导读:本文包含了反向传播算法论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,算法,光谱,湘江,卷积,橄榄石,译码。
反向传播算法论文文献综述写法
袁汝俊,万雄,何强,王泓鹏[1]（2019）在《LIBS与反向传播算法结合的橄榄石成分分析》一文中研究指出LIBS是一项用于分析物质成分的有力手段,但是定量分析时存在结果不准确、重复性低等缺点。为了准确预测自然界中橄榄石的成分信息,通过按照自然界中的橄榄石的成分信息制作15组橄榄石样品,将其中的11组作为标准样品,另外4组作为测试样品进行LIBS定量分析。每个样本采50条LIBS光谱建立橄榄石的LIBS数据库。然后采用多元线性回归算法和反向传播算法对样本的50组数据进行分析,有效的降低了由于随机误差造成的测试结果的不准确。最终结果表明,使用激光诱导击穿光谱和反向传播算法对橄榄石中镁橄榄石与铁橄榄石含量进行检测,预测结果的决定系数为0.901,接近常规的多元线性回归算法得到的0.911,这说明反向传播算法对橄榄石含量的预测精度接近多元线性回归算法。同时使用反向传播算法得到的结果的均方根误差为28.64,优于后者的29.23,说明使用反向传播算法得到的结果分布更加集中。此外,通过分析关联矩阵中各数值的大小与各元素谱线的位置的对应关系,表明使用反向传播算法反演出来的关联矩阵F与之所代表的物理含义的相关性更高。说明反向传播运算不仅与传统的多元线性回归算法性能相当,而且在预测数据的一致性上表现得更好。此外使用反向传播算法可以直接对激光诱导击穿光谱得到的橄榄石全谱数据进行数据反演,而不需要经过光谱寻峰这一步骤,简化了数据分析流程,弥补了多元线性回归算法难以分析全谱数据的不足。(本文来源于《光谱学与光谱分析》期刊2019年12期）
张译方,旷生玉,梁璟,徐晶[2]（2019）在《基于误差反向传播算法的多装侦察数据型号识别方法》一文中研究指出为解决广域战场空间中,多装侦察数据、混迭参数的型号识别问题,提出一种基于误差反向传播算法的多装侦察数据型号识别方法。通过对各类装备信息进行建模,考虑不同装备的截获误差,进而能够自适应生成识别算法进行数据处理。进一步,提出基于误差反向传播算法的型号识别方法,解决参数混迭下的型号识别问题。工程实践表明,该方法能够规避不同装备的测量误差影响,普遍提升型号识别的准确度;同时,该方法通过样本数据不断训练网络模型,显着提升特征参数混迭情况下的识别率。(本文来源于《电子信息对抗技术》期刊2019年06期）
寇广,王硕,张达[3]（2019）在《基于深度堆栈编码器和反向传播算法的网络安全态势要素识别》一文中研究指出网络安全态势要素识别的基础是对态势数据集进行有效的特征提取。针对反向传播(BP)神经网络对海量安全态势信息数据学习时过度依赖数据标签的问题,该文提出一种结合深度堆栈编码器和反向传播算法的网络安全态势要素识别方法,通过无监督学习算法逐层训练网络,在此基础上堆迭得到深度堆栈编码器,利用编码器提取数据集特征,实现了网络的无监督训练。仿真实验验证了该方法能有效提升安全态势感知的效能和准确度。(本文来源于《电子与信息学报》期刊2019年09期）
钱超群[4]（2019）在《基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用》一文中研究指出神经网络具有结构简单,鲁棒性强,能够逼近任意函数的非线性映射能力,在多个领域得到了广泛应用。但其梯度下降法容易陷入局部最优,训练效率较低。采用粒子群算法(PSO)对BP神经网络进行改进,利用粒子群算法为BP神经网络提供精确的全局搜索能力,提高其训练效率和预测精度。基于建筑物实际沉降观测数据,对BP神经网络和PSO-BP神经网络进行对比分析。结果表明,PSO-BP神经网络的训练效果获得了较大提升,预测精度提升了约61%,预测结果明显优于传统BP神经网络。(本文来源于《建筑技术开发》期刊2019年13期）
