反向传播算法

摘要： 脉冲神经网络(spiking neural network,SNN)以异步事件驱动,支持大规模并行计算,在改善同步模拟神经网络的计算效率方面具有巨大潜力。然而,目前SNN仍然面临无法直接训练的难题,为此,受到神经科学领域关于LIF(leaky integrate-and-fire)神经元响应机制研究启发,提出了一种新的基于频率编码的SNN训练算法。通过仿真实验对LIF神经元发放脉冲频率进行建模,得到LIF神经元脉冲频率与输入电流之间显示表达关系,并将其导数作为梯度,解决了SNN训练过程中离散脉冲事件产生的不可微性问题,使得可利用BP算法对SNN进行训练。现有基于频率编码的方法采用时间信用分配机制进行参数更新,通常具有较差的学习效率,为此,采用LIF神经元响应机制更新网络参数,提高了学习效率。在MNIST和CIFAR10数据集上的实验结果验证了所提方法的有效性,分类精度分别达到了99.53%和89.46%,在CIFAR10数据上的识别精度相较于先前研究者提高了4.22个百分点,在学习效率方面相较于先前采用时间信用分配方法提高了一倍左右。

摘要： 针对传统弹丸落点预测方法存在的解算时间长、易产生累计误差等问题,提出了基于BP神经网络的预测方法,并且在标准BP算法的基础上使用Levenberg-Marquardt(LM)算法来改进网络参数的训练过程.利用大量的弹丸飞行状态参数和落点信息对构建的模型进行训练,得到用于预测弹丸落点的BP神经网络模型,并对其进行了仿真测试.仿真结果表明,上述方法能以较高的精度预测弹丸的落点,同时在解算时间上优于数值积分法.因此上述方法用于弹丸落点预测是合理可行的,为弹丸落点预测的实际应用提供了参考.

摘要： 作为影响移动通信质量的关键因素,天线方位角的准确性将直接影响网络优化质量.提出一种基于多层感知机的天线方位角诊断方法,将方位角分为12个区间类别,每个类覆盖30°范围,即[0,30°)记为类别0,…,[330°,360°)记为类别11,利用多层感知机算法识别天线方位角的区间,自动识别天线方位角的角度范围,为网络优化(网优)工程师判断实际的网络覆盖问题提供了有效的数据支撑,在核查天线性能方面极大地减少了工作量,降低了人工成本.实验结果表明,该方法能够有效快速判别天线方位角区间类别,识别准确率达到了92.6％,高于随机森林和逻辑回归分类算法的分类准确率.

摘要： 近年来,随着互联网科技的不断发展,科技网络已渗透到人们的生活和工作中,也为各行各业的发展带来了便捷。对于部分企业来说,网络技术更是企业发展的根本,网络信息安全对企业的发展有着重要影响,计算机病毒、恶意攻击等都是网络面临的信息安全问题,只有解决这些问题并掌控好网络信息安全,国家社会才能平稳发展。随着信息全球化的发展,各国越来越重视网络安全工作,不断提高对网络安全防护工作的要求。但由于网络态势感知发展时间问题,网络态势感知技术的认知与研究仍面临较多问题,阻碍牵制了网络安全的发展,对个人、社会经济及国家的信息安全工作都产生了消极影响。因此,网络安全态势感知逐渐成为近年来的热门研究话题,相关人员应针对网络安全态势感知的具体问题进行深入研究并提出有效策略,才能紧跟信息化时代发展的步伐。由贾焰、方滨兴编著,电子工业出版社出版的《网络安全态势感知》一书,全面介绍了网络安全态势感知技术的发展和相关内容,为网络安全工作的相关人员提供了重要的理论借鉴。

摘要： 针对滚动轴承在运行过程中出现的多种故障问题,提出一种新型的滚动轴承故障诊断方法,该方法通过奇异值分解算法对振动数据进行处理,通过去除振动数据中噪音,获取较为纯净的数据信息.然后通过排列熵算法对数据特征进行分析,分析后的特征数据信息输入至反向传播算法,对故障种类数据进一步处理,再利用轴承故障诊断分析模型进行高效地诊断.试验表明,通过采用该研究的SVD-PE算法模型,故障样本平均正确率为91.75％,提高了故障诊断的平均值.

