前馈多层神经网络在水滑石电缆阻燃剂制备中的应用 被引量：8

1

作者 任庆利 罗强 +1 位作者 吴洪才 陈寿田 《绝缘材料》 CAS 北大核心 2002年第3期7-9,共3页

本文将前馈多层神经网络用于水滑石电缆阻燃剂制备的研究。从获得的试验数据中 ,通过训练建立了原料添加量与最终制备得的水滑石纯度的非线性映射模型。神经网络采用 BP算法 ,网络结构采用 3- 2 - 1形式。结果表明 。

关键词 前馈多层神经网络 水滑石 电缆阻燃剂 制备 绝缘材料 BP-算法

在线阅读 下载PDF 职称材料

前馈多层神经网络BP算法与可靠性增长模型 被引量：3

2

作者 罗莉 罗强 何鸿君 《计算机工程与科学》 CSCD 2001年第3期55-58,共4页

本文叙述了可靠性增长和 BP算法的基本概念 ,着重研究神经网络 BP算法用于可靠性增长的预测方法。Gompertz模型是可靠性增长的一个很好的预测模型。本文引用文献中的多个实例 ,将BP算法预测结果与 Gompertz模型预测结果相比较 ,结论基... 本文叙述了可靠性增长和 BP算法的基本概念 ,着重研究神经网络 BP算法用于可靠性增长的预测方法。Gompertz模型是可靠性增长的一个很好的预测模型。本文引用文献中的多个实例 ,将BP算法预测结果与 Gompertz模型预测结果相比较 ,结论基本上一致。这说明该方法不但可行 ,而且有简便。 展开更多

关键词 前馈多层神经网络 BP算法 可靠性增长模型 可靠性工程

在线阅读 下载PDF 职称材料

前馈多层神经网络的一种高效加速算法

3

作者 赵海涛 滕旭伟 杨静宇 《数据采集与处理》 CSCD 2002年第2期171-174,共4页

前馈多层神经网络是应用最广泛的一种人工神经网络 ,在各门学科领域中都具有很重要的实用价值 ,其学习能力和容错能力对不确定性模式识别问题的求解具有独到之处。前馈多层神经网络所使用的 BP算法虽然简单且易于实现 ,但收敛速度缓慢... 前馈多层神经网络是应用最广泛的一种人工神经网络 ,在各门学科领域中都具有很重要的实用价值 ,其学习能力和容错能力对不确定性模式识别问题的求解具有独到之处。前馈多层神经网络所使用的 BP算法虽然简单且易于实现 ,但收敛速度缓慢。因此基于收敛速度及存储空间的考虑 ,文中着重探讨了一种较实用的 BP网络优化算法——向量序列的 ε-加速算法 ,并对相关的收敛性和稳定性作了理论上的分析和研究。 展开更多

关键词 前馈多层神经网络 高效加速算法 ε-算法 BP算法 模式识别

在线阅读 下载PDF 职称材料

基于蚁群算法的多层前馈神经网络 被引量：68

4

作者 洪炳熔 金飞虎 高庆吉 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2003年第7期823-825,共3页

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型。但算法有求解精度低、搜索速度慢、易于陷入极小的缺点。蚁群算法是一种新型的模拟进化算法,有正反馈、分布式计算、启发性收敛等特性。这些特性使得解题过程加快,易于实... 反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型。但算法有求解精度低、搜索速度慢、易于陷入极小的缺点。蚁群算法是一种新型的模拟进化算法,有正反馈、分布式计算、启发性收敛等特性。这些特性使得解题过程加快,易于实现分布式计算。将蚁群算法和神经网络相结合起来,实现了非线性模型的辨识问题及倒立摆的控制。仿真实验表明:用蚁群算法训练神经网络,可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能。 展开更多

