BP神经网络算法的改进及在入侵检测中的应用

BP算法是神经网络众多算法中应用最为广泛的一种,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用。针对BP算法的缺陷,提出了几点改进措施。     

BP神经网络算法的改进及在人侵检测中的应用

BP算法是神经网络众多算法中应用最为广泛的一种,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用。针对BP算法的缺陷,提出了几点改进措施。     

基于最速下降算法BP神经网络及应用探讨

BP神经网络广泛的应用函数逼近、模式识别、分类、数据压缩等领域。给出了BP神经网络的经典学习算法——最速下降算法,并证明了该算法具有收敛到极小值的特性。最后将基于最速下降算法的BP神经网络应用于入侵检测,取得了良好的效果。     

一种用于函数逼近的BP网络的设计

神经网络系统理论研究的重要意义已为许多科学家所承认,不少人把它看作未来智能计算机发展的一个主流方向．它的应用范围涉及到工程、计算机、物理、生物、经济、管理等科学领域．人们应用神经网络进行聚类分析、智能控制、模式识别和优化计算等等。但是许多问题的研究都要转化为用迭代的神经网络逼近函数问题的研究。本文主要基于神经网络的非线性逼近性质,来研究带一个隐层的前传神经网络对可积函数和连续函数的逼近能力问题。     

基于BP神经网络的股市分析

神经网络领域已经有50年历史了,但是实际应用却在最近15年里,特别是近几年来,神经网络已经成为热点研究领域,已经在各个领域中应用,以实现各种复杂的功能。这些领域包括:模式识别、鉴定、函数拟合、分类、语音、翻译和控制系统。股票市场是一个非线性的系统,本文基于BP神经网络,以1998年～2008年的上证股市大盘增幅数据作为训练,对以后的一年多数据进行验证,以证实神经网络对股市的预测。     

模式识别技术在货款风险分类中的适用性分析

贷款风险分类是一个对借款人现金流量、财务指标及其非财务指标进行综合评价的过程.本文把贷款风险分类看作是一个模式识别问题,在此框架下,就统计模式识别领域中最新使用的神经网络方法、分类树法、以及支持向量机三种方法的建模思想、适用性进行分析,从而对我国贷款风险分类提供一些启示.     

基于支持向量回归算法的RBF神经网络

支持向量机是由Vapnik等人提出的一种基于统计学习理论的新型机器学习算法,该技术已成为当前国际机器学习界的研究热点,并广泛用于解决分类和回归问题。本文给出了基于支持向量回归算法的RBF神经网络,实验结果表明,基于支持向量回归算法的RBF神经网络的泛化能力强、对样本的依赖程度低,它比基于RBF神经网络的建模方法具有更好的推广能力。     

多功能雷达工作模式识别方法综述

阐述了多功能雷达工作模式识别的背景与意义，归纳了多功能雷达的典型工作模式。总结了目前国内外的识别方法，并结合工程应用中面临的问题对比分析了各类算法的优点与局限性，最后梳理出当了前多功能雷达工作模式识别领域面临的挑战和需要解决的若干问题。     

车牌识别图像处理几种算法的探讨与研究

车牌识别系统（LPR）是智能交通系统（ITS）的核心组成部分，把计算机视觉理论和技术应用于车牌自动识别的专用系统，是计算机视觉处理与模式识别技术在智能交通领域申的综合应用，同时又涉及图像处理、人工智能、信息论、通信技术和工程学等技术。在现代交通收费管理系统中发挥着非常重要的作用。为了提高系统的识别率和鲁棒性，仔细分析四个模块设计中的重点和难点，并提出解决方案。参照目前的研究现状重点分析BP神经网络，提出一套附加动量法改进BP算法的设计方案，通过对比实验，验证了改进算法方案的有效性。实验证明，该文所采用的方法能达到较好的识别效果，具有一定的高效性、鲁棒性和实时性。     

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法。针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例。实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度。     

基于BP算法异或运算的实现

BP (back propagation)神经网络,是一种按照误差的反向传播,把各个误差均匀的分配给各个节点,并且调整权值进行训练的多层次前馈网络,是目前应用最广泛的神经网络模型之一.本文采取BP算法编制一个C++语言的程序,实现基于BP算法的异或运算,并描述了使用BP算法实现异或问题的具体学习过程,给出了程序运行后的结果.     

