的一致性,具有很高的识别率和比BP神经网络更快的收敛速度,是R＆D项目中止决策的一个有效的模式识别工具。     

基于RBF神经网络的股票价格预测

由于股票的价格是非线性的时间序列,文章提出了基于RBF神经网络的个股价格预测模型,该模型优于传统的股市技术分析方法,又避免了BP算法容易陷入局部极小点和收敛速度慢的缺点。根据实验的仿真结果显示,该模型对于个股价格的短期预测效果较好。     

基于K-means算法的神经网络文本分类算法研究

本文在分析文本分类算法的一般模型和现有技术后,针对传统神经网络算法存在的问题,提出了一种引入Kmeans算法用于训练RBF神经网络的径向基函数中心,改善误差反向传播（BP）神经网络分类算法收敛速度较慢的缺点。实验结果表明,改进后的RBF网络与BP网络、RBF网络相比,在取得较好分类精度和召回率情况下,具有较高的运算速度和较强的非线性映射能力。     

基于BP神经网络的工作岗位评价系统设计

本文在建立工作岗位评价指标体系的基础上,设计了一种基于BP神经网络的工作岗位评价系统。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢等缺点,通过增加动量项、学习率的自适应调整等改进方法建立新型的BP网络,采用层次分析法生成网络训练样本。该评价系统有效地利用了BP神经网络的优点,避免了工作岗位评价过程中的一些人为失误。仿真试验表明,该评价系统取得了令人满意的结果。     

基于BP网络预测模型偏差控制的优化

文章介绍了人工神经网络的理论基础以及算法特点,针对BP网络存在的易陷入局部最优、以及收敛速度慢问题。根据误差是否降低从而对网络权值的修正量进行调整,达到改善收敛速度的目的,从而提高BP网络摆脱局部最优能力。     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷.文章还比较了Elman网络和BP网络结构的建模效果,通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法.     

基于神经网络的机器人逆运动学算法

文章提出了一种基于神经网络改进算法的机器人逆运动学的求解方法。在讨论机器人逆运动学求解问题以及基于BP算法的神经网络基本原理的基础上,分析了几种BP算法改进方法,出了基于神经网络的机器给人逆运动学求解的具体步骤和设计神经网络的相关注意事项。与传统算法进行比较,通过对PR实验室机器人仿真研究表明,该算法具有简单、学习收敛速度快等特点,且避免了传统算法的许多棘手问题。     

遗传算法在供应商绩效评价中的应用

本文利用平衡记分卡思想建立了供应商绩效评价指标体系。结合遗传算法和BP神经网络构建了进化网络算法模型，克服了单纯网络学习易陷入局部极小的缺陷，并用指标样本检验了进化网络的有效性及改进性能，得到了比较理想的输出结果。     

基于BP神经网络的ETC系统客户的流失分析研究

文章应用神经网络数据分析技术研究ETC系统客户流失的状况,详细研究了如何建立ETC系统客户流失基本模型。通过对客户的基本数据进行神经网络预测,可以发现描述流失客户基本特征的属性值集合以及对应的是否流失的结论。文章给出的是改进的神经网络的预测方法,可提高BP神经网络的收敛速度,增强网络的泛化能力,获得了很好的效果。     

基于嵌入式蚁群算法优化的小波神经网络磁链观测器在DTC中的应用

文章提出一种采用嵌入式蚁群算法优化的小波神经网络磁链观测器,在蚁群算法中引入一种嵌入确定性搜索策略构成嵌入式蚁群算法。仿真实验表明,采用嵌入式蚁群算法优化的小波神经网络磁链观测器,不仅减少了小波神经网络减少隐层节点的数目,加快了小波神经网络的收敛速度,从而提高了磁链观测器的在线辨识精度,进而有效改善了无速度传感器直接转矩控制系统的低速性能。     

基于LM-BP算法的轨道交通客流短时预测

BP神经网络是当前比较常用的人工神经网络,针对BP神经网络存在易陷入局部极小值、收敛速度慢等缺陷,将LM算法引入到BP神经网络中,以改进BP神经网络在预测时的训练过程,并利用轨道交通客流的时间序列对其有效性进行验证,结果证明该方法对轨道交通客流的短时预测有着更高的准确度和精度。     

基于嵌入式蚁群算法优化的小波神经网络磁链观测器在DTC中的应用

文章提出一种采用嵌入式蚁群算法优化的小波神经网络磁链观测器,在蚁群算法中引入一种嵌入确定性搜索策略构成嵌入式蚁群算法。仿真实验表明,采用嵌入式蚁群算法优化的小波神经网络磁链观测器,不仅减少了小波神经网络减少隐层节点的数目,加快了小波神经网络的收敛速度,从而提高了磁链观测器的在线辨识精度,进而有效改善了无速度传感器直接转矩控制系统的低速性能。     

基于遗传BP神经网络的川江滚装运输货运量短期预测研究

首先建立基于遗传BP神经网络的滚装运输市场货运量预测模型,然后采用川江滚装运输年度数据进行神经网络训练与预测。结果表明,遗传BP神经网络算法在预测的精度与收敛速度上均优于传统预测算法。预测结果为川江滚装运输企业战略规划和滚装运输竞争力的提高提供了决策支持。     

神经网络PID控制器在温度控制中的应用研究

本文采用基于BP神经网络的模糊自适应PID控制策略,解决了原有PID控制的参数自适应能力弱、鲁棒性较差的问题。该方法基于常规的PID控制策略,采用BP神经网络动态调整PID控制器参数,采用模糊规则改变网络收敛速度,使之能够随时满足控制精度的需要,改善系统的控制性能。仿真实验结果表明:所提的控制策略实现简单,同时具有较高的控制精度。     

粒子群优化神经网络在财务困境分析中的应用

目前BP神经网络已经成功用于公司财务分析与预测,但神经网络采用了传统梯度下降探索法致使BP神经网络存在着收敛速度慢,易陷入局部最优等缺陷,对应用效果造成了不良影响.本文提出通过改进粒子群全局搜索算法对BP网络进行训练.既保留了神经网络原有的优点,又克服了传统训练方法的缺陷.实证表明,该方法预测结果优于传统神经网络模型.     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机(LS-SVM)算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

基于神经网络融合技术的BP算法研究

BP神经网络方法数据可并行处理,该方法处理信息能力强,自身具有学习、联想和记忆的能力,避免了传统方法的局限性与专家评价的主观随意性,以及由于数据来源的单一导致的评价模型与评价对象之间不客观的简化;但它也存在网络的训练时间过长、易陷入局部极小值、完全不能训练等缺点。本文提出的神经网络融合技术算法是利用主成分分析法、粒子群算法与BP算法相融合,克服了BP算法的训练时间长、易陷入局部极小值的缺点,并在模型的确定和收敛性上给出了理论证明。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机（LS—SVM）算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。