简介：随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。

简介：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果.为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析.仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高.

简介：精确的轧制模型是保证过程自动化系统高效、安全和稳定运行的前提。摩擦模型作为20辊轧机自适应轧制模型的子模型之一，是其重要的组成部分。本文就基于BP神经网络的摩擦模型的建立过程进行了详细的分析和阐述，为以后的生产维护工作打下良好的基础。

简介：摘要利用传统的单端电压、电流电气量进行故障测距时，容易受到过渡电阻的影响而导致测量距离不精确。本文以小波变换为基础，将传统的单端电气量与反向传播（BP）神经网络算法相结合，提出了一种用于故障测距的新方法，通过大量的仿真验证表明，该方法能够适应各种环境的要求，且精度高，具有一定的实用价值。

简介：摘要随着我国经济的快速发展，社会在不断的进步，针对风力发电并网时所产生的电流冲击与波动过大的问题，文中基于其运行特性与控制原理，提出了一种基于神经网络的风力发电并网控制技术。该技术结合了BP神经网络与PID控制，使得控制器能够对转子电流进行控制，具有独立于被控对象的优点。加之双馈发电机，因而可以实现空载数学模型的并网控制。通过与传统控制技术比较可知，文中所提出的技术算法简单、响应速度快且精度高，能较好地控制电网电压波动，具有一定的有效性。

简介：特征空间的构建及组合优化是模式识别中的关键问题,它强烈地影响模式识别中分类器的性能。采用BP神经网络模型,对油气信号特征量优化方法进行了研究,并实现了油气信号的特征提取及优化。实验数据表明,该方法对油气信号特征空间降维效果明显。

简介：摘要：数据分类是模式识别的一种，被大量应用在地质统计、语音识别、生物分类、搜索推荐等领域。化探数据具有极高的变异性和高度的非线性特征，对于非线性数据的分类问题，采用神经网络算法进行处理具备高效率、高准确度的优势。本文利用改进的BP神经网络算法建立BP神经网络模型，将训练好的BP神经网络预测未知类型的化探数据点。结果表明，应用该神经网络进行的分类对于有矿点、无矿点的识别获得了比较高的准确率。

简介：1、引言人工神经网络的发展已有近六十年的历史,当前神经网络研究在理论、应用方面都取得了令人瞩目的进展。前向多层神经网络被证明具有较强的功能,误差反传训练(BackPropagation,BP)算法是这种网络的典型算法,BP网络模型已成功地用于信号处理、文本及语音变换和数据处理,成为广泛使用的网络模型之一。曲线拟合,即信号重构在信号处理,语音变换中是经常遇到的课题,曲线拟合的传统方法

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：本文提出一种粗糙集理论和动态前馈神经网络相结合的神经网络构造方法。充分发挥了粗糙集理论和神经网络的优势，弥补了各自的缺点。并应用于实际工业过程，在乙烯装置裂解炉燃料气热值控制中取得了良好的应用效果。

简介：文章对人工神经网络在软测量技术方面的应用进行了综述与分析。给出了基于神经网络软测量技术建模的一般步骤以及开发过程中需要注意的问题

简介：摘要建筑企业借助神经网络系统，利用数学函数和相关模型，将外部情况纳入企业经济管理范畴，有利于提高建筑企业生产的安全性，强化工程质量控制，确保工程利润顺利实现。本文介绍了审经网络特性和信息处理特征，对神经网络在建筑经济管理中的具体应用和存在的不足进行了探究。

简介：摘要院本文主要通过建立Lyapunov函数在T-S模糊控制系统中的应用得到控制系统全局指数稳定性判据，得到同时具有多时滞或者时滞对时间变化的模糊控制系统的反馈控制器设计准则，并利用M矩阵确保该系统存在稳定周期解。

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：应用Matlab语言及其神经网络工具包，利用BP神经网络对跳高运动员专项成绩进行预测。结果表明，该方法能够根据运动员专项身体素质较准确地预测跳高专项成绩。

简介：BP神经网络是故障诊断领域运用最为广泛的一种方法。针对BP神经网络隐含层单元数难以确定的问题，对现有以经验公式确定隐层单元数的方法进行对比分析，提出一种在经验公式基础上改进的方法，并通过风力发电机齿轮箱故障诊断实例验证。结果表明，该方法能有效地加快寻找最优隐层单元数的速度。

简介：利用遗传算法的全局搜索能力,同时进化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,生成神经网络的集成个体,采用二次规划计算方法,计算各集成个体的最优非负权系数进行最优组合集成,生成神经网络的输出结论,以此建立股市预测模型。通过上证指数开盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好,易于操作。

简介：结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1～5].本文主要研究了小波神经网络在路面破损识别中的应用,并与传统的BP神经网络作了对比.试验结果表明,在相同的训练样本情况下,小波神经网络的精度高于BP神经网络.为开发更为高效的路面破损自动检测系统提供新的思路.

简介：摘要近年来风能已成为全球最重要的清洁型能源，风电场输出功率的预测也越发的成为了世界关注的焦点。但对于预测方法的研发目前还不够完善，仅仅依靠天气数值预报的预测是不够的。因此本文提出了神经网络模式下的风力发电机输出功率预测，并对风力发电机输出功率预测模型的建模过程进行了全面的阐述。经实验结果得出以下结论即在神经网络模式下，以风能作为动能的风力发电机，其输出功率的预测准确度非常高，具有可行性和有效性。