简介：自组织特征映射网络(SOM网络)是一种具有聚类功能的网络,为了进一步对土壤进行分类,特意将自组织特征映射神经网络应用于其中。围绕着自组织特征映射神经网络在土壤分类中的应用展开,将土壤的7个理化指标表示其性状并作为输入向量,对输入向量进行仿真并训练。根据自组织特征映射神经网络的基本原理和算法,对中国某地区的10个土壤样本进行分类,并结合相关文献的研究成果进行对比,以MATLAB作为测试环境,运用神经网络训练和仿真土壤样本数据,结果表明SOM网络可以为土壤分类提供一种新的思路和方法,对土壤分类的效果较好。

简介：对变压器进行故障诊断,在提高电力系统运行的安全性和可靠性方面具有重要意义.传统的BP算法是-种局部搜索的优化方法,在变压器故障诊断的过程中很有可能陷入局部极值,使收敛速度较慢,算法效率较低.文章提出采用混沌免疫优化神经网络方法进行变压器故障诊断,在网络权值调整过程中引入免疫算法的思想,采用免疫算法对网络权值进行全局优化,最后用该算法对变压器进行故障诊断,并与传统BP神经网络诊断方法进行比较.结果表明,将该方法用在变压器故障诊断中,其正确率提高了5%,训练速度减少了182次,收敛速度更快,可靠性更高.

简介：本文系统的论述了模糊控制，神经网络以及模糊神经网络的发展及现状，探讨了模糊神经网络发展当中的一些问题，指出了模糊神经网络现阶段存在的不足与发展方向。

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：在分析传统误差反向传播(BP)算法和标准粒子群优化(PSO)算法的特征及其问题基础上,提出一种改进粒子群优化(IPSO)算法和改进BP(IBP)算法,建立基于IPSO-IBP混合算法的电力变压器神经网络故障诊断模型。通过85组训练样本和16组测试样本的仿真对比分析,该方法能够实现电力变压器不同故障的有效诊断,提高电力变压器故障模式的识别能力,故障诊断准确率高,故障诊断速度快。

简介：首先介绍了BP算法神经网络的基本原理,然后将BP算法神经网络应用于拟合传感器的输出特性,并在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合传感器的输出特性的优越性.

简介：绝大多数通信信号都是具有周期平稳信号特征，CAB类算法是一种基于信号周期平稳特性下的波束形成算法。但是，由于算法中存在的矩阵求逆的巨大运算量的要求是算法的实时应用性变差。本文利用TH神经网络的巨量并行性的特点来解决算法中的这一问题，实验结果表明其性能优良。

简介：本文通过对人工神经网络的基本概念特点发展等加以介绍,使读者能对作为当今尖端科技的人工神经网络技术有一定的了解与认识。

简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

简介：认知风格是人们在信息加工方式上的个人偏好,是运用以大脑为基础的神经结构和机制进行信息加工的个体差异。本研究在词汇学认知风格模型的基础上,采用SOM神经网络的方法,对参与测试的240名大学生（平均年龄19.6岁）进行聚类分析。结果显示,大学生的认知风格可以聚为四类,它们是细致灵动型、粗放灵动型、讨论型和规范型。每一类型的大学生在认知风格上具有最大的相似性,而不同类型的大学生认知风格差异较大。研究还产生了9种更加具体的认知风格类型。

简介：对于分数阶控制系统,因分数阶控制器较传统PID控制器具有更好的适应性,这就为得到更加细腻的控制品质提供了可能。然而,分数阶PIαDβ控制器的参数整定则相对复杂。针对这一问题,提出了基于BP神经网络的分数阶控制器参数整定方法,有效地克服了分数阶控制器参数整定复杂问题。采用文章所提方法,分别设计了整数阶PID、分数阶PIαDβ控制器,并进行仿真对比。结果表明,采用分数阶PIαDβ控制器的系统控制品质优于整数阶PID控制器。

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：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：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：随着近年来深度学习的迅速发展，不同的深度学习算法在各个领域取得了重大突破，其中卷积神经网络的“权值共享”的概念，使得大规模的网络训练变得简单，所以在图像识别领域中应用的十分广泛。本文首先介绍人像采集和图像预处理，接着利用经典卷积神经网络模型为人脸识别建模，然后评估模型性能，最后利用训练好的模型，并设置人像概率阈值，识别结果。

简介：摘 要 航材保障面临着库存积压、库存结构不合理等问题，严重影响了航材保障质量效益。其中原因之一，就是航材消耗规律把握不够准确，在一定程度上影响了航材订货决策的科学性。因此，本文将尝试根据航材的消耗规律运用BP神经网络预测方法建立模型，并通过实例计算预测，验证所建立模型的准确度，对预测结果进行分析评价航材。

简介：利用MATLAB语言及基于它的神经网络工具包根据模糊控制规则对B-P网络进行训练,并用这一网络控制倒立摆,结果表明,MATLAB中的神经网络工具包在神经网络的应用中大有作为.

简介：采用能任意精度逼近任意函数的BP神经网络对用熏硫法预处理山楂中Vc含量进行建模．建模结果表明。BP神经网络能很好地逼近Vc含量与熏硫量和熏硫时间的函数关系，能够确定最佳熏硫时间和熏硫量，并确定在此条件下的Vc含量．

简介：目的:面对我国人参价格涨跌频繁的现状,基于历史价格数据探索一种人参价格预测方法,进而有预见性的指导人参的种植、经营,防范伤农、伤商事件的发生。方法:以生晒55支规格的人参为代表,选取2012年6月至2018年5月的历史价格为实验数据,以2012年6月至2017年8月的价格为训练集,以2017年9月到2018年5月的价格为验证数据集,分别基于BP神经网络与ARIMA方法,构建人参(生晒55支规格)的价格预测模型,并将二者的预测效果进行比较。结果:ARIMA模型在平稳期的预测较为精确,BP神经网络能应对价格的突变预测。结论:BP神经网络预测模型整体优于ARIMA模型,进一步证实了BP神经网络用于价格预测的优越性。