一种欠完备自编码器调制识别技术

基于信号特征进行模式识别的调制识别方法需要先计算信号的高阶特征、高阶累积量再进行模式识别，整体设计复杂，特征不易计算。机器学习技术由于其强大的特征提取能力和分类能力，被广泛应用到模式识别领域中。针对调制识别问题，提出了一种基于欠完备自编码器的调制识别技术，使用欠完备自编码器进行调制信号的特征自动提取，再使用神经网络分类器进行分类识别。整体模型更为简洁，运算复杂度较低，有利于部署在硬件上进行实时识别。对常见的BPSK、QPSK、2ASK、2FSK、16QAM数字调制方式进行的识别实验表明，算法在信噪比10 dB时平均识别率高于0.97，并且在信噪比为0 dB时仍然有0.92以上的平均识别率。     

BP神经网络在农业工程中的应用

近年来,随着计算机硬件和软件的迅速发展,采用人工神经网络的信息处理技术得到了迅速应用,应用领域也在不断的扩展。现如今人工神经网络不仅在各工程领域中得到广泛的应用,而且也成为在农业工程领域内实现生产劳动自动化的重要途径。本文针对BP网络模型及其算法进行了分析研究,并对BP神经网络在农业工程研究中的应用状况进行了综述,最后对未来的发展进行了展望。     

模式识别技术在贷款风险分类中的适用性分析

贷款风险分类是一个对借款人现金流量、财务指标及其非财务指标进行综合评价的过程。本文把贷款风险分类看作是一个模式识别问题,在此框架下,就统计模式识别领域中最新使用的神经网络方法、分类树法、以及支持向量机三种方法的建模思想、适用性进行分析,从而对我国贷款风险分类提供一些启示。     

决策树算法在电信行业中的应用和分析

如今,数据挖掘技术正以其强大的功能在许多研究和应用领域得到广泛的发展,分类预测算法更是有着广泛的应用前景,在未来的许多行业领域中将会得到进一步的完善和发展。通过对决策树的研究和比较,提出了一个新的想法。另外通过对决策树分类预测模型与神经网络预测模型的比较研究,可以更清楚的理解预测分类模型的作用及其发展趋势。     

数据关联算法研究

随着传感器技术的不断发展,传感器在军事领域以及民用领域得到广泛的应用.数据关联技术是其中的核心技术,对数据关联算法的研究成为了计算机领域的研究重点.研究了当前的多种数据关联算法,分析比较了几种关联算法的性能.     

混沌神经网络及其在保密通信中的应用

具有高度复杂非线性动力学特性的混沌神经网络系统已成为近年来进行加密通信应用研究的热点课题。本文首先概括了混沌神经网络的一些主要理论模型及其非性动力学系统的特点和复杂性，并分析人们如何利用混沌神经网络的系统的这些复杂非线性特点，如混沌同步和混沌吸引子等，进行加密通信的基本算法原理，最后总结有关混沌神经网络及其加密通信应用中所需要进一步研究的一些课题。     

应用神经网络进行经济预测方法的改进

应用神经网络进行经济预测已成为经济预测领域的重要手段,本文基于对神经网络经济预测方法的概念、特征、优势的分析,根据神经网络预测方法的特点,本文提出一些改进方法,希望能够推动经济网络预测方法更好应用。     

浅析数据挖掘分类方法中的决策树算法

分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。决策树分类是一种重要的数据分类技术,本文通过对对各种决策树分类算法的基本思想进行阐述,并分析比较了各种算法的主要特性,为使用者选择算法或研究者改进算法提供借鉴。     

应用神经网络进行经济预测方法的改进

应用神经网络进行经济预测已成为经济预测领域的重要手段,本文基于对神经网络经济预测方法的概念、特征、优势的分析,根据神经网络预测方法的特点,本文提出一些改进方法,希望能够推动经济网络预测方法更好应用。