基于遗传算法的分式线性神经网络预测原油气油比

提出了基于遗传算法的分式线性神经网络优化方法。该方法首先用遗传算法优化分式线性网络的权值,然后在遗传进化结果的基础上,利用分式线性网络反向传播(BP)算法训练分式线性网络,获得网络的最优权值。作为应用,预测原油溶解气油比的基于遗传算法的分式线性神经网络模型被给出。对比实验表明,基于遗传算法的分式线性神经网络优化方法是一种新的建模方法。     

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。     

基于可拓神经网络的分类算法研究

BP神经网络是一种常见的分类算法。但BP网络运算速度慢,而且容易陷入局部极小。文章通过增加动量因子避免了BP网络的局部极小,并利用可拓学的扩缩变换,改进了BP算法的训练停止区域,加快BP网络的收敛速度。文章在matlab70环境下进行了仿真测试,仿真结果显示,基于可拓神经网络的分类算法在收敛速度等方面有明显改善。     

基于改进PageRank算法的微博影响力模型研究

由于Page Rank算法主要是根据网页之间的相互链接关系来计算网页的重要性得分,因此不能直接应用到微博网络来计算用户的影响力,从而本文在Page Rank算法的基础上,引入微博网络中用户的活跃度、博文质量以及关于位置的结构相似性等指标,建立适用于微博网络的用户影响力量化模型——Influence_Index。通过实验发现Influence_Index模型结果的影响力排名前十五的用户,其中有4位出现在被该网络用户公认的5位最具影响力用户的名单中。由此看出该模型的结果具有较高的准确性可以较好的识别出网络中具有影响力的用户,具有较高的推广意义。同时发现增加原创博文量、关注数量和粉丝量对提升用户的影响力有着显著作用。     

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。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

基于人工神经网的入侵检测技术应用研究

入侵检测属于动态安全技术,它能够主动检测网络的易受攻击点。相对于传统的入侵检测技术来说,采用人工神经网的入侵检测具有检测准确度高以及能识别大量新型攻击的优点。本文提出了基于BP神经网络的入侵检测系统,详细分析了基于BP神经网络的入侵检测系统的设计和实现过程,并利用KDD cup 99数据集通过仿真实验表明这种神经网络算法可以有效地应用到入侵检测系统中。     

基于PNN网络的油井功图识别方法

油井功图是油井工况诊断的重要依据,快速准确地识别油井功图对于提高油田作业效率具有重要意义。传统的人工相面法识别示功图无法实现油井工况的实时在线诊断,而BP神经网络法识别准确率较低,因此提出一种基于概率神经网络的油井功图识别方法。该方法通过提取功图数据的面积特征、特征向量和载荷曲线的傅里叶逼近特征作为油井功图的特征值,PNN网络用特征值作为输入对油井工况进行诊断。实验结果表明与BP网络相比使用PNN网络根据功图提取特征进行油井功图识别时能够达到更高的识别效率。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

基于改进遗传算法的FIR数字滤波器的优化设计

提出了利用基于BP(Back Propagation)神经网络的遗传算法来设计FIR数字滤波器的方法。针对遗传算法很难实现全局最优和搜索速度比较慢的缺陷,提出了改进算法,该算法充分利用了遗传算法的全局搜索功能强和BP神经网络的搜索效率高,优化了搜索时间,提高了算法性能,对于解决大规模多极值优化问题特别有效。最后,以设计低通滤波器的实例验证算法的可行性。     

基于ASO-BP神经网络的生物量反演模型研究

本文选择六盘山森林区为论文研究区域，光学数据选择Landsat 8 OLI，微波雷达数据选择具有L波段的ALOS-2PALSAR-2，并结合森林资源清查数据作为六盘山森林AGB的反演模型研究数据源，对选择的两种数据源的相关特征变量进行提取、分析、筛选，基于经典及改进算法构建六盘山森林AGB反演模型。利用原子优化算法（ASO）优化BP神经网络模型构建新的森林地上生物量反演模型——基于原子优化算法改进的BP神经网络（ASO-BP）森林AGB反演模型，通过对两种生物量反演模型精度的对比与评价，最终选择精度最高的ASO-BP反演模型比较适用于六盘山森林地上生物量反演，完成六盘山森林地上生物量的估算和分析。     

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神经网络的变压器保护新原理研究

依据人工神经网络的自学习、自适应能力，本文提出了基于BP神经网络的算法，并用利用这种神经网络对变压器进行数据训练，从而对变压器新的运行数据进行励磁涌流识别。经过matlab仿真实验结果表明，基于人工神经原理的变压器保护方法训练速度快，判别时间短，正确率较高，提高了变压器保护的运行可靠性。     

基于BP神经网络的变压器保护新原理研究

依据人工神经网络的自学习、自适应能力，本文提出了基于BP神经网络的算法，并用利用这种神经网络对变压器进行数据训练，从而对变压器新的运行数据进行励磁涌流识别。经过matlab仿真实验结果表明，基于人工神经原理的变压器保护方法训练速度快，判别时间短，正确率较高，提高了变压器保护的运行可靠性。     

基于RBF神经网络的政府投资项目投资估算

<正>一、基于RBF神经网络估算模型的建立过程RBF(径向基Radial Basic Function Neural Network)函数神经网络是20世纪80年代末,Moody和Darken提出的一种特殊的三层前馈网络,它只具有一个隐层的,它的运算结构和学习算法与BP网络有很大的区别,并且很大程度上克服了BP神经网络的缺点。近年来RBF神经网络以广泛应用到各个领域,并     

基于粒子群优化BP神经网络的房价预测

针对房价预测问题,文章给出一种基于粒子群优化的BP神经网络算法,并利用该算法提出两种预测房屋销售价格指数的方法。对房屋销售价格月指数的时间序列预测,直接建立PSO-BP模型;而对年指数预测,首先选择房价影响因素进行因子分析,然后在此基础上建立PSO-BP模型。两种对房屋销售价格指数的PSO-BP模型预测结果与BP模型相比,其精度均有较大提高,收敛更快。     

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GSA的ELM电能质量扰动识别方法研究

ELM是一个单隐层神经网络,具有良好的泛化和快速学习能力,该算法只需用户调整隐含层节点个数,但该参数的选择直接影响了ELM的性能.文章提出一种新的优化方案,该方案使用GSA优化输入特征子集和隐含层节点数以提高ELM的性能,实验结果表明:该方法在识别电能质量扰动方面更快、更准确.     

基于GSA的ELM电能质量扰动识别方法研究

ELM是一个单隐层神经网络,具有良好的泛化和快速学习能力,该算法只需用户调整隐含层节点个数,但该参数的选择直接影响了ELM的性能。文章提出一种新的优化方案,该方案使用GSA优化输入特征子集和隐含层节点数以提高ELM的性能,实验结果表明:该方法在识别电能质量扰动方面更快、更准确。     

机械加工零件的热处理技术研究

工农业的发展对热处理技术提出了更高的要求，机械加工零件在加热时如何很好地控制温度已成为关键性的技术。为了克服传统RBF网络控制中存在的问题，本文设计了自适应模糊C -均值聚类算法优化的RBF神经网络预测器及BP神经网络控制器。通过合理地初始化RBF神经网络预测器中的三个参数，使控制器的输出更好地稳定在给定值。仿真表明，模糊优化的网络比原始网络控制具有更好的控制效果，节约能源，提高热处理性能。