模具生產週期預測，製造週期，設計週期，人工神經網絡BP算法。
研究了手寫體漢字識別技術，採用改進BP算法進行網絡訓練，提高了算法的收斂速度。
現有的分類預測的方法有許多種，常見的有決策樹算法（C4.5）、貝葉斯分類算法、BP算法與支持向量機等。
在個人信用評估部分中，對所有的離散數據進行量化處理，然後使用局部學習率自適應算法，對BP算法加以改進。
中短長度LDPC碼在採用BP算法譯碼時，由於短環的存在會導致某些比特llr值出現振盪現象，從而影響了譯碼*能。
改進BP算法加快其收斂速度，將其應用於診斷懸樑板的故障。
分析了BP算法的基本原理，指出了BP算法具有收斂速度慢、易陷入局部極小點等缺陷以及這些缺陷產生的根源。
具有高度非線*和很強的自學習能力的BP神經網絡使預知維修成為可能，但由於BP算法存在收斂速度慢、易出現局部極小值等缺陷。
新算法選擇很廣一類的隱層神經元函數，可以直接求得全局最小點，不存在BP算法的局部極小、收斂速度慢等問題。
BP神經網絡和GA兩者的有效結合可以解決BP算法固有的缺陷，如收斂速度慢、易陷入局部極小等。
本文提出了一種改進的BP算法，該算法基於黃金分割法自適應調整網絡學習速率。
基於人工神經網絡的改進BP算法，建立了大型燃煤鍋爐對流受熱面積灰結渣狀況的預測模型。
採用粒子濾波訓練神經網絡克服了BP算法收斂速度慢、易陷入局部極小值的缺陷，及擴展卡爾曼濾波方法帶來的模型線*化損失；
該文對BP算法加以改進，使得其*能有所提高，收斂速度加快。
所以在此基礎上，利用進化神經網絡，採取BP算法和遺傳算法建立了真核生物基因啟動子識別模型。
提出了一種基於單參數座標輪換法的改進BP算法。
並對BP算法進行了改進，提高了識別的正確率，減少了訓練時間和計算量。
根據前述結論，用改進的BP算法實現了螺旋槳圖譜曲線的表達
基於BP算法的三自由度數字式機械臂系統控制用計算機作數字控制器，電位計測量車位置、上下襬角度。
研究結果表明遺傳算法具有快速學習網絡權重和全局搜索的能力，有效地解決了BP算法的局部收斂的問題。
改進BP算法，綜合BP的快速收斂和GA的全局尋優的特點，具體應用於薄互層儲層厚度預測。
方法利用動態學習比率BP算法以雙曲正切函數為功能函數的非線*時間序列預測方法。
*結果表明，該算法比標準BP算法具有更快的學習速度，完全適用於柴油機故障診斷系統。
國文精選館