关键词 蚁群算法 多层前馈神经网络 反向传播算法 非线性系统 倒立摆 收敛性 映射能力 网络训练

在线阅读 下载PDF 职称材料

基于改进多层前馈神经网络的电能质量扰动分类 被引量：8

5

作者 黄南天 徐殿国 刘晓胜 《电子测量与仪器学报》 CSCD 2009年第10期62-66,共5页

电能质量扰动分类是电能质量控制的重要工作之一,主要工作包括信号特征提取和分类器构造两个阶段。采用S变换与改进的多层前馈神经网络相结合,提出一种新的电能质量扰动分类方法。首先利用S变换对原始数据进行处理,提取具有代表性的4类... 电能质量扰动分类是电能质量控制的重要工作之一,主要工作包括信号特征提取和分类器构造两个阶段。采用S变换与改进的多层前馈神经网络相结合,提出一种新的电能质量扰动分类方法。首先利用S变换对原始数据进行处理,提取具有代表性的4类典型特征以表征不同种类的扰动类型的特性,之后使用拟牛顿法和自适应因子改进传统的多层前馈神经网络,将特征作为改进的多层前馈神经网络的输入向量,实现自动的分类识别。实验表明,新方法减少了噪声对分类准确率的影响,学习能力强,能够有效的识别电压暂降、电压瞬升、电压中断、暂态震荡、谐波等5种电能扰动。 展开更多

关键词 电能质量 电能质量扰动 多层前馈神经网络 S变换

在线阅读 下载PDF 职称材料

多层前馈神经网络研究——单位BP算法 被引量：4

6

作者 韩明红 韩捷 关惠玲 《振动．测试与诊断》 EI CSCD 2001年第1期30-35,共6页

分析了引起标准 BP算法收敛速度慢的原因 ,以及传统改进方法的不足之处 ,探讨了解决的途径。为了提高 BP算法的收敛速度 ,定义并引入了基量函数的概念 ,并将其运用到 BP算法中 ,给出了一种高效的单位 BP算法。仿真和实例结构均表明该算... 分析了引起标准 BP算法收敛速度慢的原因 ,以及传统改进方法的不足之处 ,探讨了解决的途径。为了提高 BP算法的收敛速度 ,定义并引入了基量函数的概念 ,并将其运用到 BP算法中 ,给出了一种高效的单位 BP算法。仿真和实例结构均表明该算法能够较好地克服标准 BP算法收敛速度慢的缺点 。 展开更多

关键词 单位BP算法 训练速度 逼近精度 多层前馈神经网络 收敛速度

在线阅读 下载PDF 职称材料

基于模糊分类器及多层前馈神经网络混合结构的说话人辨认 被引量：4

7

作者 张玲华 杨震 郑宝玉 《通信学报》 EI CSCD 北大核心 2005年第11期68-75,共8页

提出了基于模糊超椭球聚类算法的说话人辨认新方法。该算法首先将某一类的训练数据分成若干子类, 对每一子类在其中心周围定义具有超椭球区域的模糊规则。实验表明,该系统可以较快的聚类速度取得与HMM 相当的识别效果。进一步的研究表明... 提出了基于模糊超椭球聚类算法的说话人辨认新方法。该算法首先将某一类的训练数据分成若干子类, 对每一子类在其中心周围定义具有超椭球区域的模糊规则。实验表明,该系统可以较快的聚类速度取得与HMM 相当的识别效果。进一步的研究表明,基于模糊超椭球聚类算法的说话人辨认系统与传统的基于HMM的识别方法存在一个共同的缺点,即抗噪性能较差。为此,通过引入多层前馈神经网络(MLFNN)与模糊超椭球分类器构成混合模型,使系统的识别性能和抗噪能力显著提高。 展开更多

关键词 说话人辨认 模糊 超椭球分类器 多层前馈神经网络

在线阅读 下载PDF 职称材料

基于遗传多层前馈神经网络的大豆脂肪酸含量近红外光谱检测 被引量：4

8

作者 谭克竹 张长利 柴玉华 《东北农业大学学报》 CAS CSCD 2008年第7期112-117,共6页

文章提出了一种利用遗传多层前馈神经网络建立数学模型的方法,建立起化学测定值与近红外光谱数据之间的定量关系。把得到的近红外光谱数据作为网络的输入,把用化学法测定的5种脂肪酸含量作为网络的输出,再利用遗传算法训练多层前馈神经... 文章提出了一种利用遗传多层前馈神经网络建立数学模型的方法,建立起化学测定值与近红外光谱数据之间的定量关系。把得到的近红外光谱数据作为网络的输入,把用化学法测定的5种脂肪酸含量作为网络的输出,再利用遗传算法训练多层前馈神经网络的权值,建立大豆脂肪酸的神经网络检测模型,探索出一种能够准确、高效地完成近红外光谱检测的神经网络模型,文中设计了一种用遗传算法训练的多层前馈神经网络。通过试验证明,用遗传算法优化人工神经网络的权重,获得高于单纯用人工神经网络训练的结果。大豆5种脂肪酸的相关系数都可达到0.9左右,能够满足大豆育种的初步检测。 展开更多

