期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到414篇文章
< 1 2 … 21 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进鲸鱼算法构建反向传播神经网络粮食产量预测模型及效果分析
1
作者 赵晶晶 陈岩 《科学技术与工程》 北大核心 2025年第7期2748-2759,共12页
为了给农业及其相关部门制定粮食策略提供理论依据,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的反向传播(back propagation,BP)神经网络混合算法(IWOA-BP)。该混合算法先通过引入改进收敛因子、非线... 为了给农业及其相关部门制定粮食策略提供理论依据,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的反向传播(back propagation,BP)神经网络混合算法(IWOA-BP)。该混合算法先通过引入改进收敛因子、非线性惯性权重和最优邻域扰动策略改进鲸鱼优化算法,再将其最优解赋值给BP神经网络的权值和阈值,最终提高IWOA-BP的收敛速度和收敛精度。选取全国近45年粮食总产量和7种影响因素(有效灌溉面积、化肥施用量、农村用电量、农业机械总动力、粮食作物播种面积、受灾面积和农村人均消费支出)作为数据集,构建基于改进鲸鱼算法的反向传播神经网络粮食产量预测模型。多次实验表明,IWOA-BP模型在测试集上的表现均优于其他预测模型,包括长短期记忆网络(long short-term memory network,LSTM)预测模型、极限学习机(extreme learning machine,ELM)预测模型、基于鲸鱼优化算法的BP神经网络(WOA-BP)预测模型以及基于粒子群算法的BP神经网络(PSO-BP)预测模型。IWOA-BP模型和ELM模型相比,前者的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了77.12%、88.18%;和LSTM模型相比,前者的RMSE、MAPE分别降低了69.11%、47.36%;和WOA-BP模型相比,前者的平均绝对误差(mean absolute error,MAE)、RMSE和MAPE分别降低了43.78%、43.22%、45.96%。和PSO-BP模型相比,前者的MAE、RMSE、MAPE分别降低了89.67%、90.61%、90.82%。因此IWOA-BP预测模型的决定系数更高、预测误差更小且收敛速度更快,可有效地预测粮食产量,对于农业部门和相关政策制定者来说具有重要的技术参考价值。 展开更多
关键词 粮食产量 反向传播神经网络 鲸鱼优化算法 非线性惯性权重 随机扰动策略
在线阅读 下载PDF
基于遗传算法-反向传播神经网络优化高压-超声-酶解法提取羊皮胶原蛋白工艺 被引量：1
2
作者 朱明 张德权 +5 位作者 李少博 陈丽 侯成立 程成鹏 于江颖 关文强 《肉类研究》 北大核心 2024年第6期42-50,共9页
采用高压-超声-酶解法提取羊皮胶原蛋白,对比遗传算法-反向传播(genetic algorithm-back propagation,GA-BP)神经网络模型和响应面模型的优化效果,确定最佳工艺参数。结果表明:GA-BP神经网络在模型拟合和预测方面表现优于响应面模型;最... 采用高压-超声-酶解法提取羊皮胶原蛋白,对比遗传算法-反向传播(genetic algorithm-back propagation,GA-BP)神经网络模型和响应面模型的优化效果,确定最佳工艺参数。结果表明:GA-BP神经网络在模型拟合和预测方面表现优于响应面模型;最佳提取参数为高压时间23 min、超声时间22 min、酶添加量3.2%、酶解时间222 min,羊皮胶原蛋白提取率达到(80.5±1.6)%,较传统的木瓜蛋白酶法提高40%;紫外-可见吸收光谱和傅里叶变换红外光谱结果显示,此条件下提取的羊皮胶原蛋白结构完整,高压-超声-酶解法对胶原蛋白的破坏较小。 展开更多
