基于改进粒子群BP神经网络的矿井突水水源判别

粒子群算法优化RBF神经网络MATLAB程序，适用于模式识别和函数逼近。

粒子群算法的代码，可以优化神经网络，也可以寻优极值。

智能优化算法： 粒子群优化算法（PSO）应用于神经网络优化程序。分为无隐含层、一隐含层、二隐含层。运行DemoTrainPSO.m即可

采用粒子群算法优化bp神经网络的权值和阈值，实现神经网络学习性能的提升

为了能够快速正确识别矿井突水水源,采用基于突水点水量水位变化及水化学特征的综合判别分析法,对矿井突水水源进行联合判别。即利用突水点附近探放水钻孔放水量及相应水位变化情况,并结合突水点区域水化学特征,进

针对遗传算法局部搜索能力弱和收敛速度慢,在选择操作之后加上了禁忌搜索算法,并对交叉操作进行改进,最后用禁忌搜索作为变异操作,从而加快算法的收敛速度,并用此改进的遗传算法来优化BP神经网络的权值。实验证

针对在进近着陆的过程中,仪表着陆系统(ILS)易受到外界环境及空域的干扰,导致导航精度降低的问题,提出一种利用惯性导航系统(INS)与GBAS着陆系统(GLS)进行改进的组合导航算法,将组合导航系统输

神经网络应用的一个很好的例子入侵检测(IntrusionDetection，ID)技术是一种利用入侵者留下的痕迹信息(如试图登录的失败记录)来有效地发现来自外部或内部的非法入侵的技术。入侵检测系统(

基于AutoEncoder的BP神经网络改进，李森林，邓小武，深度学习模型AutoEncoder可以从无标签数据中自动学习数据特征，假定网络输入与输出相同，通过优化模型训练得到的权重作为神经网络初�

BP神经网络可以解决地表沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用MatlabR2014a建立基于Adaboost的BP神经网络地表