摘要： 本文对基于三层前馈神经网络的带动量项的反向传播算法进行了理论分析.在我们的模型中,学习率为常数,动量系数为一个适应性的变量.本文给出了带动量项的反向传播算法的收敛性结果及详细的证明.相比于目前已有的结果,本文中的结论更具有一般性.

摘要： 通过研究基于脉冲学习算法的脉冲神经网络,建立了一个用伪导数反向传播学习算法训练的前馈型卷积脉冲神经网络模型,将卷积神经网络和脉冲神经元相结合实现事件驱动模型运算,并与基于STDP无监督学习建立的脉冲神经网络模型比较,进行了模型分类精度和硬件复现可实现性的验证,表明前者更适合硬件复现。随后,利用FPGA硬件资源,设计了卷积型脉冲神经网络存储分配方案及其硬件整体架构。基于前馈型卷积脉冲神经网络的每个运算步骤,设计了各个硬件计算模块。通过硬件电路仿真和实测进行了硬件模块的验证,完成了一款可用于手写数字数据集分类问题的卷积型脉冲神经网络加速器。最后,对加速器硬件数据进行了汇总,与CPU的计算比较,运行能耗降低99%,运算速率提升23倍。

摘要： 人工神经网络模型技术综合了数理统计、神经计算和符号逻辑等人工智能理论技术,是一种非线性的动力学系统,它以抽象的人脑构造基本单位组成,模拟人脑的思维过程,并且不需建立复杂的数学模型且具有强大的非线性映射能力和自适应学习能力等优点,目前该模型已被广泛应用于水文模型研究领域.利用三层反向传播人工神经网络(BP-ANN:Back Propagation—Artificial Neural Network)模型对湛江市低温(Tmin)进行预报,为在全球气候变化的大背景下极端低温事件研究提供相关科学依据.主要结论如下:(1)2009年以来,该市的气温呈现逐年上升的趋势,近50年来的Tmin的变化率为0.014°C/a;(2)M-K检验表明湛江市的Tmin在20世纪80年代后期发生了一次减少的突变;(3)采用BP人工神经网络模型中的反向传播算法—Traincgf,建立湛江市的低温预报模型,与此同时,利用相关统计参数对比分析了传统多元线性回归(MLR:Multiple Linear Regression)模型的估算效果,结果表明,BP-ANN模型的预测效果要远远优于MLR模型(R2P-BP=0.93＞R2P-MLR=0.81,MAEP-BP=0.1243°C＜MAEP-MLR=0.2057°C,MREP=0.58％＜MREP=0.97％,并且RMSEP-BP=0.0278＜RMSEP-MLR=0.0691);(4)湛江市1960-2009年Tmin的主要气象因子为降水P0、相对湿度RH,水汽压PW和风速WS.总的来说,BP-ANN模型能够较为精确地预测湛江市的最低气温,并为该市低温估算提供了一种较为可靠的方法.

摘要： 接触电阻是反应导体间接触性能的重要参数.根据接触电阻这一特点,本文引入了基于反向传播算法的神经网络模型,并建立了接触电阻与接触压力、接触表面粗糙度的非线性关系.将数据分为训练数据和测试数据,通过训练数据运用反向传播算法来训练神经网络,按照误差梯度下降的方式调整网络的初始权值和阈值.利用测试数据对网络进行测试,所得最大相对误差为4.1％.所得结果表明:利用神经网络模型对接触电阻进行预测是可行的,若能得到足够的训练样本,用神经网络建立的接触电阻模型精确可靠.