金昌盛,邓仁健,刘俞希,任伯帜[5]（2019）在《基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测》一文中研究指出运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。(本文来源于《环境污染与防治》期刊2019年06期）
吾木提·艾山江,买买提·沙吾提,马春玥[6]（2019）在《基于分数阶微分和连续投影算法-反向传播神经网络的小麦叶片含水量高光谱估算》一文中研究指出为了探索分数阶微分在高光谱估算小麦叶片含水量上的可行性,在农田尺度上,利用春小麦野外光谱数据与实测叶片含水量数据,以0.2阶为步长,计算光谱0～2阶微分,并分析其与小麦叶片含水量的相关性,再利用连续投影算法(SPA)从通过0.01水平显着性检验的波段中筛选出估算叶片含水量的最佳波段组合,并建立估算春小麦叶片含水量的反射传播(BP)神经网络模型。结果表明:分数阶微分可以细化小麦叶片含水量与光谱数据相关性的变化趋势;分数阶微分处理后,相关系数通过0.01水平显着性检验的波段数量呈现先增后减的趋势,在不同的波段范围内,分数阶微分的最佳阶数也有所不同;SPA筛选出的敏感波段基本上集中在红光、近红外波段范围内,1.2阶微分后水分敏感波段数最多,达到13个;所建立的模型中,基于1.8阶微分建立的6-4-1结构的BP神经网络模型为最佳模型,其建模组均方根误差为0.701,决定系数为0.751,验证组的均方根误差为0.227,决定系数为0.917,相对分析误差为3.253,说明了分数阶微分后的模型稳定性和预测能力较整数阶微分得到明显的提升,可为高光谱定量反演春小麦叶片含水量提供参考。(本文来源于《激光与光电子学进展》期刊2019年15期）
刘光达,魏星,张尚,蔡靖,刘颂阳[7]（2019）在《基于改进遗传算法优化反向传播神经网络的癫痫发作检测方法分析》一文中研究指出为了提高计算机化癫痫发作检测的准确性和检测效率,本文提出了一种基于改进遗传算法的优化反向传播(IGA-BP)神经网络的癫痫诊断方法,以期利用该方法可以实现临床癫痫病症的快速、高效检测。该方法首先对癫痫脑电信号进行线性与非线性相结合的特征提取,通过高斯混合模型(GMM)对癫痫特征聚簇集合分析,利用最大期望(EM)算法估算高斯混合模型参量,获取遗传算法(GA)选择算子的最优参数组合,实现对遗传算法的改进,用改进的遗传算法调整反向传播(BP)神经网络以获取最佳初始权值和阈值,建立改进遗传算法优化的BP神经网络模型。利用该模型对癫痫脑电信号分类识别,最终实现癫痫病症的自动检测。与传统遗传算法优化的BP(GA-BP)神经网络相比较,本文所提出的方法提高了种群的收敛速度、减小了分类误差,在癫痫病症自动检测中提高了检测准确率并缩短了检测时间,在临床癫痫发作诊断中具有重要的应用价值。(本文来源于《生物医学工程学杂志》期刊2019年01期）
义炫,刘爱军[8]（2019）在《基于反向传播神经网络的自适应SCL译码算法》一文中研究指出SCL译码算法是SC译码算法的加强版。凭借这种性能优势,SCL译码器已经成为针对Polar码译码最常用的一种译码器。然而,SCL译码器的复杂度随着列表大小L线性增长,限制了SCL译码器进一步的广泛应用。于是,提出了基于反向传播神经网络的自适应SCL译码方案。该自适应译码器利用Polar码冻结位比特信息作为反向传播神经网络的输入,根据反向传播神经网络输出估计信噪比等级,进而据估计的信噪比等级自适应地选择列表大小L对接收的噪声帧进行SCL译码。仿真结果显示,在AWGN信道条件下,所提的自适应SCL译码器能够在实现相同的误码率性能的条件下,极大地减小了译码算法的复杂度。(本文来源于《通信技术》期刊2019年02期）
