简介：<正>Neuralnetworkhastheabilitiesofself-studying,self-adapting,faulttoleranceandgeneralization.Buttherearesomedefaultsinitsbasicalgorithm,suchaslowconvergencespeed,localextremes,anduncertainnumberofimpliedlayerandimpliednotes.Thispaperpresentsasolutionforovercomingtheseshortagesfromtwoaspects.Oneistoadoptprinciplecomponentanalysistoselectstudysamplesandmakesomeofthemcontainsamplecharacteristicsasmanyaspossible,theotheristotrainthenetworkusingLevenberg-Marquardtbackwardpropagationalgorithm.Thisnewmethodwasprovedtobevalidandpracticableinsiteselectionofpracticalgarbagepowergenerationplants.

简介：BP神经网络是故障诊断领域运用最为广泛的一种方法。针对BP神经网络隐含层单元数难以确定的问题，对现有以经验公式确定隐层单元数的方法进行对比分析，提出一种在经验公式基础上改进的方法，并通过风力发电机齿轮箱故障诊断实例验证。结果表明，该方法能有效地加快寻找最优隐层单元数的速度。

简介：BP神经网络分类器在信号识别领域得到了比较广泛的应用，针对其低信噪比环境下识别率相对较低的问题，引入人工蜂群算法（ABC），将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变，最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法（ABCBP算法），并以2ASK，2FSK，2DPSK信号为例，对信号进行小波包分解后，将信号各频段的能量值数据作为实验样本，对其进行了信号分类。仿真结果表明：基于人工蜂群算法的优化BP神经网络分类器，即使在5dB的信噪比环境下，仍可达到94％以上的识别率，并具有较好的稳定性，这为信号识别领域中分类器的设计提供了一个很好的理论依据。