針對傳統PID控制系統參數整定過程存在的在線整定困難和控制品質不理想等問題，結合BP神經網絡自學習和自適應能力強等特點，提出采用BP神經網絡優化PID控制器參數。其次，為了加快BP神經網絡學習收斂速度，防止其陷入局部極小點，提出采用粒子群優化算法來優化BP神經網絡的連接權值矩陣。最后，給出了PSO-BP算法整定優化PID控制器參數的詳細步驟和流程圖，并通過一個PID控制系統的仿真實例來驗證本文所提算法的有效性。仿真結果證明了本文所提方法在控制品質方面優于其它三種常規整定方法。
標簽： PID BP神經網絡 控制器 參數優化
上傳時間： 2014-03-21
上傳用戶：diets
人工智能BP問題的C語言實現，BP算法可見人工智能教材
標簽： 人工智能 C語言
上傳時間： 2015-03-11
上傳用戶：baiom
L-M算法。除了動量法(基于梯度下降的訓練算法)外，學習率自適應調整策略是BP算法改進的另一種途徑，它利用Levenberg-Marquardt優化方法，從而使得學習時間更短。其缺點是，對于復雜的問題，該方法需要很大的存儲空間。
標簽： L-M 算法 動量 梯度
上傳時間： 2014-01-04
上傳用戶：ommshaggar
用bp實現的數字識別程序，用到了經典的BP算法，可移植到其他應用程序中去
標簽： 數字識別 程序
上傳時間： 2015-04-16
上傳用戶：haoxiyizhong
誤差反向傳播網絡(Back propagation network,簡稱BP網絡)是神經網絡中最活躍的方法，且絕大多數采用了三層結構(輸入層、一個隱含層和輸出層).BP網絡是一種非線性映射人工神經網絡.本程序用vb實現的BP算法
標簽： propagation network Back 誤差
上傳時間： 2015-04-22
上傳用戶：qiaoyue
本算法采用LVQ競爭學習網絡，本算法先用分類再用BP算法進行預測。
標簽： LVQ 算法 網絡
上傳時間： 2015-06-01
上傳用戶：一諾88
開發環境:Matlab 簡要說明:動量-自適應學習調整算法。在實際應用中，原始的BP算法很難勝任，因此出現了很多的改進算法。BP算法的改進主要有兩種途徑，一種是采用啟發式學習方法，另一種則是采用更有效的優化算法。本例采用動量BP算法，來實現對網絡的訓練過程，動量法降低了網絡對于誤差曲面局部細節的敏感性，有效地抑制網絡陷于局部極小。
標簽： Matlab 開發環境 動量 實際應用
上傳時間： 2014-11-04
上傳用戶：腳趾頭
用GA先求BP網絡的權重，再用純BP直接訓練BP的混合GA－BP算法
標簽： BP網絡 權重
上傳時間： 2015-12-05
上傳用戶：lnnn30
函數模擬的BP網絡實現源碼，神經網絡是當前人工只能的重要分之，BP算法是應用最為廣泛的一種前饋網絡之一。
標簽： 函數 BP網絡 模擬 源碼
上傳時間： 2013-12-25
上傳用戶：lz4v4
連續多輸出感知器訓練算法的實現，實現BP算法
標簽： 輸出 算法
上傳時間： 2014-07-09
上傳用戶：lijianyu172
蟲蟲下載站版權所有 京ICP備2021023401號-1
