故障轴承的振动信号是非平稳信号，传统的非平稳信号分析手段存在许多不足；BP网络能够出色地解决传统识别模式难以解决的复杂问题。提出了经验模态分解（EMD）与BP神经网络相结合的滚动轴承故障诊断方法。采用EMD方法对振动信号进行分解，得到组成信号的多个内禀模态分量（IMF），提取重要的IMF分量的能量作为信号的特征量；采用BP网络作为模式分类器，对轴承的故障类型进行分类。经试验数据分析证明，该方法能够准确地对轴承故障进行诊断。
2021-10-14 10:34:57
340KB
1
matlab代码，里面含有一个BP网络完整代码，以及mnist.mat数据集
2021-10-09 19:08:28
14.02MB
1
通过本实验的学习，了解基于BP网络和改进的BP网络的预测的基本知识，掌握利用这两种算法的主要步骤。
选择相关数据，分别建立网络并进行预测，并比较两种网路算法的预测效果。
包含实验报告、实验数据和实验代码
2021-10-08 23:10:18
291KB
1
通过本实验的学习，使学生了解基于BP网络和改进的BP网络的预测掌握利用这BP网络算法进行预测的主要步骤，通过遗传算法得到更好的网络初始权值和阈值，把预测样本的BP神经网络的测试误差的范数作为目标函数的输出，寻找最优的BP神经网络初始权值和阈值，在本次实验中我们将设计一基于遗传算法的优化BP神经网络，逼近非线性函数y=cosx。
2021-10-08 23:10:16
425KB
1
通过本实验的学习，使学生了解BP神经网络基本知识，掌握利用这种算法并进行预测的主要步骤。
选择相关数据，利用BP网络建立神经网络并进行预测。
2021-10-08 23:10:16
83KB
1
通过BP神经网络的学习，了解BP神经网络和优化的BP神经网络的基本知识，能够理解两者之间的差异，掌握利用这两种神经网络算法解题思路和步骤。
选择相关数据，建立BP神经网络，并比较BP神经网络和优化的BP神经网络的差异。
2021-10-08 23:10:16
140KB
1
通过本实验的学习，使学生了解相关BP神经网络算法基础知识，掌握利用BP神经网络算法进行预测的算法流程，利用遗传算法来优化BP神经网络的初始权重值和阈值，使优化后的BP神经网络能够更好地进行样本预测。
2021-10-08 23:10:15
49KB
1
随着智能算法的深入研究，智能算法可以应用于现实生活，BP神经网络可以用来进行预测，根据父母的身高和体重和自己本身的体重可以预测未来的身高。
2021-10-08 23:10:14
892KB
1
根据所学过的BP网络设计及改进方案设计实现模糊控制规则为T = int((e+ec)/2)的模糊神经网络控制器，其中输入变量e和ec的变化范围分别是：e = int[-2, 2]，ec = int[-2, 2]。网络设计的目标误差为0.001。
2021-10-03 16:02:35
211KB
1