摘要： 雷暴产生机制的复杂性决定了他的发生具有显著的非线性特征,人工神经网络由于具有很强的非线性映射能力和并行性、适应性、容错性及自学习能力,特别适用于解决因果关系复杂的非确定推理、判断、预测和分类等问题,因此在雷暴潜势预报研究领域越来越受到重视,在人工神经网络的研究应用中,BP(Back-Propagation,反向传播算法)人工神经网络被各领域广泛应用.这种模型相比于其它模型而言,研究成熟,且通用性好.相对传统的数理统计方法而言,BP人工神经网络模型可以求解非线性问题,同样对样本大小的要求也可以相对少得多.由于研究地域的不同,选取的预报因子不同,网络模型的构建方式不同,预报结果判定方式也有所不同[6-10].因此,利用沈阳市2007～2011年6、7、8月探空资料与闪电定位资料,分析该地区的雷暴潜势预报因子,进一步建立BP人工神经网络模型,对该地区的雷暴潜势预报进行研究,对比分析6h和12h雷暴潜势预报效果,获得更高的预报准确率.

摘要： 在模糊Petri网(FPN)的建立过程中如何确定模糊产生式规则的各项参数是尚未解决的热点问题。在研究蚁群算法和反向传播算法的基础上首次将二者结合,形成ACA-BP算法,并将其运用于FPN的参数寻优过程中。该算法的实现不依赖于经验数据,对初始输入无要求。仿真实例表明,经ACA-BP算法寻优结果令人满意,且得到的FPN模型具有较强的泛化能力和自适应功能。

摘要： 本文主要介绍了运用人工神经网络预测冷却塔出水温度的方法。通过在MATLAB环境下编程建立冷却塔模型，获取神经网络模型需要的训练数据和测试数据。建立一个三层基于反向传播算法的神经网络模型（BP网络），以空气干球温度﹑相对湿度﹑冷却塔进水温度和冷却水流量作为输入变量，冷却塔出水温度作为输出变量，在MATLAB环境下，用训练数据训练神经网络，测试数据检测神经网络预测结果。结果表明神经网络可以用来预测冷却塔出水温度，并得出适合本研究的最理想的神经网络模型。

摘要： 本文提出了一个将神经网络技术与模糊综合评价法结合的评估模型.首先根据信息系统资产的组成以及安全性因素建立层次性的安全性指标体系,使用层次分析法确定指标权重;然后借助安全工具的测试结果,使用模糊综合评估法构造前向神经网络;最后,使用神经网络的反向传播算法调整指标权重.在此模型的基础上,设计并实现了一个信息系统安全性评估系统.

摘要： 本文分别采用了多元线性回归算法和反向传播算法对二语学习中英语口语的人工评分和三种机器评分之间的关系进行学习，实现了上述三种机器评分的融合，并从语音库、相应的人工评分和机器评分三个角度对数据集的建立进行了详细的介绍。实验结果表明，由以上两种融合方法得到的机器总分与人工评分之间的相关度相比于融合前的最佳机器评分在句子层次上分别提高了1.4％和1.7％，在说话人层次上提高了0.6％，并显著降低了两者之间的误差平方和，证明了融合的可行性和有效性。

摘要： 为解决分数阶PID控制器参数难于整定的问题,设计了一种基于神经网络的分数阶PID控制器.通过采用反向传播(BP)神经网络的参数调节策略,可以实现一种五维参数自学习的PID控制器.将分数阶PID控制器数字化,通过BP算法调节神经网络突触权值,经过调整的神经网络输出作为分数阶PID控制器的参数.经过仿真验证,神经网络分数阶PID控制器比传统PID控制器精度提高6倍且控制更加稳定.

摘要： 为解决分数阶PID控制器参数难于整定的问题,设计了一种基于神经网络的分数阶PID控制器.通过采用反向传播(BP)神经网络的参数调节策略,可以实现一种五维参数自学习的PID控制器.将分数阶PID控制器数字化,通过BP算法调节神经网络突触权值,经过调整的神经网络输出作为分数阶PID控制器的参数.经过仿真验证,神经网络分数阶PID控制器比传统PID控制器精度提高6倍且控制更加稳定.

