BP神经网络原理及MATLAB仿真

BP神经网络原理及MATLAB仿真
作者：盛仲飙， SHENG Zhong-biao
作者单位：渭南师范学院,计算机科学系,陕西,渭南,714000
刊名：
渭南师范学院学报
英文刊名：JOURNAL OF WEINAN TEACHERS COLLEGE
年，卷(期)：2008，23(5)
被引用次数：1次
1.飞思科技产品研发中心Matlab 6.5辅助神经网络分析与设计 2003
2.施航.马琳达人工神经网络在股票价格预测中的应用[期刊论文]-电脑开发与应用 2007(09)
3.徐丽娜神经网络控制 2003
4.徐远芳.周野旸.郑华基于MATLAB的BP神经网络实现研究[期刊论文]-微型电脑应用 2006(12)
5.毕小龙.袁勇基于BP神经网络的人口预测方法研究[期刊论文]-武汉理工大学学报（交通科学与工程版）
2007(06)
6.孙帆.施学勤基于Matlab的BP神经网络[期刊论文]-计算机与数字工程 2007(08)
1.期刊论文刘浩.白振兴.LIU Hao.BAI Zhenxing BP网络的Matlab实现及应用研究-现代电子技术2006,29(2)
人工神经网络以其具有信息的分布存储、并行处理以及自学习能力等优点,已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用.他的基于误差反向传播算法的多层前馈网络,即BP网络在非线性建模、函数逼近和模式识别中有广泛的应用,介绍了BP网络的基本原理,分析了Matlab人工神经网络工具箱中有关BP网络的工具函数,并给出了部分重要工具函数的实际应用.
2.学位论文徐振东人工神经网络的数学模型建立及成矿预测BP网络的实现2004
本文是在完成国家地质实验中心2002年基于GIS的多源地学信息整合处理技术算法设计子课题基础上完成的。

主要研究人工神经网络数学模型和计算方法的计算机程序实现，为实现复杂地质信息的非线性整合处理提供技术支持。

近年来，作为人工智能主要研究方向之一的人工神经网络(ArtificialNeuralNetworks缩写为ANN)得到了广泛关注，大量的有关神经网络运行机理、神经计算机、网络模型与学习算法、特征分析等的研究不断涌现。

由于具有非线性、良好的容错性和自学习、自适应性等特征，人工神经网络在地学领域的应用研究发展很快，在岩性分类、线性构造识别、遥感图像分类与识别、位场特征分类及正反演、地学信息提取与挖掘、资源评价预测等方面均有所应用。

本文的主要工作是对人工神经网络的三种常用模型——BP网、Hopfield网和Kohonen网的拓扑结构和学习算法进行了深入的研究，特别的还针对BP网引入RPROP(弹性BP)算法对传统BP算法进行了改进。

此外，本文还论述了用VisualC++对这几种网络进行实现的过程。

文中实现了BP网络的通用算法，建立了矿产资源综合评价及成矿预测BP模型，从而可以对成矿信息进一步进行智能化知识发现和信息挖掘，自动评估各地质变量对成矿的贡献，得到区域性的成矿规律和成矿模式，并圈定出成矿靶区。