关键词 羊皮 羊皮胶原蛋白 高压-超声-酶解法 遗传算法-反向传播神经网络 响应面法
在线阅读 下载PDF
基于遗传算法优化反向传播网络的汽车造型评价
3
作者 李彦龙 叶升飞 张娜 《同济大学学报(自然科学版)》 北大核心 2025年第5期786-792,共7页
针对汽车造型评价存在由于主观性高而导致可靠性低的问题,运用遗传算法原理对评价方法进行了优化。通过遗传算法的优化,基于反向传播(BP)神经网络的汽车造型评价,减小了评价误差。通过问卷调研构建数据集,使用汽车的18个评价对象作为输... 针对汽车造型评价存在由于主观性高而导致可靠性低的问题,运用遗传算法原理对评价方法进行了优化。通过遗传算法的优化,基于反向传播(BP)神经网络的汽车造型评价,减小了评价误差。通过问卷调研构建数据集,使用汽车的18个评价对象作为输入,整车评价作为输出,创建了融合遗传算法的反向传播(GA-BP)网络结构,并在Matlab中进行了仿真预测。研究结果表明,经过优化的BP神经网络预测值的相对误差均值由6.7%下降至1.7%,显著提升了汽车造型评价的可靠性,具有更好的预测能力和实际应用潜力。 展开更多
关键词 汽车造型评价 反向传播神经网络 遗传算法应用
在线阅读 下载PDF
改进KPCA结合多目标蜻蜓算法优化BP神经网络的联合收割机故障诊断
4
作者 孟桐 雷鸣 +2 位作者 宋文广 王丹丹 黄梦可 《机电工程》 北大核心 2025年第7期1258-1267,共10页
针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性... 针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性,能够有效捕捉收割机的瞬态变化与局部异常,从而提取出了不同工况下的主要成分,降低了数据维度,减少了冗余信息;其次,针对传统蜻蜓算法的局限性,引入了自适应变异策略、非线性惯性权重及动态收敛因子,构建了多目标蜻蜓算法,对Schaffer、Michalewicz和Rastrigin函数进行了求解,验证了MTDA能显著提升全局与局部搜索平衡能力;最后,利用MTDA对BP神经网络的权值和阈值进行了优化,构建了MTDA-BP综合故障诊断模型,将模型应用于联合收割机的故障诊断中,通过实验验证了其有效性。研究结果表明:故障诊断平均精度达到96.7%,通过与当前主流方法的实验对比分析,采用Micro-average ROC进行了模型评价,结果显示该模型的曲线下面积(AUC)为0.967。实验结果充分证明了该模型在检测精确度与泛化性方面均具有显著优势,该研究也为解决智能农业机械中的诊断提供了一种有效的方法。 展开更多
关键词 核主成分分析 MORLET小波 多目标蜻蜓算法 反向传播神经网络 联合收割机 故障诊断
在线阅读 下载PDF
应用遗传算法-主成分分析-反向传播神经网络的近红外光谱识别树种效果 被引量：6
5
作者 冯国红 朱玉杰 +1 位作者 徐华东 蒋天宁 《东北林业大学学报》 CAS CSCD 北大核心 2020年第6期56-60,共5页
以风车木(Conbretum imberbe)和非洲小叶紫檀(Pterocarpus tinctorius Welw)为研究对象,应用LabSpec光谱仪采集光谱样本进行主成分分析(PCA),并运用遗传算法(GA)对主成分进行寻优,分别以未经GA寻优的主成分和经GA寻优的主成分作为反向传... 以风车木(Conbretum imberbe)和非洲小叶紫檀(Pterocarpus tinctorius Welw)为研究对象,应用LabSpec光谱仪采集光谱样本进行主成分分析(PCA),并运用遗传算法(GA)对主成分进行寻优,分别以未经GA寻优的主成分和经GA寻优的主成分作为反向传播(BP)神经网络输入量,测试了BP神经网络识别两种树种的效果。结果表明:寻优前,获得高识别率的主成分区间较窄,仅有5种情况识别效果理想,此种情况不利于主成分数的恰当选择;寻优后,获得高识别率的主成分区间较宽,从前6到前17有12种情况可供选择,此种情况更利于主成分的合理选择;寻优后的识别率比寻优前高,且稳定性较好。利用近红外光谱,依据GA-PCA-BP神经网络方法识别树种是一种理想的方法。 展开更多
