BP网络的泛化能力改进方法及应用

在人工神经网络的使用中，BP神经网络是使用比较多的网络结构，简要介绍了BP网络的基本结构和BP算法，分析BP网络存在的缺陷，介绍了两种改进BP网络泛化能力的方法，并通过例子分析了两种方法的适用性。     

砼强度的BP网络模型

通过分析影响砼强度的因素,建立了一个3层的BP网络模型,在对样本进行分类和标准化处理后,进行了BP网络的训练和仿真,其结果表明:应用所得到的BP网络对于砼强度的预测值计算相对于实测值具有满足工程要求的精度.     

基于BP神经网络和振动测量的轴承故障诊断

根据BP算法神经网络模型,通过对轴承振动测量的分析,得到故障诊断的方法。阐述BP神经网络应用于轴承故障的基本步骤,包括BP网络结构、状态编码、网络训练、模式识别以及诊断实例分析。指出了BP神经网络在轴承故障诊断中的应用中存在的问题和发展方向。     

基于改进的BP神经网络的桥梁结构损伤诊断研究

采用改进后的BP神经网络对桥梁结构进行损伤诊断,通过与传统BP网络法的诊断结果进行对比,得出改进后的BP网络算法在实际应用中能克服传统BP网络算法收敛速度慢,存在局部极小的问题.改进后BP网络的桥梁结构损伤诊断具有较好的诊断效果,与传统的BP神经网络相比,不仅提高了计算速度,而且较大地提高了识别精度,具有较好的应用前景.     

结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

基于遗传BP网络的城市空气质量等级预测

针对空气污染诱因复杂、影响机理非线性等特点,选用遗传BP网络,对城市空气质量等级进行短期预测.分别使用2类共10种方案对数据进行了关联,使用遗传算法对输入变量进行了筛选,对BP网络的网络结构、权值和阀值进行了优化.仿真结果表明,经优化后的BP网络对未来8天空气质量等级的平均预测正确率达67.1%.     

BP神经网络的MATLAB编程实现及讨论

BP神经网络具有很强的非线性函数逼近能力。通过Matlab编程实现了BP网络对一个二元函数的逼近,针对BP网络学习速度慢的缺点,采用含动量项的学习算法提高了收敛速度。通过Matlab仿真方法,研究了学习率和动量因子对算法学习速度的影响。     

砼强度的BP网络模型

通过分析影响砼强度的因素，建立了一个3层的BP网络模型，在对样本进行分类和标准化处理后，进行了BP网络的训练和仿真，其结果表明：应用所得到的BP网络对于砼强度的预测值计算相对于实测值具有满足工程要求的精度。     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

基于遗传优化BP网络的交通流预测

针对高速公路短时交通量预测,提出了一种基于遗传优化BP网络的预测方法。通过采用遗传算法优化传统BP网络,改善了传统BP网络易陷入局部极小点、收敛速度慢等缺点,同时通过该方法提高了短时交通量预测的精度。通过杭州绕城高速公路的数据回归分析,该方法能较好的实现高速公路交通流量的短时预测。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

一种改进的反向传播算法在机械故障模式识别中的应用

反向传播算法在机械故障模式识别中得到广泛的应用,但在实践中发现标准的反向传播法的收敛速度不快,模式识别能力有发,针对这些缺点进行改进,提出了一种改进的反向传播算法,大大提高了ＢＰ网络的收敛速度和模式识别能力,然后以变速箱故障模式识别为例进行了验证。     

L-M神经网络算法在汽轮发电机组故障诊断中的应用

针对汽轮发电机组的故障诊断,采用Levenberg-Marquardt算法建立多层前向人工神经网络,采用改进算法训练网络,克服了传统BP算法收敛速度慢,易陷入局部最小的缺陷.就BP网络的不足,提出了一种改进的BP神经网络模型,并使用L-M算法用于汽轮发电机组故障的诊断.经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法.     

基于模糊神经网络的拉索耐久性评价模型

将模糊理论与神经网络技术相结合,建立了基于模糊神经网络的拉索耐久性评价模型;网络训练采用改进的梯度下降动量BP算法,经过265次学习,确定了网络各层参数值,得到了网络的收敛解;最后通过5个校验样本验证了拉索耐久性模型的正确性。研究结果表明:拉索构件的耐久性评价指标分为拉索索力、锚固系统、拉索保护层、减震装置4种;采用动态BP算法对网络进行计算时,网络的收敛速度优于常用的BP算法;训练好的模糊神经网络很好地获得并储存了评价专家的知识、经验和判断,可将网络应用于拉索构件的耐久性评价。     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法,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,但存在收敛较慢问题.笔者在文中简述了BP算法原理,针对BP算法的收敛性问题,提出了几点改进措施.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于神经网络PID的连挤连轧速度控制系统

根据连挤连轧速度控制的特点,将改进BP神经网络与PID控制算法相结合,采用西门子S7-200型PLC实现连挤连轧机的变频调速控制.通过与传统PID和BP神经网络PID算法比较,改进BP神经网络PID控制器具有较短的动态响应时间和良好的跟随性,表明该方法在连挤连轧速度控制中有良好的应用价值.     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI。同时．神经网络评价数据和专家系统数据的比较．证明BP神经网络模型在路面使用性能评估中有更好的应用前景。     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．