并提供友好的人机交互式界面，使用户可以自己创建、设计和管理成矿预测BP模型。

3.期刊论文李随民.姚书振.周宗桂.Li Suimin.Yao Shuzhen.Zhou Zonggui基于MATLAB的BP网络在矿产资源预测中的应用-金属矿山2007,""(8)
人工神经网络(ANN)是近几年兴起的一门综合交叉学科.人工神经网络在进行预测时,是在输出和输入之间建立一个非线性映射关系,ANN可自动模拟各种成矿因素之间的自然关系,进行全局优化搜索,减少人为干预,提高资源预测的准确率.其中以反向传播网络--BP网络应用最广泛.由于MATLAB提供了跟踪国外先进计算方法与数学模型的许多工具箱,利用MATLAB中的神经网络工具箱,可方便地实现BP网络模型的学习、训练、拟合及预测(仿真)过程.基于上述思路以陕西省旬北地区铅锌矿的远景区预测为例,在MATLAB平台中调用其内部函数建立了BP人工神经网络矿产资源预测系统,并在此基础上进行了远景区预测.
4.学位论文于宁国人工神经网络在谐波检测中的应用研究1998
谐波检测技术要发展就离不开新理论的支持.近几年人工神经网络(ANN)的研究再度掀起高潮,在电力系统中的应用研究十分活跃,可是在电力系统谐波检测方面的应用研究却进展不大.谐波检测方法来源于信号处理方法,而人工神经网络已成功地用在信号处理领域,因此可以将信号处理领域的新成果用在谐波检测技术中.人工神经网络是一种并行处理技术,具有自学习、自适应和并行处理能力.该文在对人工神经网络特别是BP网络进行深入分析的基础上,选择了具有高度非线性映射能力的BP网络进行谐波检测的应用研究.通过对BP网络在谐波检测中应用问题的深入研究,如网络学习算法、网络结构选择和训练样本的选择等,该文用三层BP网络成功的实现了人工神经网络在谐波检测中的应用.大量校验计算和用该文开发的PC机谐波检测装置实际测试,证明了经过训练的BP网络不仅可以检测谐波,还能有效克服谐波信号中直流衰减分量的影响,具有一定理论和实践意义.三层BP网络在电力系统谐波检测技术中的成功应用,为电力系统谐波检测技术提供了一种新理论和新方法,同时也为人工神经网络在谐波检测领域的应用研究打下了基础.
5.期刊论文冷飞.Leng Fei BP网络及其应用研究-中国现代教育装备2006,""(12)
本文介绍了人工神经网络的基本概念和研究方法.对BP网络的发展动态和进展进行了系统的分析,讨论了BP算法的基本概念、运行机制和BP网络的训练.同时对研究和设计神经网络的软件工具MATLAB做了介绍并分析了几个BP网络的应用领域.
6.学位论文吴涛钛（氢）合金热变形流变应力的人工神经网络预测2004
钛(氢)合金热变形流变应力受到变形条件(变形温度、应变速率和应变量等)和氢含量等诸多因素的影响,是一个较复杂的非线性问题.该文研究了渗氢后TC4合金的热变形行为,并利用人工神经网络(ANN)技术,建立了钛(氢)合金热变形流变应力的预测模型.对TC4合金进行了600℃/1h真空退火和渗氢处理,得到真空退火状态和4种不同氢含量的合金试样.在Gleeble-1500热模拟试验机上,对处理后的试样进行不同变形条件下的热压缩变形试验,并根据试验结果分析了变形条件和氢含量对钛(氢)合金流变应力的影响规律.结果表明,随着应变量的增加,流变应力迅速上升,到达峰值后缓慢下降:随着变形温度的升高和应变速率的降低,合金峰值流变应力降低,峰值应变量减小;随着氢含量的增大,峰值流变应力先减小后增大,峰值应力最小值对应的氢含量与变形温
量和氢含量,输出量为流变应力.其中,BP网络使用了改进的BP算法(L-M算法)和两个隐含层.然后,用试验数据检验两个模型的预测性能,并进行了比较.研究结果表明,BP网络和RBF网络都有非常好的非线性逼近能力,训练相关性系数分别为0.998和0.999,但过分降低网络训练的目标误差会使网络的泛化能力下降.BP网络的泛化能力比RBF网络好,RBF网络的训练速度快于BP网络.BP网络测试结果的最大相对误差为7.21﹪,预测结果与试验数据符合的很好,可用于指导工程实践.
7.期刊论文刘晓升.王宜怀基于VB的三层BP网络通用程序设计-苏州大学学报(工科版)2003,23(1)
以三层BP网络为例,讨论了人工神经网络面向对象的程序设计方法,给出了程序设计流程,在Visual Basic6.0语言环境下编制了BP算法程序.以解决异或问题为例,给出了BP算法动态演化过程的训练调试界面.可直接应用于BP网络的实际应用中,亦可用于BP网络的教学过程.
8.学位论文李勇人工神经网络及其在汽轮机故障预测与诊断中的应用1997
该文对人工神经网络中的BP网络在汽轮机故障预测与诊断中的应用进行了深入地研究.该文主要研究了四个问题:(1)完善和改进了BP网络的训练算法;(2)BP网络结构的改进研究,并将其应用于汽轮机故障这类有确定性递增(或减)趋势的时间序列的预测中;(3)BP网络应用于汽轮机的振动故障诊断研究
;(4)基于BP网络的凝汽器清洁率的预测方法及模糊诊断研究.
9.期刊论文倪天龙.丁付刚.王培.张贤高.NI Tian-long.DING Fu-gang.WANG Pei.ZHANG Xian-gao BP网络在基于
ARM的温度精确控制系统中的研究与应用-桂林电子工业学院学报2005,25(5)
基于人工神经网络的新型智能温度精确控制方法,与传统的PID控制相比较,具有系统构建简单、控制精度较高、适应性较强等许多优点,并避开了
P,I,D参数整定这个复杂过程.通过实验证明,应用人工神经网络的新型智能温度精确控制方法的温度控制系统具有很好的控制效果.
10.学位论文王淑青人工神经网络（ANN）在结构分析中的应用2004
弹性结构的有限元分析可用于求解结构几何参数与结构应力、位移等结构响应之间的映射关系.人工神经网络(ANN)可实现对复杂非线性函数关系的模拟.该文在对人工神经网络(ANN)系统研究的基础上,探讨了将人工神经网络用于结构分析中的可行性.该文采用了BP网络的方法,实现了结构几何参数与结构响应关系的全局映射.主要内容包括:1.人工神经网络(ANN)用于模拟杆系结构的应力、位移响应.2.人工神经网络(ANN)用于板结构的优化设计.3.人工神经网络(ANN)用于板结构的模态分析.通过理论分析和数值模拟研究,该文得出如下结论:1.人工神经网络可以有效的应用于机械结构的结构分析、模态分析、结构优化设计中,误差在工程所允许的范围之内(<5％).2.证实了"超立方体"法用于结构分析也是一种行之有效的样本选取方法.3.人工神经网络应用于机械结构时,当隐层神经元数增多时,在训练过程中易出现"过训练"现象,所以,应用于机械结构的神经网络的隐层神经元数不宜多.人工神经网络应用于机械结构中有一定的局限性.因为要得到训练完好的神经网络,对使用"超立方体法"选取样本的网络所需的样本数为3n,应用于复杂的结构问题时,所需的学习样本数将指数增长.这种采用BP网络建立的结构应力、位移等与该结构几何参数之间的全局映射模型,将会提高遗传算法用于结构优化设计的效率.该论文为铁路机车车辆结构优化设计的深入研究打下基础.
1.张延林.佟德军BP神经网络的汽车故障诊断系统[期刊论文]-自动化仪表 2009(4)
本文链接：/Periodical_wnsfxyxb200805022.aspx
授权使用：内蒙古大学(nmgdxip)，授权号：e73b9c18-5d52-41cf-9574-9da900b4e2ff，下载时间：2010年7月4日。