关键词 树种识别 近红外光谱 遗传算法 主成分分析 反向传播神经网络
在线阅读 下载PDF
基于遗传算法-反向传播神经网络的径向式导叶多级泵水力性能优化 被引量：7
6
作者 王延锋 张连军 段海鹏 《科学技术与工程》 北大核心 2021年第4期1375-1381,共7页
针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(genetic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵... 针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(genetic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵水力性能预测模型,以MD500-57型径向式导叶多级泵为研究对象,建立了输入层为13个神经元、隐含层为10个神经元、输出层为2个神经元的GA-BP神经网络,采用正交试验方法设计了试验参数的正交试验方案,运用数值模拟计算方法对正交试验方案进行求解,获得了试验参数的训练样本,并对神经网络进行训练与测试,计算了过流部件关键几何参数的最优组合方案。试验结果表明:优化后该多级泵在设计工况下扬程增加了2.4 m,效率提高了3.34%,且高效区范围变宽。 展开更多
关键词 径向式导叶多级泵 水力性能 遗传算法 反向传播(BP)神经网络 性能预测
在线阅读 下载PDF
优化反向传播神经网络的自适应遗传算法 被引量：2
7
作者 戈玲 吴新余 《南京邮电学院学报》 1998年第3期1-4,共4页
探讨了用遗传算法优化反向传播神经网络的问题。通过对不同遗传操作的分析和改进，提出了一种能有效进行局部搜索和全局搜索的自适应遗传算法。计算结果表明，该算法能快速地求出问题的全局最优解，且具有较好的计算精度。
关键词 遗传算法 自适应算法 神经网络 反向传播
在线阅读 下载PDF
基于融合注意力机制BP神经网络的深基坑变形预测方法
8
作者 张明聚 秦胜旺 +3 位作者 李鹏飞 葛辰贺 杨萌 谢治天 《北京交通大学学报》 北大核心 2025年第2期95-104,共10页
针对单一反向传播(Back Propagation,BP)神经网络预测基坑开挖变形时泛化性差及容易出现局部最优解的问题,分别采用遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)进行优化,并融合注意力机制(Attention... 针对单一反向传播(Back Propagation,BP)神经网络预测基坑开挖变形时泛化性差及容易出现局部最优解的问题,分别采用遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)进行优化,并融合注意力机制(Attention)组合成GA-Attention-BP和PSO-Attention-BP神经网络模型.依托南京双子座基坑工程,采用PLAXIS 2D模拟了680组不同工况下围护结构及地表的变形特征,并结合20组南京地区基坑实测监测数据作为数据集,以均方误差(Mean Squared Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)和决定系数(RSquare,R2)作为评价指标,将不同神经网络的预测值和实际监测值进行对比.研究结果表明:GAAttention-BP和PSO-Attention-BP的MSE分别为3.47和3.22,MAE分别为1.59和1.47,R2分别为0.93和0.96,较BP和Attention-BP神经网络有较大的性能提升,预测效果较好;基于注意力机制的权重分配结果表明,基坑深度和地下连续墙的宽度对围护结构变形的影响最为显著,其权重系数分别高达1.33和1.17. 展开更多
