简介：BP算法是人工神经网络研究的一个常用方法,但从本质上说是属于局部寻优法,容易陷入局部极小点,且存在着学习速度与精度之间的矛盾;遗传算法是一种全局优化算法,具有并行计算能力.本文采用遗传算法来训练前向神经网络,建立一个基于遗传算法和BP算法的神经网络预测模型.试验结果表明它是一个成功较高的预测模型.

简介：为准确预测电力系统中期负荷，针对常用BP算法的预测速度慢、易陷入局部最优解的缺点，改进了基本BP算法，建立了中期负荷预报模型。负荷预测仿真表明，对BP算法的改进可使预测精度和收敛速度均得到显著的提高．

简介：应用BP神经网络对网店销售模型进行了研究,建立了基于店铺访客数、下单转化率、客单价和商品收藏次数来预测网店销售额的BP神经网络模型,模型的训练样本为五皇冠淘宝网店2016-04-21至2016-07-09时间段销售数据,应用构建的模型预测该网店2016-07-10至2016-07-19时间段店铺销售额,仿真模拟实验结果表明其能准确地预测店铺销售额,从而验证了模型的有效性和准确性.

简介：安全库存水平设置是供应链管理的重要内容,但因其影响因素多、关系复杂,预测难度大.神经网络在处理非线性问题有独特的优势.GRNN神经网络是建立在数理统计基础之上的一种新型的神经网络,具有良好的函数逼近效果.本文利用GRNN神经网络的方法进行供应链安全库存水平预测,详细介绍预测模型及其实施办法,并通过实例验证本方法的有效性.

简介：针对非线性系统的控制问题，提出了一种基于黄金分割法的RBF神经网络预测控制算法。该算法以神经网络作为预测模型，用黄金分割法优化控制器，其中以控制变量的约束．条件作为优化的初始区问。针对化工过程蒸馏塔控制系统，通过仿真计算验证了该方法的有效性。

简介：假设人脑存储着肢体的几何和动力学模型，以一个多层感知网络代表这个内部模型，仿真了在三种不同情况下人体肘关节韵律运动：1)内部模型的参数与肢体的几何和动力学模型参数完全匹配，2)上述参数不匹配，3)存在外界干扰．仿真结果显示模型的参数不匹配是导致肢体韵律运动误差的主要原因．由此可见，运动学习过程就是内部模型不断更新以匹配肢体几何和动力学模型的过程．

简介：由硬度塞测法和ANSYS有限元软件建立双燃料发动机活塞的温度场模型,得到不同工况下活塞最高温度。采用Elman神经网络建立活塞最高温度与双燃料发动机转速、扭矩、替代率、喷油提前角以及NOx浓度参数关系模型。结果表明:该模型变量物理意义明确、形式简单便于实现,计算得到的拟合值与实测值的最大相对误差不超过2.17%,对双燃料发动机活塞最高温度的预测效果好,所建模型为保护发动机的活塞提供一个方法。

简介：对利用人工神经网络方法来预测电站锅炉在未知的燃烧或运行工况下烟气中汞组分进行了可行性评估.基于已掌握的三个电站锅炉现场测试的汞排放数据库,建立了一个三层误差反向传播神经网络模型用以对烟囱处汞排放的组分进行预测.全部预测过程包括:数据的采集整理、构建人工神经网络模型、训练过程和误差评估4部分.总共选取了59个煤样、灰样以及电站运行工况参数作为输入变量,利用部分实际汞排放测试数据来指导训练过程,其余的实测数据用来校验网络预测模型的准确性.结果表明,模型获得的预测精度对单质汞元素的均方根误差为0·8μg/Nm3,对全汞的均方根误差为0·9μg/Nm3.这样的误差在当考虑到现场采用半连续释放测量(SCEM)方法,由湿法测试模块所产生的峰值误差时是完全可以接受的.

