简介:为了进一步优化神经网络算法,提高网络神经算法的速率并提高其稳定性,就现有BP算法所存在的收敛速度慢以及容易陷入局部极小值的弊病,我们将进一步通过一般改进算法解决在神经网络结构优化过程中依然无法解决的问题。依据遗传算法的特征,进一步在经过改进的压缩映射遗传的基础上提出了BP神经网络优化方案。泛函分析中压缩映射原理的应用,一方面解决了困扰人们的BP神经网络算法所固有的缺点,显著地提高了神经网络算法的收敛速度,而且解决了BP神经在运行的过程中和网络连接权值初值的取值紧密相连的缺点。经过大量的计算我们得到如下数据:经过优化改进后,训练时间节约了8.3%,训练步数降低了近17.4%。经过大量的研究实验表明:经过改进后的BP神经网络算法取得了良好的效果,十分具有应用价值。
简介:Basedontheoperationdatafromacertainwastewatertreatmentplant(WWTP)innortheastChina,themodelsofbackpropagationneuralnetwork(BPNN)andradialbasisfunctionneuralnetwork(RBFNN)havebeendesignedrespectivelyandtheabilityofconvergenceandgeneralizationhasbeenanalyzedseparately.AsforBPNN,theeffectsofnumbersoflayersandnodeshavebeenstudied;asforRBFNN,theinfluencesofthenumberofnodesandtheRBF′swidthhavebeenstudied.ItisconcludedthatBPNNhasconvergedmuchslowlyincomparisonwithRBFNN.TheconclusionthattheRBFNNissuitableformodelingactivatedsludgesystemhasbeendrawn.AnautomaticallyoptimumdesignprogramforRBFNNhasbeendeveloped,throughwhichtheRBFNNmodeloftraditionalactivatedsludgesystemhasbeenestablished.
简介:摘要:本文提出了一种基于改进的BP(backpropagation)神经网络的图像识别方法。该方法利用BP网络的结构来提取图像特征,并基于特征和目标图像之间的匹配度进行分类。该方法比传统BP网络更加灵活,可以更好地抓取图像特征,更好地改善图像识别的准确性和精确性。
简介:摘要:在这个电子信息时代,各个领域都有对应的融合,在建筑方面通过研究发现 BP多目标人工群峰算法加快了原有工程的进程,大大减少了人们进行复杂的数字运算与筛选的时间,对于多目标人工群蜂算法来说这是一个最好的时代,它化简了许多过程,在多方面领域对它的青睐程度很高,所以对于我们而言,我们很有必要去研究,开发和应用这个方法,将它的能力开发到极致,尤其是在建筑方面
简介:目的:与经典测量理论相比,项目反应理论具有更多的优势,但由于项目反应理论模型的复杂性,进行参数估计时往往需要较大的被试样本;人工神经网络的出现为小样本被试估计项目反应理论的能力参数和项目参数提供了可能,文章的目的是通过神经网络的蒙特卡罗模拟研究寻找更精确的参数估计方法。方法:以项目反应理论的两参数模型为例,以MAB和RMSE为比较指标,通过模拟数据比较经典测量理论的通过率、点二列相关系数、平均得分作为神经网络的输入值与以经过转换的数值(IRT参数估计的初值)作为神经网络的输入值训练网络结果的差异,比较不同条件下MAB指标和RMSE指标的差异。结果:以通过率估计项目参数b与以bj=zj/rbj估计项目参数b存在差异;以点二列相关系数估计项目参数a与以aj=rbj/√1-r^2bj估计项目参数a存在差异;以平均得分估计能力参数θ与以ln[x/(m-x)]估计能力参数θ存在差异。结论:对于两参数项目反应模型,以通过率估计项目参数b比以bj=zj/rbj估计项目参数b误差更小,而以点二列相关系数估计项目参数a比以aj=rbj/√1-r^2bj估计项目参数a误差更大,以平均得分估计能力参数θ比以ln[x/(m-x)]估计能力参数θ误差更大。
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。