关键词 深基坑工程 数值模拟 注意力机制 反向传播 遗传算法 粒子群算法
在线阅读 下载PDF
反向传播神经网络联合遗传算法对复合材料模量的预测 被引量：7
9
作者 王卓鑫 赵海涛 +4 位作者 谢月涵 任翰韬 袁明清 张博明 陈吉安 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第10期1341-1348,共8页
为减少测试成本和缩短设计周期,基于机器学习方法对树脂基复合材料模量的预报方法进行了研究.采用一种全新预测方法——神经网络联合遗传算法(GA-ANN),将T800/环氧复合材料的强度、泊松比和失效应变作为反向传播(BP)神经网络的3个输入变... 为减少测试成本和缩短设计周期,基于机器学习方法对树脂基复合材料模量的预报方法进行了研究.采用一种全新预测方法——神经网络联合遗传算法(GA-ANN),将T800/环氧复合材料的强度、泊松比和失效应变作为反向传播(BP)神经网络的3个输入变量,在遗传算法(GA)中得出最优阈值和权重,并将所得数值赋给对应的网络参数,更新BP神经网络以更高的准确率预测树脂基复合材料的模量;同等条件下,用Adam算法进行预测.对比这两种方法,结果充分证明了GA-ANN的可行性. 展开更多
关键词 机器学习 反向传播神经网络 遗传算法 复合材料模量 Adam算法
在线阅读 下载PDF
基于多目标遗传算法和反向传播神经网络的调节阀流道结构优化 被引量：6
10
作者 吕家皓 吴欣 何磊 《机电工程》 CAS 北大核心 2023年第12期1880-1888,共9页
以往的研究中,只针对调节阀迷宫流道结构和内部流场特性进行了分析,但对迷宫流道抗空化性能和流通性能的优化设计较欠缺。为了满足阀门实际工程中的设计需求,迷宫式调节阀需要具有流道抗空化性能和流通性能。为此,提出了一种基于多目标... 以往的研究中,只针对调节阀迷宫流道结构和内部流场特性进行了分析,但对迷宫流道抗空化性能和流通性能的优化设计较欠缺。为了满足阀门实际工程中的设计需求,迷宫式调节阀需要具有流道抗空化性能和流通性能。为此,提出了一种基于多目标遗传算法(MOGA)和反向传播神经网络(BPNN)的方法,对调节阀迷宫流道进行了结构优化,提高了迷宫流道的抗空化性能和流通性能。首先,基于对冲耗能原理和多级降压原理,设计了弧形对冲式迷宫流道,并建立了流体力学仿真计算的数学模型;然后,利用计算流体动力学(CFD)仿真软件,对模型进行了空化仿真,根据仿真的数据构建了BPNN代理模型,通过结合Sobol敏感度分析方法与代理模型,分析了迷宫流道各参数对仿真结果的影响,采用多目标遗传算法,优化了迷宫流道的结构;最后,搭建了实验测试平台,测量了迷宫流道的阻塞流曲线,对比分析了测试结果与仿真结果。研究结果表明:采用优化算法得到的迷宫流道最大流量由0.0876 kg/s提高到0.1174 kg/s,提高了34%;线性压差由762.163 kPa提高到811.280 kPa,提高了6%;优化的迷宫流道实际最大流量为0.1159 kg/s,提高了33%;线性压差为819 kPa,提高了7%。迷宫流道抗空化性能和流通性能同时得到了提高,证明了仿真的有效性和该方法的可行性。 展开更多
关键词 液压控制阀 迷宫流道 抗空化性能 流通性能 反向传播神经网络 多目标遗传算法 计算流体动力学
在线阅读 下载PDF
贝叶斯正则化优化BP神经网络估算SOH 被引量：2
11
作者 朱聪聪 郭晟 +1 位作者 常海涛 路密 《电池》 北大核心 2025年第1期25-31,共7页
为提高锂离子电池健康状态(SOH)估算的精度,采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是,引入先验分布约束BP网络权重参数,以减少过拟合风险;并引入后验分布评估参数的不确定性,提升模型对数据噪声的适应... 为提高锂离子电池健康状态(SOH)估算的精度,采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是,引入先验分布约束BP网络权重参数,以减少过拟合风险;并引入后验分布评估参数的不确定性,提升模型对数据噪声的适应性。以充电全过程提取健康特征验证模型精度;以放电片段数据提取健康特征模拟实际工况。训练后的模型在充电全过程提取特征时的均方根误差(RMSE)和平均绝对误差(MAE)均小于1.65%,采用放电片段提取特征时的RMSE和MAE均小于3.85%,相较于未优化的BP神经网络,两种方式的估算误差分别降低18%和41%以上。 展开更多
