首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 156 毫秒
1.
神经网络的BP训练算法和遗传优化训练算法的对比研究   总被引:2,自引:0,他引:2  
BP算法是人工神经网络的传统常用训练算法。遗传算法是一种新型的、随机性的、全局性的优化方法。基于MATLAB对比这两种训练方法的异同和优缺点,从而达到神经网络的最优化训练,充分发挥神经网络的作用。  相似文献   

2.
小波神经网络是近年来发展起来的一种逼近非线性函数的新型人工神经网络.特别是,正交尺度函数为基函数的小波神经网络更适合于函数逼近.本文在此基础上讨论了小波神经网络对非线性AR(p)过程的逼近.  相似文献   

3.
人工神经网络作为人工智能领域中的一个重要分支,一直以来都是人们的研究热点。介绍了人工神经网络技术与几种智能方法融合的应用发展,归纳了BP神经网络学习算法的基本思想,着重论述了目前有关神经网络融合方面的研究热点,即神经网络与专家系统、模糊逻辑、压缩映射遗传算法、粒子群优化算法的融合思想与方法。  相似文献   

4.
一种神经网络模型在混凝土配比设计中的应用   总被引:2,自引:0,他引:2  
本文描述了人工神经网络的模型和算法,给出了BP神经网络模型和算法的相关变量的处理方法。用这种方法,对混凝土配合比试验数据进行分析预测,效果良好。说明BP神经网络模型可用于混凝土混合比强度预测中。  相似文献   

5.
回顾了人工神经网络的发展史,分析了BP神经网络的结构,对BP神经网络在函数逼近、模式识别、分类应用、数据压缩等方面的应用进行了综述.  相似文献   

6.
在神经网络的开发过程中,遵循适当的开发方法可以大大降低系统开发费用,增强系统功能,缩短开发时间。本文讨论了人工神经网络应用系统和典型的神经网络模型的特点,研究了神经网络应用系统的开发阶段及其具体技术和方法,探讨了在神经网络开发过程中的问题和原则。  相似文献   

7.
非线性时间序列的神经网络预测的研究   总被引:2,自引:0,他引:2  
采用各种改进的BP算法及径向基神经网络来逼近非线性映射Xn 1=4Xn(1-xn),揭示了人工神经网络有非常强的逼近非线性映射的能力。同时也分析对比了各种算法的性能,讨论了几种改善人工神经网络功能的途径。  相似文献   

8.
将现代计算机技术与舌诊相结合构建了中医舌诊智能诊断的神经网络模型,以此研究了人工神经网络方法应用于中医舌诊诊断,讨论了利用MatlabN神经网络函数对实验提供的舌象样本数据进行训练学习,最终得出相应病例.  相似文献   

9.
针对轴向柱塞泵故障机理的复杂性和故障信息的不确定性,提出了基于人工神经网络的故障诊断方法。以一种典型设备的几种主要故障为例,设计了适合于故障诊断的BP神经网络模型,运用Levenberg-Marquardt优化算法进行网络训练,并针对网络训练中可能出现的过拟合、局部小、隐层节点数确定等问题制定了相应的网络优化策略,以保证训练后的网络具有较好的记忆和归纳能力,并用Vc++6.0语言和SQL Server2000数据库开发了基于BP神经网络的轴向柱塞泵故障诊断系统,结果表明,该系统有良好的故障诊断精度和较强的泛化厶匕力。  相似文献   

10.
通过建立BP神经网络的课程效果评价模型结构,并在MATLAB系统上对样本数据进行仿真,最后进行数据验证。结果表明,应用人工神经网络对课程效果进行评价,排除了专家主观因素对评价效果的影响,能够获得客观满意的评价结果,具有广泛的适用性。  相似文献   

11.
神经网络集成及研究进展   总被引:1,自引:0,他引:1  
神经网络集成是机器学习和神经计算重要研究领域,通过训练有限个神经网络个体,并将其结论进行适当的合成,可以极大提高学习系统的泛化能力,已经成为一种有广阔应用前景的工程化神经计算技术.本文讨论了神经网络集成的理论方法及其研究进展,并对该领域进一步研究的问题进行了探讨.  相似文献   

12.
BP神经网络原理及MATLAB仿真   总被引:3,自引:0,他引:3  
BP网络在人工神经网络中应用最为广泛.它理论完善、结构直观.本文首先介绍了BP神经网络的原理、进行训练的过程、存在的问题;接着探讨了几种先进的BP训练方法.最后,用Matlab语言,以函数逼近为例实现了BP网络的仿真训练.  相似文献   

13.
由于地震波的瞬时性及不可预见性,给结构控制带来了相当大的难度,利用人工神经网络的学习性,训练了一个三层BP网络,对下一步地震波的大小进行预测;预测值的大小与实际的期望值非常吻合;比较了各种BP网络在训练中的优劣;提出了一种用多种学习方法相结合来训练神经网络的方法;结果证明了在训练中能取得很好的效果,得出了令人满意的结果。  相似文献   

14.
运用Kohonen神经网络的模型,利用上海市第五次人口普查数据,研究了浦东各街镇劳动力市场聚类问题,选取8个反映劳动力结构和特征的因子,将浦东27个街镇聚为4大类,最后分析了4个类型各自的特征及在空间上的区域差异。  相似文献   

15.
TheneuralnetworksforNOT,AND,OR,NAND,NOR,XORandXNORgateswerepresentedin[1]and[4].ThelogicfunctionofanygatecanbedescribedusingB...  相似文献   

16.
利用数学软件MATLAB研究了基于人工神经网络的模式识别,这种基于人工神经网络的模式识别系统不仅能够识别字母还能识别汉字和数字,适用于汉字识别和数字签名。  相似文献   

17.
GTAW焊接质量神经网络模糊控制系统的研究   总被引:2,自引:0,他引:2       下载免费PDF全文
研究了一种应用于GTAW焊接质量控制中,利用神经网络进行模糊推理的控制器,采用两个BP网络实现了参数自调整模糊与积分混合控制,采用对输入进行“编码”的方式,减少了BP网络的训练时间和增强了控制实时性,仿真试验和工艺试验都表明了该控制方法的合理性和有效性。  相似文献   

18.
Ship collision on bridge is a dynamic process featured by high nonlinearity and instantaneity. Calculating ship-bridge collision force typically involves either the use of design-specification-stipulated equivalent static load, or the use of finite element method (FEM) which is more time-consuming and requires supercomputing resources. In this paper, we proposed an alternative approach that combines FEM with artificial neural network (ANN). The radial basis function neural network (RBFNN) employed for calculating the impact force in consideration of ship-bridge collision mechanics. With ship velocity and mass as the input vectors and ship collision force as the output vector, the neural networks for different network parameters are trained by the learning samples obtained from finite element simulation results. The error analyses of the learning and testing samples show that the proposed RBFNN is accurate enough to calculate ship-bridge collision force. The input-output relationship obtained by the RBFNN is essentially consistent with the typical empirical formulae. Finally, a special toolbox is developed for calculation effi- ciency in application using MATLAB software.  相似文献   

19.
1 Background1 The fault diagnosis to equipment is to obtain fault patterns from characteristic parameters, and in fact it is the problem of fault characteristic’s classification. However the mapping of characteristic parameters to fault patterns is serio…  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号