杨鹤标,龚文彦[9]（2019）在《基于卷积神经网络的反向传播算法改进》一文中研究指出在真实音识别系统中,针对卷积神经网络的超大规模模型参数和海量训练数据导致的训练效率问题,提出一种缩小权值范围反向传播(NWBP)算法,围绕网络参数训练后期寻找误差极小值时易出现的振荡现象,采用K-MEANS算法获取逼近误差极小值的种子节点,通过迭代计算过程缩小权值变化范围避免振荡现象,使训练结果的网络误差收敛,提高训练效率。通过仿真实验,NWBP算法在复杂卷积神经网络的权值训练过程中相比可变学习速率反向传播算法收敛效果得到提升,一定程度上减少了冗余计算,缩短了训练时间,算法效果相比在简单网络中更显着。(本文来源于《计算机工程与设计》期刊2019年01期）
陈智威[10]（2019）在《基于遗传算法-鲸鱼算法优化反向传播神经网络的土壤参数预测》一文中研究指出传统的土壤参数预测常采用物理、化学等方法,在预测准确性上存在较大误差,且易受到人为因素的影响。基于反向传播(BP)神经网络及其改进算法的土壤参数预测方法虽然不受人为因素的影响,但仍有较大的误差。为进一步提高神经网络预测精度,使用遗传算法-鲸鱼算法(GA-WOA)的混合算法优化BP神经网络,以此建立农业土壤参数预测模型,并与多种现有算法进行对比。结果显示,所提算法在农业土壤参数预测方面具有很强的适用性和更高的准确性。(本文来源于《浙江农业科学》期刊2019年01期）
反向传播算法论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决广域战场空间中,多装侦察数据、混迭参数的型号识别问题,提出一种基于误差反向传播算法的多装侦察数据型号识别方法。通过对各类装备信息进行建模,考虑不同装备的截获误差,进而能够自适应生成识别算法进行数据处理。进一步,提出基于误差反向传播算法的型号识别方法,解决参数混迭下的型号识别问题。工程实践表明,该方法能够规避不同装备的测量误差影响,普遍提升型号识别的准确度;同时,该方法通过样本数据不断训练网络模型,显着提升特征参数混迭情况下的识别率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
反向传播算法论文参考文献
[1].袁汝俊,万雄,何强,王泓鹏.LIBS与反向传播算法结合的橄榄石成分分析[J].光谱学与光谱分析.2019
[2].张译方,旷生玉,梁璟,徐晶.基于误差反向传播算法的多装侦察数据型号识别方法[J].电子信息对抗技术.2019
[3].寇广,王硕,张达.基于深度堆栈编码器和反向传播算法的网络安全态势要素识别[J].电子与信息学报.2019
[4].钱超群.基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用[J].建筑技术开发.2019
[5].金昌盛,邓仁健,刘俞希,任伯帜.基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测[J].环境污染与防治.2019
[6].吾木提·艾山江,买买提·沙吾提,马春玥.基于分数阶微分和连续投影算法-反向传播神经网络的小麦叶片含水量高光谱估算[J].激光与光电子学进展.2019
[7].刘光达,魏星,张尚,蔡靖,刘颂阳.基于改进遗传算法优化反向传播神经网络的癫痫发作检测方法分析[J].生物医学工程学杂志.2019
[8].义炫,刘爱军.基于反向传播神经网络的自适应SCL译码算法[J].通信技术.2019
[9].杨鹤标,龚文彦.基于卷积神经网络的反向传播算法改进[J].计算机工程与设计.2019
[10].陈智威.基于遗传算法-鲸鱼算法优化反向传播神经网络的土壤参数预测[J].浙江农业科学.2019