关键词 锂离子电池 健康状态(SOH) 贝叶斯正则化算法 反向传播(BP)神经网络 健康特征 先验分布 后验分布
在线阅读 下载PDF
前馈神经网络中的反向传播算法及其改进:进展与展望 被引量：52
12
作者 刘曙光 郑崇勋 刘明远 《计算机科学》 CSCD 北大核心 1996年第1期76-79,共4页
BP网络和算法是使用最广泛的神经网络模型之一,但由于它使用悌度算法,因而存在固有的局部极小及收敛速度慢等问题。本文首先回顾了BP算法的产生和和发展过程,之后对BP算法固有的特点进行了阐述,最后针对原基本BP算法的缺陷对各种改进方... BP网络和算法是使用最广泛的神经网络模型之一,但由于它使用悌度算法,因而存在固有的局部极小及收敛速度慢等问题。本文首先回顾了BP算法的产生和和发展过程,之后对BP算法固有的特点进行了阐述,最后针对原基本BP算法的缺陷对各种改进方法进行了全面综述,并指出了这一研究中的有关问题。 展开更多
关键词 神经网络 反向传播算法 前馈神经网络
在线阅读 下载PDF
基于PSO-BP神经网络模型的浸胶竹束干燥过程含水率预测
13
作者 王晓曼 吕建雄 +5 位作者 李贤军 吴义强 李新功 郝晓峰 乔建政 徐康 《林业科学》 北大核心 2025年第5期187-198,共12页
【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测... 【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测数据,以干燥温度、干燥时间、铺装方式和初始含水率为输入变量,干燥过程含水率为输出变量,制作数据集。将数据集划分为训练集(308个测试数据,占总数据量的70%)、验证集(66个测试数据,占总数据量的15%)和测试集(66个测试数据,占总数据量的15%),采用粒子群优化算法(PSO)优化反向传播(BP)神经网络初始权重与阈值,构建PSO-BP神经网络预测模型,并进行验证分析。【结果】PSO-BP神经网络模型具有较强的预测能力,在模型测试集中,决定系数(R^(2))、均方误差(MSE)、平均绝对误差(MAE)和剩余预测残差(RPD)分别达0.98、1.27、3.73和7.96。相较BP神经网络,PSO-BP神经网络的R^(2)和RPD分别提高6.53%和110.2%,MSE和MAE分别降低54.0%和71.86%。模型验证表明,干燥温度和铺装方式是影响浸胶竹束干燥过程含水率变化的主要因素,二者对PSO-BP神经网络模型预测结果影响显著。干燥温度为60℃时,在4种不同铺装方式下PSO-BP神经网络模型展现出较好预测效果,其R^(2)均超过0.969且MSE均低于3;铺装层数为3时,在4种不同干燥温度下PSO-BP神经网络模型表现最佳,其R^(2)均超过0.99且MSE均低于2。干燥时间和浸胶竹束初始含水率对PSO-BP神经网络模型预测结果影响不显著。【结论】PSO-BP神经网络模型在浸胶竹束干燥过程含水率预测中表现出准确性,可有效解决传统BP神经网络预测误差大、收敛速度慢等问题,为浸胶竹束高质高效干燥提供技术支撑。 展开更多
关键词 浸胶竹束 干燥 含水率 粒子群优化算法 反向传播 神经网络
在线阅读 下载PDF
基于改进的粒子群算法优化反向传播神经网络的热舒适度预测模型 被引量：18
14
作者 张玲 王玲 吴桐 《计算机应用》 CSCD 北大核心 2014年第3期775-779,共5页