关键词 近红外光谱 多层前馈神经网络 遗传算法 大豆 脂肪酸

在线阅读 下载PDF 职称材料

多层前馈神经网络在基于案例推理的应用 被引量：2

9

作者 李建洋 倪志伟 刘慧婷 《计算机应用》 CSCD 北大核心 2005年第11期2650-2652,共3页

基于案例的推理(CBR)系统的增量式学习会使案例库逐渐增大,导致案例的检索时间较长,效率较低。多层前馈神经网络是构造性神经网络技术,很容易构筑及理解,具有较低的时间和空间复杂性和较高的识别率。利用该神经网络技术对案例库进行分类... 基于案例的推理(CBR)系统的增量式学习会使案例库逐渐增大,导致案例的检索时间较长,效率较低。多层前馈神经网络是构造性神经网络技术,很容易构筑及理解,具有较低的时间和空间复杂性和较高的识别率。利用该神经网络技术对案例库进行分类后,待求解的新问题只需在某个子案例库中进行检索,便可以有效地解决大规模案例库的能力与效率的维护问题,确保CBR系统的能力保护与效率保护兼顾的实现,为大规模案例库的应用提供技术保证。 展开更多

关键词 多层前馈神经网络 基于案例的推量 分类 覆盖算法

在线阅读 下载PDF 职称材料

基于多层前馈神经网络的并联型电能质量控制器 被引量：5

10

作者 任永峰 李含善 +2 位作者 胡洪涛 张国栋 王志国 《电工技术学报》 EI CSCD 北大核心 2007年第8期108-113,共6页

神经网络用于电力系统电能质量分析和控制是一个新研究领域。快速可靠地提取谐波分量决定着并联型电能质量控制器的整体性能,构造了一种和理论分析相一致的基于反向传播算法的三层前馈神经网络,离线训练收敛后可用来在线检测电力系统谐... 神经网络用于电力系统电能质量分析和控制是一个新研究领域。快速可靠地提取谐波分量决定着并联型电能质量控制器的整体性能,构造了一种和理论分析相一致的基于反向传播算法的三层前馈神经网络,离线训练收敛后可用来在线检测电力系统谐波电流。系统中逆变器补偿电流的产生对系统的补偿性能至关重要,提出了一种基于神经网络的逆变器瞬时电流PWM控制。并联型电能质量控制器投入系统后电流总畸变率由26.29%下降为5.25%。仿真实例表明,所提并联型电能质量控制器动态响应快,可改善电力系统电流波形畸变,提高电能质量。 展开更多

关键词 多层前馈神经网络 BP算法 谐波检测 并联型电能质量控制器 控制

在线阅读 下载PDF 职称材料

基于VisualC++6.0的多层前馈神经网络训练系统的实现 被引量：3

11

作者 徐建安 张铭钧 郑金兴 《哈尔滨工程大学学报》 EI CAS CSCD 2002年第3期108-111,共4页

基于VisualC ++6 .0软件 ,开发了多层前馈神经网络训练系统 ,通过参数设置 ,该系统可以对教师样本进行学习 ,具有参数调整方便、界面友好等特点 ,通过对电火花线切割加工状态的识别 ,证明了本训练系统是有效和可行的 .

关键词 多层前馈神经网络 训练系统 VISUALC++6.0

在线阅读 下载PDF 职称材料

多层前馈模糊神经网络进行图像识别 被引量：2

12

作者 张向东 孙薇 金锦良 《计算机应用与软件》 CSCD 北大核心 2001年第5期1-4,10,共5页

神经网络和模糊技术在模式识别领域中已有了广泛应用,两者有着各自的优势。针对神经网络模式识别中所遇到的问题,为了进一步提高分类器在样本分布不清晰情况下的识别能力,本文提出了两种将模糊机制引入神经网络的方法——输入模糊化方... 神经网络和模糊技术在模式识别领域中已有了广泛应用,两者有着各自的优势。针对神经网络模式识别中所遇到的问题,为了进一步提高分类器在样本分布不清晰情况下的识别能力,本文提出了两种将模糊机制引入神经网络的方法——输入模糊化方法和隐层模糊化方法,并在此基础上分别构造了模糊神经网络。实验结果表明,模糊神经网络较好地结合了神经网络和模糊技术的优点,取得了比传统神经网络更好的识别结果。 展开更多