摘要： 为解决分数阶PID控制器参数难于整定的问题,设计了一种基于神经网络的分数阶PID控制器.通过采用反向传播(BP)神经网络的参数调节策略,可以实现一种五维参数自学习的PID控制器.将分数阶PID控制器数字化,通过BP算法调节神经网络突触权值,经过调整的神经网络输出作为分数阶PID控制器的参数.经过仿真验证,神经网络分数阶PID控制器比传统PID控制器精度提高6倍且控制更加稳定.

摘要： 本发明属于冶金自动化和智能化控制技术领域，特别涉及一种基于误差反向传播算法的冷轧板形控制参数设定方法。首先基于多层前馈神经网络建立冷轧板形预报网络，利用收集的历史冷轧轧制参数、板形控制参数等轧制数据和历史板形数据对冷轧板形预报网络进行离线训练，并将训练好的网络作为板形控制参数优化网络，用于在线计算。然后将所需的当前带钢的冷轧轧制参数、板形控制参数初始设定值以及板形目标值输入到板形控制参数优化网络。利用板形控制参数优化网络的网络预报板形值与板形目标值的偏差，基于误差反向传播算法对板形控制参数按照优先级进行逐一迭代计算，获得优化后的板形控制参数。

摘要： 本发明公开一种基于反向传播算法的呼吸机治疗压力稳定方法，包括以下步骤：先判定样本数量；若样本量小于N，再增加新样本，读取新样本的各样本参数，将该状态下的各样本参数采用反向传播算法得到训练阶段的计算治疗压力值，判定训练阶段的治疗压力值‑训练阶段的计算治疗压力值的均方误差是否小于阈值；若小于阈值，计算各参数的权值并替换，若均方误差大于或等于阈值，则重新判断样本量，进入循环。在治疗过程中，读取治疗状态下的实际参数值，调用存储区域中的各参数的权值，再计算出静态治疗状态下的计算治疗压力，采用该面罩端治疗压力给病患治疗。本发明能够实现漏气量的快速、精确补偿，有效保证治疗的效果和患者使用的舒适度。

摘要： 本发明提供了一种基于图数据和反向传播算法的数据传播方法、装置和电子设备。所述方法包括：获取历史用户的行为特征数据和金融表现数据，该金融表现数据用于度量用户对金融产品的表现；使用历史用户的行为特征数据和金融表现数据训练金融评估模型；获取目标用户的基本信息及目标用户的行为关系网络图，根据目标用户的行为关系网络图并通过反向传播算法确定目标用户的行为特征数据；将目标用户的行为特征数据作为金融评估模型的输入特征，计算目标用户的金融评估值；基于述目标用户的金融评估值，向目标用户发送定制数据。本发明能够向各类用户更精准地发送对应的定制数据，提高了效率，并降低了营销成本。

摘要： 本发明属于冶金自动化和智能化控制技术领域，特别涉及一种基于误差反向传播算法的冷轧板形控制参数设定方法。首先基于多层前馈神经网络建立冷轧板形预报网络，利用收集的历史冷轧轧制参数、板形控制参数等轧制数据和历史板形数据对冷轧板形预报网络进行离线训练，并将训练好的网络作为板形控制参数优化网络，用于在线计算。然后将所需的当前带钢的冷轧轧制参数、板形控制参数初始设定值以及板形目标值输入到板形控制参数优化网络。利用板形控制参数优化网络的网络预报板形值与板形目标值的偏差，基于误差反向传播算法对板形控制参数按照优先级进行逐一迭代计算，获得优化后的板形控制参数。

摘要： 本发明属于无线通信技术领域，具体为一种基于反向传播算法的中继网络性能优化方法。本发明根据中继网络的结构，建立中继通信网络和神经网络之间的类比关系，然后借鉴BP算法，利用导数的链式法则求解目标函数关于各个节点的系数矩阵的一阶导数，这里系数矩阵包括源节点和中继节点的波束赋形矩阵，以及终端节点的接收均衡矩阵；通过前向的信号传播和后向的导数传播迭代的优化系数矩阵；本发明只需要终端和中继节点的反向广播，就可以完成中继网络的分布式优化，并天然具有抗干扰能力。仿真表明，本发明可以在功率放大器的非线性约束下，有效提高中继网络终端节点的输出信噪比；对反馈信道噪声具有鲁棒性；误码率性能显著优于最先进的线性方案。