针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型。这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传... 针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型。这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传统BP算法收敛速度慢及对网络初始值敏感的问题。同时,针对标准PSO算法易出现早熟收敛、局部寻优能力弱等缺点,提出了相应改进策略,进一步提高了PSO优化BP神经网络的能力。实验结果表明:与传统BP模型和标准PSO-BP模型相比,基于改进的PSO-BP算法的热舒适度预测模型具有更高的预测精度和更快的收敛速度。 展开更多
关键词 热舒适度 预测 反向传播神经网络 粒子群优化算法 模型
在线阅读 下载PDF
适用于海量负荷数据分类的高性能反向传播神经网络算法 被引量：40
15
作者 刘洋 刘洋1 许立雄 《电力系统自动化》 EI CSCD 北大核心 2018年第21期96-103,共8页
负荷分类对于指导电网发用电规划与保证电网可靠运行具有重要意义。面向负荷数据海量化与复杂化趋势,传统负荷分类方法已无法满足用电大数据分析要求。首先,针对用户侧数据体量大、类型多、速度快等特点,在Spark平台上将反向传播神经网... 负荷分类对于指导电网发用电规划与保证电网可靠运行具有重要意义。面向负荷数据海量化与复杂化趋势,传统负荷分类方法已无法满足用电大数据分析要求。首先,针对用户侧数据体量大、类型多、速度快等特点,在Spark平台上将反向传播神经网络(BPNN)算法并行化,实现对海量负荷数据的高效分类。然后,通过对训练样本抽样分块以降低各网络学习时间,针对分布式后BPNN基分类器由于学习样本缺失潜在的准确度下降问题,采用集成学习予以改善。并通过BPNN学习不同训练样本块构建差异化基分类器,对基分类结果多数投票得到最终分类结果。另外,提供了一种基于K-means和K-medoids聚类的负荷数据训练样本选取方法。算例表明所提方法既能对负荷曲线有效分类,又能大幅提高海量数据的处理效率。 展开更多
关键词 负荷分类 Spark平台 反向传播神经网络 集成学习 聚类算法
在线阅读 下载PDF
基于反向传播算法神经网络的信用评分系统预测力研究 被引量：4
16
作者 朱晓明 程建 +1 位作者 刘治国 钟经樊 《西安交通大学学报》 EI CAS CSCD 北大核心 2006年第12期1405-1409,共5页
为了提高信用评分系统的预测准确性和稳定性,建立了基于反向传播(BP)算法神经网络的信用评分系统,并提出信用评分系统预测力和预测稳定性验证的新方法.结合信用评分问题的实际特点建立了模型并确定了参数,然后采用一种正向选入法确定输... 为了提高信用评分系统的预测准确性和稳定性,建立了基于反向传播(BP)算法神经网络的信用评分系统,并提出信用评分系统预测力和预测稳定性验证的新方法.结合信用评分问题的实际特点建立了模型并确定了参数,然后采用一种正向选入法确定输入变量,进行模型训练,并通过引入接收器操作特征曲线的分析理论、曲线面积(AUC)值及信息理论等评价方式,对所构造的神经网络信用评分系统预测力进行评价,最后利用自抽样法构造出多个验证样本来评估信用评分系统的稳定性.与传统的逻辑信用评分系统的比较结果表明,BP神经网络信用评分系统具有更高的预测准确性和稳定性,其AUC值平均提高0.036 7,AUC值的标准误差平均降低0.005. 展开更多
关键词 神经网络 反向传播算法 信用评分 曲线面积值
在线阅读 下载PDF
一种改进的反向传播神经网络算法 被引量：4
17
作者 邱浩 王道波 张焕春 《应用科学学报》 CAS CSCD 2004年第3期384-387,共4页
在标准反向传播神经网络算法的基础上,提出了一种改进的反向传播神经网络算法.通过对每个处理单元增加3个参数来增强作用函数,且3个参数与连接权一样,在学习过程中进行实时更新.此算法提高了学习速度,且减少了进入局部最小点的可能性.通... 在标准反向传播神经网络算法的基础上,提出了一种改进的反向传播神经网络算法.通过对每个处理单元增加3个参数来增强作用函数,且3个参数与连接权一样,在学习过程中进行实时更新.此算法提高了学习速度,且减少了进入局部最小点的可能性.通过XOR问题的仿真证明了改进算法的有效性. 展开更多
