BP神经网络及其在图像压缩中的应用

BP神经网络是一种采用反向传播算法的多层前馈网络,它具有结构简单、可操作性强、能够逼近任意的非线性映射关系等优点,而且具有很好的泛化能力,在图像处理领域中应用非常广泛.本文简介了BP神经网络的理论、模型及其学习过程,探讨了其在图像压缩中的应用,分析了BP神经网络应用于图像压缩的可行性及其优点.     

升力鳍实验装置的升力函数发生器

本文重点研究了鳍的动态水动力在升力鳍实验装置上的应用.在分析升力鳍实验装置施力要求的基础上,提出并成功应用神经网络BP算法逼近鳍的动态水动力曲线,然后将训练好的神经网络作为该实验装置施力系统升力函数发生器,实现对实验装置中鳍的施力,该研究也进一步完善了该实验装置.     

基于神经网络的船舶阻力计算数值实验研究

3层以上的前向神经网络能以任意精度逼近任何非线性函数,采用误差反传算法,利用系列60船模原始试验数据作为训练和检验样本,应用输出与目标的线性回归、相关系数和相对误差,以及利用该神经网络绘制的曲线作为评价指标,通过大量的数值实验对最佳训练函数、性能函数、传递函数、隐层神经元数的选用进行了研究,建立了最佳的系列60船舶阻力计算3层和4层BP神经网络系统。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(FCM)算法和模糊对向传播神经网络相结合,解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题,在此基础上结合TSK(Sugeno Tanaka Kang)模糊模型,提出了改进的模糊对向传播神经网络Improved FCP,并给出了学习算法.对两种典型的非线性模型进行实验研究,实验结果表明Improved FCP网络具有良好的非线性逼近能力.     

神经网络在目标识别中的应用

神经网络技术作为现代智能信息处理技术的主要方法之一,模拟人的神经元的生理结构模型,可自身完善和发展,在各领域都有其广泛的用途。本文对神经网络在目标识别中的应用进行了介绍。并指出目标识别在某种程度上也是一种函数逼近,并用matlab实现了BP网络的函数逼近。     

基于免疫径向基网络的舰载无人机维修性预计模型

介绍了舰载无人机维修性预计的主要影响因素和维修性参数,将免疫算法与径向基函数相结合,建立了舰载无人机维修性预计的免疫径向基神经网络模型,并与BP网络和常规径向基函数网络进行了对比模拟实验.实验表明,免疫径向基神经网络具有更高的预测性、准确性和更短的训练时间.     

基于BP神经网络与L-M算法的潜艇声纳自噪声预报

L-M（Levenberg-Marquart）算法与BP（Back-Propagation）神经网络相结合，使神经网络在多样本、大变量输入的情况下，具有更快的收敛速度和更高的逼近精度。将BP神经网络与L-M算法相结合应用于潜艇声纳自噪声预报；分析了影响潜艇声纳自噪声的各种声源参数；利用潜艇声纳实测数据进行网络训练，训练好的神经网络可以对潜艇声纳自噪声进行精确预报。     

基于BP神经网络的主成分分析法在效能评估中的应用

针对侦察效能评估中,指标因素的多样性和因素间的复杂关系,依据主成分分析的评估思路,运用BP神经网络对侦察效能进行评估.结合BP神经网络的逼近非线性函数的映射能力和并行处理的特点,解决数据样本的分类问题.通过对侦察效能的评估,验证了BP神经网络对效能评估的可行性,其方法和成果可供其它武器装备效能评估借鉴和参考.     

模糊反向传播神经网络FBP的函数逼近能力研究

研究了模糊反向传播神经网络FBP(FuzzyBackpropagation)的函数逼近能力.给出了单调连续函数的FBP按序单调特性、连续映射定理以及非函数一致逼近定理,并且说明了FBP虽然能保持连续性映射,但不如原神经网络具有函数逼近能力.     

基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报.