反向传播(BP)神经网络

摘要： 为了匹配汽车簧载质量和悬架刚度,文章建立整车悬架系统振动模型,基于多目标优化理论,以车身加速度均方根值最小、车身侧倾角最小为2个优化目标,将非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)和反向传播(back propagation,BP)神经网络结合进行多目标优化;根据车辆簧载质量变化和性能偏好,对悬架参数进行匹配,然后对悬架参数进行Sobol敏感度分析,得到各悬架参数对平顺性和操稳性的不同重要程度。仿真结果表明,匹配后的数据对平顺性和操稳性均有较好的优化效果,前阻尼值对平顺性影响最大,后刚度值对操稳性影响最大。

摘要： 变压器顶层油温受天气状况、潮流负荷等诸多因素影响,其预测精度难以提高。为解决此问题,文中提出一种基于相似日和相似时刻的变压器顶层油温预测方法,在相似日内进一步选择待预测日各时刻所对应的相似时刻,进而利用相似时刻预测变压器顶层油温。首先采用基于气象因素的K-means聚类和时间“近大远小”原则,从历史样本中选择得到待预测日的相似日。然后在充分研究相似时刻定义描述和判断依据的基础上,基于反向传播(BP)神经网络和线性加权方法给出了顶层油温预测方法的计算步骤,并将其应用到江苏某特高压主变顶层油温的预测工作中。最后,结果表明该方法预测变压器顶层油温的精度较高,从而验证了该方法的有效性与可行性。

摘要： 针对传统反向传播(back-propagation,BP)神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logistic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立改进的天牛须搜索及反向传播神经网络(improved beetle antennae search and back propagation neural network,IBAS-BPNN)分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他6种典型的分类算法进行比较。实验结果表明:IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。

摘要： 本文设计了基于STM32单片机的楼宇智能照明控制系统,通过对灯光环境的不同需求进行智能控制;使用CAN总线技术并提出智能节能照明控制系统硬件通信协议,设计实现智能节能照明控制硬件子系统,其中CAN总线模块采用处理器STM32单片机再添加相应个数的收发器TJA1050组成;基于BP神经网络算法进行数据检测,优化输出光照度,并且设计实现上位机监控软件子系统,该智能照明控制系统为工程应用的节能提供参考.

摘要： 为实现永磁同步电机(PMSM)磁链与转矩的定量控制,基于磁链与转矩变化量简化模型,提出永磁同步电机磁链与转矩无差拍(DB)控制策略。实现DB控制需要转矩角信息,PMSM转矩角可通过查表或基于定子磁链d、q轴分量求解,但前者需要大量储存空间,后者需要转子位置实时信息和旋转坐标变换。构建和训练反向传播(BP)神经网络来输出转矩角,并采用BP神经网络替代DB控制实现理想电压矢量角度的预测,建立基于转矩角和理想电压矢量角度预测双BP神经网络的PMSM磁链与转矩DB控制系统。仿真结果表明,BP神经网络可用于预测转矩角和理想电压矢量角度,双BP神经网络的PMSM磁链与转矩DB控制系统运行良好。

摘要： 针对2型糖尿病(T2DM)并发症的诊断预测问题,传统检测方法主要通过血液和尿液检查来预测,这些方法既耗时又不能进行早期预测。目前,由于糖尿病发病率升高以及医疗数据的大幅增加,机器学习算法迅速发展为检测及诊断糖尿病的有效方法。用机器学习算法分析临床指标,探究2型糖尿病并发症的影响因素,构建并发症预测模型,可以很好地实现糖尿病并发症预防。通过介绍近年来预测及诊断糖尿病并发症的机器学习算法,对贝叶斯网络、随机森林、支持向量机以及反向传播(BP)神经网络4种机器学习优化算法分别进行概括讨论,以期提高对糖尿病及其预测模型的理解并降低疾病风险。