摘要： 一种基于误差反向传播算法的手绘图形分类方法及系统，涉及神经网络技术领域，用以解决现有技术不能对手绘图像数据进行有效分类的问题。本发明的技术要点包括：设计一个或多个规则图形描绘模板；根据规则图形描绘模板获取手绘图像数据；对手绘图像数据进行预处理；构建并训练BP神经网络模型；将待分类手绘图像数据输入训练好的BP神经网络模型，获取分类结果。本发明可以区分出书写轨迹之间细微的差异，对于书写者是否存在震颤的划分更为精准。本发明可应用于临床医疗上以判断患者手部是否存在震颤。

摘要： 本发明提供了一种神经元网络的反向传播算法的学习方法，包括如下步骤：提供一神经元网络，所述神经元网络包括输入层、隐藏层、和输出层，其中隐藏层为多层结构，包括第一隐藏层和第二隐藏层；为第一和第二隐藏层分别配置第一期待值和第二期待值；根据第一期待值对第一隐藏层执行训练，使第一隐藏层优化；保持第一隐藏层的优化结果，根据第二期待值对第二隐藏层执行训练，使第二隐藏层优化。本发明可以针对隐藏层中的每层进行单独的训练，保持上一隐藏层的优化结果的前提下，再对下面的隐藏层执行训练，逐层优化。这种优化方法可以不必在学习某一层的情况下，反复对其他层进行运算，因此可以节约总体的学习时间。

摘要： 本发明涉及脉冲神经网络技术领域，具体是一种用于脉冲神经网络的图表示时空反向传播算法，通过神经元在网络结构中的网络前向传播获得脉冲神经网络；通过损失函数评估所述脉冲神经网络对任务的误差；通过误差反向传播对所述脉冲神经网络进行训练；通过神经网络优化算法完成训练过程中的参数更新。本发明通过误差反向传播提高了脉冲神经网络的准确率，通过稀疏正则化降低脉冲发放率从而提高了脉冲(事件)驱动计算下的能量效率，并通过图表示的方法适应于各种仿生网络结构的训练过程。

摘要： 本发明涉及神经网络误差‑反向传播算法预测半导体产品良率的方法，涉及半导体集成电路技术，基于神经网络误差‑反向传播算法完成算法搭建，基于已有半导体产品的与良率相关的参数及良率数据对神经网络误差‑反向传播算法中的权值优化，通过一产品评估神经网络误差‑反向传播算法的准确度，若准确度大于一预定值时认为优化后的神经网络误差‑反向传播算法是可靠的，则可利用优化后的神经网络误差‑反向传播算法进行产品的良率预测，若准确度小于一预定值时则继续对权值进行优化，直至准确度大于一预定值，如此通过算法后台运算得到结果，省时省力，且降低工程师难度，并提前预测良率，确保客户收到符合标准的产品。

摘要： 本申请涉及基于误差反向传播算法的变压器老化评估的方法及系统，具体涉及设备检测领域。本申请通过对获取到的声学信号进行预处理；将预处理的声学信号输入到预设的神经网络模型中，预测得到待测变压器的运行时间；根据预测运行时间与实际运行时间进行对比，输出变压器的老化程度。变压器在运行期间传播的噪声信号中包含着丰富的内部机械状态信息，分析变压器噪声信号可以及时、有效地对变压器内部机械缺陷或故障进行准确评估和诊断。变压器内部结构老化程度不同，传递出来的噪声信号特征也不同，基于此在不与变压器进行电气连接和停机检测的情况下反映变压器内部结构运行状态，降低了监测和维修的成本，提高了电力设备运行的完备率。