基於BP神經網絡的李家峽拱壩材料參數反演
本文主要研究BP神經網絡在脫機手寫體數字識別方面的應用。
而對於手寫體字元，系統採用BP神經網絡來實現字元的識別。
分別建立基於BP神經網絡和基於徑向基神經網絡的跟馳模型，並應用於混合神經網絡跟馳模型的建立。
試驗結果表明該方法是有效、可行的，且在小樣本情況下比BP神經網絡具有更高的診斷精度。
其結論爲：透過對岩土*質及BP神經網絡的研究，建立了一種新的鑽孔間參數預測模型。
具有高度非線*和很強的自學習能力的BP神經網絡使預知維修成爲可能，但由於BP算法存在收斂速度慢、易出現局部極小值等缺陷。
對於織物疵點的識別分類，本文設計了一個三層BP神經網絡，經試驗驗*對六類織物圖像的正確識別率可達95.83%。
本文運用正交試驗法優化了對複合沉積層中納米顆粒複合量有較大影響的各工藝參數，然後用BP神經網絡分析方法對其結果進行分析處理。
摘要在大興資源食品城，採集80頭活體豬的三維圖片，經過一系列的數字圖像處理後，提取出特徵參數，然後建立和訓練BP神經網絡，輸出背膘厚、瘦肉率、屠宰率以及豬肉等級。
因此，將RBF神經網絡應用於故障診斷比BP神經網絡更有效、可行。
研究了BP神經網絡算法對空中目標進行威脅排序的方法。
BP算法具有智能*和自學習*的特點，因此，本文提出採用BP神經網絡來構造郵件分類識別器。
基於相空間重構的非線*預報思想，建立一個時滯的BP神經網絡模型，採用貝葉斯正則化方法提高BP網絡的泛化能力。
從建築的全生命週期出發，本文利用層次分析法(ahp)和BP神經網絡法構建低碳建築評價體系。
經大量的*能試驗，結合BP神經網絡的擬合、優化功能， 最終研製出具有很好的極壓*、清洗*、防鏽*和安全*的拉延油。
試圖用BP神經網絡建立軸承壽命預測模型，並在該模型上進行多特徵參數和多步預測方法的研究。
運用GCAQBP神經網絡對鞍山市2002年燃氣日負荷進行了預測，預測的平均相對誤差爲4.1%。
第二、本文采用遺傳算法優化BP神經網絡權值以實現入侵檢測。
給出了所建網絡的結構與學習算法，並透過算例的形式將其與傳統BP神經網絡及傳統己有柔*神經網絡進行了全方位比較。
針對地空導*電源系統的九種主要故障，分別用BP神經網絡和SOFM神經網絡對其進行了故障診斷，均取得了較好的效果。
主要採用強化學習的方法對AUV進行控制和決策，綜合Q學習算法、BP神經網絡和人工勢場法對AUV進行避碰規劃。
因此，本文采用BP神經網絡整定的PID控制。
BP神經網絡和GA兩者的有效結合可以解決BP算法固有的缺陷，如收斂速度慢、易陷入局部極小等。
方法：擬合輸入與輸出之間含有一個隱層的BP神經網絡，利用各層輸入與輸出間的相關程度與網絡權值確定各因素影響力大小。
鑑於傳統的迭代最近點算法存在着易陷入局部最優的缺陷和實時*不好的問題，提出了一種將BP神經網絡引入迭代最近點算法中進行地形匹配的新方法。
爲此,採用BP神經網絡技術對其進行數據融合處理,以消除非目標參量對傳感器輸出值的影響。
針對特徵分類*能和穩定*的差異，本文采用BP神經網絡方法對上述特徵進行評價和選擇，挑選出*具切削狀態的基礎特徵。
採用小波多分辯率分析方法提取基因表達的特徵，利用支援向量機和BP神經網絡方法進行分類。
利用改進的BP神經網絡構造三次有理B樣條曲面等距面
採用BP神經網絡原理以及柔*編碼方法對管子進行編碼，生成加工明細表，實現管件族製造，並選擇合適的管子生產線，生成工藝檔案。
然後利用統一樣本集訓練BP神經網絡，並將神經網絡用於子網絡級模擬故障診斷。