简介：详细介绍用于预测公路货运量的BP神经神经网络模型的构建,并用所构建的模型对浙江省2009和2010年的公路货运量进行预测,同时对公路客运量及其周转量和水路客货运量及其周转量也进行预测,旨在为浙江省公路水路交通线路和车站码头的建设布局和投资规模提供科学客观的参考依据。

简介：针对精密定位装置存在非线性，精确数学模型难于建立的缺陷，提出了精密定位的神经网络控制方法．将BP神经网络应用于该控制系统中，系统以光栅常数100μm的光栅为定位标记，以激光衍射产生的莫尔光光强及光强的变化率为神经网络的输入变量，利用神经网络的自学习功能进行精密定位控制．建立了精密定位的神经网络控制模型，模型由输入层、隐层和输出层3层神经元组成，通过对光强及光强变化率的映射，得到电机驱动信号．实验结果表明，使用神经网络控制，控制响应快，稳定性好，鲁棒性强，可有效改善控制质量，提高定位速度，系统可获得±0．5μm的定位精度．

简介：本文对本世纪80年代中期兴起并紧密结合现代科学技术进步的一门新兴学科--模糊神经网络进行了综述,分析了所取得的主要成果及其特点,并指出了今后模糊神经网络研究中有待解决的许多问题.针对这些问题,介绍了笔者的工作--模糊逼近神经网络摄动系统,对开展模糊神经网络的研究将具有启迪作用和现实意义.

简介：本文首先提出了一个双语教学评价体系，在此基础上构建了一个BP神经网络评价模型，很好地解决了教学评价体系中各项指标所占的权重问题。使用Matlab进行仿真的实验结果验证了该模型的智能性和有效性。

简介：研究了Hammerstein模型的辨识问题,并考虑了多输入多输出(MIMO)情况.提出一种混合神经网络辨识模型,该模型由一个多层前馈神经网络(MFNN)与一个线性神经网络(LNN)串联而成.给出了一个反向传播(BP)算法同步训练该混合神经网络的权值和阈值.仿真结果表明了该方法的有效性.

简介：提出一种基于BP神经网络的异常入侵检测方法，由于BP神经网络是一种基于误差反向传播算法的多层前馈神经网络，具有对不确定性的学习与适应能力，可以很好的满足入侵检测分类识别的需求．对“KDDCup1999Data”网络连接数据集进行特征选择和标准化处理之后用于训练神经网络并仿真实验，得到了较高的检测率和较低的误报率．仿真实验表明，基于BP神经网络的入侵检测方法是有效的．

简介：本文研究了一类具偏李普希兹连续和单调增加激活函数的神经网络绝对指数稳定性问题.所得结果归结为如果联接矩阵T的负矩阵是一个非负对角元的H矩阵,那么在任意输入向量和网络参数的条件下,所选激活函数只要是偏李普希兹连续且单调增加的,广义动态神经网络绝对指数稳定.该广义动态神经网络包含常用的Hopfield神经网络,双向联想记忆神经网络和细胞神经网络作为其特殊情形,所得结论推广了现有文献中的有关结论.

简介：提出了一种基于模糊观测数据的RBF神经网络（FORBFNN），用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得；隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定，即首先初始生成一个隐层单元，然后根据一定的规则逐步加入新的单元，该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的，且建立的模型具有较高的预测精度．

简介：结合支持向量机和神经网络各自的优点，提出了一种新颖的自适应支持向量回归神经网络（SVR—NN）．首先，利用支持向量回归方法确定SVR—NN的初始结构和初始化权值，基于支持向量自适应地构造SVR—NN神经网络的隐层节点；然后，使用退火过程的鲁棒学习算法更新网络节点参数和权值．为了验证所提出方法的有效性，给出了自适应SVR-NN应用于非线性动态系统辨识的实例．仿真结果表明，与以前的神经网络方法相比，基于SVR-NN网络的辨识方案能获得相当好的性能，它具有很快的收敛速度．因此，自适应的SVR—NN为非线性系统辨识提供了极有吸引力的新途径．

简介：基于B样条神经网络对实测地磁数据进行曲面拟合，该网络不仅保留了B样条基函数在速度方面的改进，同时也继承了神经网络在计算精度方面的优势。选用了一种修正速度最快的改进的LMBP算法进行权值的修正，最后也通过Matlab仿真实验证明了基于B样条神经网络的拟合算法在速度与精度方面的优越之处。

简介：在工业过程控制系统中，许多被控对象具有纯滞后的性质，这种纯滞后环节将导致系统不稳定。针对这种情况设计了一种控制器，这种控制器结合了模糊控制和神经网络控制的优点，可以在线调整得到一组最优的PID控制参数。仿真结果表明这种控制器结构简单，对纯滞后系统的控制效果良好。

简介：讨论BP神经网络的原理及其缺陷和改进方法．在MATLAB环境下，对含噪声文字符进行识别训练．仿真结果表明，网络收敛速度快，识别分类效果好．