针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题，结合BP神经网络自学习和自适应能力强等特点，提出采用BP神经网络优化PID控制器参数。其次，为了加快BP神经网络学习收敛速度，防止其陷入局部极小点，提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后，给出了PSO-bp算法整定优化PID控制器参数的详细步骤和流程图，并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。
标签： PID BP神经网络 控制器 参数优化
上传时间： 2014-03-21
上传用户：diets
人工智能BP问题的C语言实现，bp算法可见人工智能教材
标签： 人工智能 C语言
上传时间： 2015-03-11
上传用户：baiom
L-M算法。除了动量法(基于梯度下降的训练算法)外，学习率自适应调整策略是bp算法改进的另一种途径，它利用Levenberg-Marquardt优化方法，从而使得学习时间更短。其缺点是，对于复杂的问题，该方法需要很大的存储空间。
标签： L-M 算法 动量 梯度
上传时间： 2014-01-04
上传用户：ommshaggar
用bp实现的数字识别程序，用到了经典的bp算法，可移植到其他应用程序中去
标签： 数字识别 程序
上传时间： 2015-04-16
上传用户：haoxiyizhong
误差反向传播网络(Back propagation network,简称BP网络)是神经网络中最活跃的方法，且绝大多数采用了三层结构(输入层、一个隐含层和输出层).BP网络是一种非线性映射人工神经网络.本程序用vb实现的bp算法
标签： propagation network Back 误差
上传时间： 2015-04-22
上传用户：qiaoyue
本算法采用LVQ竞争学习网络，本算法先用分类再用bp算法进行预测。
标签： LVQ 算法 网络
上传时间： 2015-06-01
上传用户：一诺88
开发环境:Matlab 简要说明:动量-自适应学习调整算法。在实际应用中，原始的bp算法很难胜任，因此出现了很多的改进算法。bp算法的改进主要有两种途径，一种是采用启发式学习方法，另一种则是采用更有效的优化算法。本例采用动量bp算法，来实现对网络的训练过程，动量法降低了网络对于误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小。
标签： Matlab 开发环境 动量 实际应用
上传时间： 2014-11-04
上传用户：脚趾头
用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－bp算法
标签： BP网络 权重
上传时间： 2015-12-05
上传用户：lnnn30
函数模拟的BP网络实现源码，神经网络是当前人工只能的重要分之，bp算法是应用最为广泛的一种前馈网络之一。
标签： 函数 BP网络 模拟 源码
上传时间： 2013-12-25
上传用户：lz4v4
连续多输出感知器训练算法的实现，实现bp算法
标签： 输出 算法
上传时间： 2014-07-09
上传用户：lijianyu172