关键词 图像识别 模式识别 多层前馈模糊神经网络 学习算法

在线阅读 下载PDF 职称材料

常见遗传多层前馈神经网络实数编码的不合理性分析和改进 被引量：1

13

作者 莫鸿强 罗飞 +1 位作者 侯小梅 毛宗源 《控制理论与应用》 EI CAS CSCD 北大核心 2001年第2期281-284,共4页

对遗传多层前馈神经网络常见的实数编码中不适合于优化权值大小、不利于交叉算子发挥作用等问题 ,进行了理论分析 ,提出了“最小模式”等概念 ,并据此对编码方式做了改进 。

关键词 遗传算法 多层前馈神经网络 实数编码 不合理性

在线阅读 下载PDF 职称材料

多层前馈神经网络及其在开关变换器中的应用 被引量：1

14

作者 姜学东 周宇飞 +1 位作者 王诗兵 陈军宁 《电测与仪表》 北大核心 2008年第9期53-58,64,共7页

多层前馈神经网络具有多层结构、可鉴别神经元特性函数和误差反传算法等三个要素。本文从多层前馈神经网络的结构和原理出发,分析了多层前馈神经网络的非线性函数映射能力,以此为基础,从而可以实现其在系统辨识和非线性控制上的作用。另... 多层前馈神经网络具有多层结构、可鉴别神经元特性函数和误差反传算法等三个要素。本文从多层前馈神经网络的结构和原理出发,分析了多层前馈神经网络的非线性函数映射能力,以此为基础,从而可以实现其在系统辨识和非线性控制上的作用。另外,以Boost变换器的神经网络辨识器和控制器的设计为例,探讨了开关变换器的数学建模方法和多层前馈神经网络在其中的应用,使得各种线性和非线性控制方法均可以利用多层前馈神经网络来实现,并具有统一的设计和训练措施。 展开更多

关键词 多层前馈神经网络 系统辨识 非线性控制 开关变换器

在线阅读 下载PDF 职称材料

用于多层前馈神经网络学习的快速遗传算法 被引量：2

15

作者 韩明红 李凡 邓家 《航空制造技术》 北大核心 2003年第7期31-34,共4页

提出了一种用于多层前馈神经网络学习的快速遗传算法 ,论述了其算法的进化过程并对多层前馈神经网络的权值进行了优化 ,对权值的初始化范围以及输入层节点进行了优化选择。仿真试验结果表明 ,该算法收敛速度快 ,网络逼近精度高 ,克服了B... 提出了一种用于多层前馈神经网络学习的快速遗传算法 ,论述了其算法的进化过程并对多层前馈神经网络的权值进行了优化 ,对权值的初始化范围以及输入层节点进行了优化选择。仿真试验结果表明 ,该算法收敛速度快 ,网络逼近精度高 ,克服了BP算法易于陷入局部极小的问题。 展开更多

关键词 快速遗传算法 多层前馈神经网络学习 收敛速度 网络逼近精度

在线阅读 下载PDF 职称材料

多层前馈神经网络几种算法的样本顺序敏感性 被引量：2

16

作者 黎移新 《食品与机械》 CSCD 北大核心 2010年第4期95-97,共3页

检测神经网络4种算法(有弹回的算法、OSS算法、LM算法和Regularization算法)的分类能力。结果表明,多层前馈神经网络的分类能力与算法和学习样本顺序有关;OSS算法和LM算法训练的网络分类能力对学习样本顺序最为敏感,且容易产生输出奇异... 检测神经网络4种算法(有弹回的算法、OSS算法、LM算法和Regularization算法)的分类能力。结果表明,多层前馈神经网络的分类能力与算法和学习样本顺序有关;OSS算法和LM算法训练的网络分类能力对学习样本顺序最为敏感,且容易产生输出奇异点和宽幅输出波动,Regularization算法训练的网络分类能力对学习样本顺序不敏感;下凸学习样本顺序的OSS算法分类精度最高,网络分类能力最强;递增学习样本顺序的LM算法分类精度最低,网络分类能力最差;不同算法的网络分类能力对学习样本的敏感程度取决于网络权值、阈值的冗余与传递函数的性质。 展开更多