摘要： 采用麻雀搜索算法(SSA)对BP神经网络的初始权值和阈值进行优化,加快BP神经网络对PID控制器参数的整定,最终获得最优参数。将正弦余弦算法和Levy飞行引入SSA的迭代过程中,扩大前期搜索范围,提高后期搜索精度。在Matlab仿真环境下,对比BP神经网络、粒子群优化的BP神经网络以及SSA优化的BP神经网络在优化PID参数方面的效果。结果表明:粒子群优化的BP神经网络PID控制器,在上升、稳定时间方面比BP神经网络PID控制器缩短了33.3%和51.9%,同时超调减小了5.81%;在稳定时间方面SSA优化的BP神经网络PID控制器比粒子群优化的BP神经网络PID控制器缩短了7.4%,同时消除了超调。

摘要： 为提高不同电压暂降扰动源的识别正确率,对电压暂降进行有效治理,提出一种利用天牛须搜索(BAS)算法和反向传播(BP)神经网络构建BAS-BP分类器模型的电压暂降源识别方法。文中应用改进S变换提取16个特征指标,组成电压暂降源识别指标体系,为消除冗余信息对分类结果的影响,利用组合赋权法筛选出9个指标作为分类器的输入量。通过BAS算法对BP神经网络的初始权值和阈值寻优,构建BAS-BP分类器模型,实现对配电网不同类型电压暂降源的识别。仿真结果表明,该分类器模型具有一定的抗噪能力与适用性,并且与常规分类器模型相比,具有更好的分类效果。

摘要： 为了提高深海大压力下微小波动压力的测量精度,文章介绍了一种新型的、基于液体可压缩性的、压力平衡式的活塞式压力传感器,针对该活塞式压力传感器压力控制系统存在的非线性、参数时变性以及时滞问题,提出将反向传播(back propagation,BP)神经网络与常规比例积分微分(proportional integral derivative,PID)相结合用于传感器的压力控制;设计BP神经网络PID控制器,利用BP神经网络的在线自学习能力对常规PID控制器的参数进行在线自动调节;在建立系统数学模型并进行Matlab仿真实验验证可行性后,搭建实物平台进行实验分析。阶跃实验结果表明,与常规PID控制相比,BP神经网络PID的调整时间和超调量均有所减小,其动态响应能力得到提高,表现出较好的自适应能力。

摘要： 针对传统反向传播(back propagation,BP)神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)获取BP神经网络的最优权值和阈值的方法。首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证。结果表明:离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20%,误差±180 s内的准确率提升了12%,误差±300 s内的准确率提升了7%。;预测结果的平均绝对误差百分比提升了2.61%,平均绝对误差减少了11.73 s,均方根误差减少了61.03 s。研究成果为提升大型枢纽机场场面运行效率提供了思路。

摘要： 本发明公开一种基于BP神经网络的钻速预测方法，采集钻井工具的扭矩、钻压、泵压和排量，并基于BP神经网络预测钻速，具体包括步骤1：按照采样周期，通过传感器测量钻井工具的扭矩N

摘要： 本申请提供了一种基于BP神经网络模型分类的方法和装置，以及一种训练BP神经网络模型的方法和装置。本申请在不丢失分类元素的特征信息的情况下，降低BP神经网络输入节点的数量。利用分类元素总量大但是不会同时在一个训练样本中出现的特点，当对预设训练集合进行训练时，仅对该预设训练集合中出现的分类元素到隐层的节点进行训练，对不出现在该训练文本中的分类元素，不进行训练。同样，当利用该神经网络进行分类时，仅对分类集合中出现的分类元素进行计算，对其他分类元素不再作为BP神经网络的输入。因此，降低BP神经网络输入节点的数量，减少了计算量。同时，利用权重二叉树提高了权重值的检索速度。

摘要： 本发明公开的基于反向传播神经网络模型的室内无线网络定位方法，检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将其与对应的采样点的位置坐标进行归一化处理；将每个采样点的所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成反向传播神经网络模型的建立；最后，将检测得到的应用场景中的任一地点的无线接入点的信号强度输入至反向传播神经网络模型，定位地点的位置坐标。本发明相比于现有技术，具有较强的对输入参数的容错能力，且定位速度快、定位精度高。本发明通过检测无线网接入点返回的信号强度就能实现室内定位，可以应用于各种配有无线网接入点的室内环境，大大降低了定位成本。