关键词 反向传播 神经网络 误差 模式 顺传播 学习算法
在线阅读 下载PDF
基于PSO-BP神经网络的角接触球轴承凸出量预测
18
作者 章如意 段玥晨 +1 位作者 张瑞 赵明辉 《传感器与微系统》 北大核心 2025年第9期134-137,143,共5页
针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟... 针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟径和沟道曲率半径作为建模数据集,分别利用BP神经网络、遗传算法(GA)—BP神经网络、PSO-BP神经网络建立角接触球轴承凸出量预测模型。结果表明:PSO-BP神经网络预测模型预测效果最好,决定系数(R^(2))达0.986 3,整体误差≤±0.70%,能够较为准确地预测角接触球轴承的凸出量,提高轴承的配对效率。 展开更多
关键词 角接触球轴承 凸出量 灰色关联度分析 反向传播神经网络 遗传算法 粒子群优化算法
在线阅读 下载PDF
基于神经网络和粒子群寻优的空气系统解耦控制
19
作者 刘丹阳 沈照杰 +1 位作者 乔奉亮 王彦岩 《内燃机学报》 北大核心 2025年第5期460-468,共9页
基于内燃动力智能控制算法国际挑战赛提供的多输入、多输出增压直喷发动机模型和整车模型,结合反向传播神经网络(BPNN)、粒子群寻优算法(PSO)、比例-积分-微分(PID)控制,设计一种BPNN-PSO-PID联合解耦控制器.为了减小耦合误差,实现对废... 基于内燃动力智能控制算法国际挑战赛提供的多输入、多输出增压直喷发动机模型和整车模型,结合反向传播神经网络(BPNN)、粒子群寻优算法(PSO)、比例-积分-微分(PID)控制,设计一种BPNN-PSO-PID联合解耦控制器.为了减小耦合误差,实现对废气再循环(EGR)和涡轮放气阀等效流通直径的目标跟踪及解耦控制,采用PSO算法对EGR阀门开度的PID控制参数进行寻优,采用BPNN算法以误差反向传播的方式对涡轮放气阀等效流通直径的PID控制参数进行迭代,并在Simulink平台上评测联合解耦控制器在两种行驶车速下的控制效果.结果表明:相比于BPNN-PID算法,BPNN-PID与PSO-PID联合算法使增压压力和EGR率的平均积分绝对误差分别降低31.86%和2.46%,在不同行驶车速下均表现出良好的控制效果. 展开更多
关键词 增压直喷发动机 反向传播神经网络 粒子群算法 空气系统解耦控制
在线阅读 下载PDF
基于卷积神经网络的反向传播算法改进 被引量：26
20
作者 杨鹤标 龚文彦 《计算机工程与设计》 北大核心 2019年第1期126-130,共5页
在真实音识别系统中,针对卷积神经网络的超大规模模型参数和海量训练数据导致的训练效率问题,提出一种缩小权值范围反向传播(NWBP)算法,围绕网络参数训练后期寻找误差极小值时易出现的振荡现象,采用K-MEANS算法获取逼近误差极小值的种... 在真实音识别系统中,针对卷积神经网络的超大规模模型参数和海量训练数据导致的训练效率问题,提出一种缩小权值范围反向传播(NWBP)算法,围绕网络参数训练后期寻找误差极小值时易出现的振荡现象,采用K-MEANS算法获取逼近误差极小值的种子节点,通过迭代计算过程缩小权值变化范围避免振荡现象,使训练结果的网络误差收敛,提高训练效率。通过仿真实验,NWBP算法在复杂卷积神经网络的权值训练过程中相比可变学习速率反向传播算法收敛效果得到提升,一定程度上减少了冗余计算,缩短了训练时间,算法效果相比在简单网络中更显著。 展开更多
关键词 反向传播算法 卷积神经网络 语音识别 训练效率 振荡现象
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 21 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部