关键词 多层前馈神经网络 样本顺序 算法 分类能力

在线阅读 下载PDF 职称材料

多层前馈神经网络在自动控制系统中的应用 被引量：1

17

作者 蒋岚 龚为延 《北京工业大学学报》 CAS CSCD 2000年第2期102-106,共5页

基于神经网络所具有的灵活强大的学习能力，提出了一种用多层前馈神经网络实现的控制器．该控制器通过学习系统的逆动力学特性，能由系统反馈回的输入／输出状态及未来期望输出值直接得到应加在系统输入端的控制量．另外，通过引入系统... 基于神经网络所具有的灵活强大的学习能力，提出了一种用多层前馈神经网络实现的控制器．该控制器通过学习系统的逆动力学特性，能由系统反馈回的输入／输出状态及未来期望输出值直接得到应加在系统输入端的控制量．另外，通过引入系统的神经网络正向模型，可将系统输出端的误差经网络逐层反传，在线调节神经网络控制器的权重，从而使控制器具有自学习能力，以适应控制对象参数的变化，确保良好的控制效果． 展开更多

关键词 多层前馈神经网络 逆动力学特性 自动控制系统

在线阅读 下载PDF 职称材料

基于跨越连接的多层前馈神经网络结构分析

18

作者 唐云岚 高妍方 +1 位作者 谭旭 陈英武 《计算机工程与应用》 CSCD 北大核心 2009年第32期45-47,共3页

任何连接方式的神经网络总可以归结为跨越连接网络。在传统多层前馈神经网络算法的基础上,提出了完全全连接神经网络的概念,给出了基于跨越连接的多层前馈神经网络算法。通过分析多层前馈神经网络的误差函数,从理论上证明了:相对于无跨... 任何连接方式的神经网络总可以归结为跨越连接网络。在传统多层前馈神经网络算法的基础上,提出了完全全连接神经网络的概念,给出了基于跨越连接的多层前馈神经网络算法。通过分析多层前馈神经网络的误差函数,从理论上证明了:相对于无跨越连接网络,基于跨越连接的多层前馈神经网络能以更加简洁的结构逼近理想状态。最后,用一个隐层神经元解决了XOR问题。 展开更多

关键词 跨越连接 多层前馈神经网络 隐层结构 XOR问题

在线阅读 下载PDF 职称材料

一种改进的多层前馈神经网络结构研究 被引量：2

19

作者 徐志英 《科学技术与工程》 2009年第17期4973-4977,共5页

通过将传统多层前馈神经网络结构改造为具有跨层连接的网络,提出了相应的多层前馈神经网络改进算法。通过分析网络误差函数,从理论上证明了:相对于无跨层连接网络,有跨层连接网络能以更加简洁的结构逼近理想状态。最后,用一个隐层神经... 通过将传统多层前馈神经网络结构改造为具有跨层连接的网络,提出了相应的多层前馈神经网络改进算法。通过分析网络误差函数,从理论上证明了:相对于无跨层连接网络,有跨层连接网络能以更加简洁的结构逼近理想状态。最后,用一个隐层神经元解决了传统网络必须用两个隐元才能解决的异或问题。 展开更多

关键词 多层前馈神经网络 跨层连接 隐层结构

在线阅读 下载PDF 职称材料

前馈神经网络快速算法及其应用 被引量：2

20

作者 朱明星 方斌 张德龙 《合肥工业大学学报（自然科学版）》 CAS CSCD 2000年第5期735-739,共5页

针对现有前馈神经网络学习算法的缺陷 ,提出一种前馈神经网络的快速学习算法。该算法是基于无监督学习中的主元分析算法的 Oja规则和监督学习中δ规则的。与现有同类算法相比 ,该算法简化了学习过程 ,计算量小 ,有更快的学习收敛速度和... 针对现有前馈神经网络学习算法的缺陷 ,提出一种前馈神经网络的快速学习算法。该算法是基于无监督学习中的主元分析算法的 Oja规则和监督学习中δ规则的。与现有同类算法相比 ,该算法简化了学习过程 ,计算量小 ,有更快的学习收敛速度和更高的收敛精度 ,较适用于快速学习的系统辨识和其他应用。系统辨识的仿真实例表明了该算法的优良性能。 展开更多

关键词 多层前馈神经网络 快速算法 OJA规则 δ规则 系统辨识

在线阅读 下载PDF 职称材料