摘要： 一种反向传播神经网络式冷链温度监测系统及其应用,包括：温度传感器、云计算平台、与云计算平台连接的计算机、温度监测控制中心，温度监测控制中心对接收到的冷链温度进行处理、分析得到温度的变化趋势，温度监测控制中心包括乐高温度采集、指数加权移动平均控制图的数据预处理、反向传播神经网络训练学习、乐高温度监测；利用乐高机器人的场景模拟得到温度数据，先进行数据预处理后再进行神经网络的训练学习，本发明涉及的温度监测系统将温度数据缩放到用户定义的范围中，可更好的训练反向传播神经网络，更精确的监控冷链温度可全程温控进行记录、显示和存储，能够实时监控运输途中温度的变化，并对温度的潜在趋势进行预测和报警，减少不必要的损失。

摘要： 一种训练神经网络的示例方法包括：定义硬件构建块(HBB)、神经元等同物(NEQ)以及从NEQ到HBB的转换过程；在机器学习框架中使用NEQ定义神经网络；在训练平台上训练神经网络；以及使用转换过程来将训练好的神经网络转换为HBB的网表以将神经网络中的NEQ转换为网表的HBB。

摘要： 本发明属于大气污染指数分析技术领域，公开了一种基于信息熵和反向传播神经网络的大气污染物指数预测方法，将每一个气象数据和所有的大气污染物建立相关度联系，并以时间梯度计算每一个大气污染物浓度和所有的气象因素的相似度，接着把时间序列相似度看作是该气象数据影响大气污染物浓度的程度大小，计算每一个气象数据的信息熵，最后选择信息熵最大的气象数据与大气污染物使用反向传播神经网络训练模型，并预测未来大气污染物浓度值。与现有技术相比，本发明将物理学中的信息熵运用于大气污染物预测，极大的减少了不同参数对预测结果的影响，降低了预测算法的复杂度，且预测准确度有所提高。

摘要： 本发明涉及一种基于反向传播神经网络的颗粒碰撞靶材侵蚀量的预测方法，包括以下步骤：(1)搜集颗粒碰撞平面靶材侵蚀量的实验数据，搜集的实验自变量包括7个，分别为颗粒密度ρ，颗粒直径D，颗粒硬度Hp，入射速度V，入射角度α，靶材硬度Ht，颗粒与靶材硬度比Hp/Ht，因变量为靶材侵蚀量；(2)为消除不同变量间量级差异对权重分配的影响，对所搜集的实验数据标准化；(3)搭建反向传播神经网络结构，所搭建的反向传播神经网络结构，输入层的神经元节点分别对应实验自变量，输出层1个神经元节点对应因变量即靶材侵蚀量。(4)确定神经网络预测结果的评价指标；(5)网络模型训练优化。

摘要： 通过并行更新神经网络的权重，提高了训练神经网络的速度。在至少一个实施例中，在反向传播之后，梯度被分配到多个处理器，每个处理器计算神经网络的经更新权重的一部分。

摘要： 本发明设计了一种二值神经网络的简单快速反向传播及逆向镜像训练算法，并结合逆向镜像训练来求得二值神经网络输入、输出矩阵权重值。本算法仅使用简单的位运算、位翻转运算、对位匹配运算，相比二值神经网络算法节省计算量，同时便于硬件实现。这样的神经网络模型可以解释，神经网络模型的行为容易预判。便于神经网络模型设计。同时本算法训练的样本量小，鲁棒性好。节省训练时间。本算法应用于需要神经网络的各种人工智能深度学习领域，特别是计算资源受限制的边缘计算领域，及要求实时和需要动态学习的深度学习领域。

摘要： 本发明提供一种基于反向传播神经网络的亚波长分辨力阵列超声成像方法，属于无损检测技术领域。针对亚波长级间距缺陷超声成像辨识问题，使用超声阵列探头采集不同中心距相邻缺陷的全矩阵数据。对全矩阵数据中每个A扫描信号进行预处理，并基于傅里叶变换和小波包变换在时域、频域和时频域实施特征提取。采用反向传播神经网络训练特征数据集并构建最优网络，用于预测未知中心距相邻缺陷散射波到达时间。然后将预测的到达时间分配给对应的原始信号，以建立新的由高分辨力阵列信号组成的全矩阵数据。最后，结合延时叠加处理的全聚焦方法，突出目标缺陷特征，实现亚波长级阵列超声成像分辨力。该方法成像分辨力高、鲁棒性强，具有较高的工程应用价值。