基于人工神经网络的多属性决策

研究利用ＢＰ人工神经网络解决多属性决策问题。根据价值函数的存在定扩展多属性决策问题的价值函数,利用一个３层ＢＰ网络任意逼迫多属性决策问题的价值函数,从问题本身抽取学习样本训练ＢＰ网络,构造该问题的价值函数,利用训练后的ＢＰ神经网络作为多属性决策问题的价值函数计算各方案的价值。实现了多属性决策问题的自动化,计算结果与用传统工具的计算结果基本一致,并且满足Ｐａｒｅｔｏ最优准则。     

人工神经网络在货代决策中的应用

阐述了运用人工神经网络研究货运代理决策的思路和方法．通过建立BP三层网络结构．及对专家所提供的样本的反复学习．使得系统能模拟货代领域专家的思维推理,给出专家水平的建议,解决了货代决策中船公司选择的问题,从而为一般货代决策探索出一条新的途径．     

基于BP人工神经网络的图像压缩技术研究与改进

数字图像压缩技术对于数字图像信息的大量储存和快速传输具有非常重要的现实意义。本文介绍了将BP人工神经网络用于图像压缩的应用原理,并实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比。同时,对3层BP神经网络进行优化,既通过采用非线性网络和最速下降法实现了图像压缩,提高了网络的收敛速率。实验结果证明本算法在取得较大的压缩比,同时能保证图像的恢复质量。     

公路工程投标的决策与思考

我国进入WTO后建筑业体制也向着与国际接轨的方向发展，招投标法将更加严密与规范，市场竞争更加激烈，施工企业只有正确运用投标的决策方法和策略，才有可能增加企业中标的机会，而且会使企业获得更大的利润。     

施工企业经营管理与投标决策

阐述了投标与施工企业经营管理及投标决策的关系，提出了投标前决策、投标阶段决策中应做好的具体工作，以及在投标决策中应注意的风险问题。     

公路工程投标决策方法

通过对公路工程投标工作各阶段的研究,分析了影响投标决策的六种主要因素,建立了投标决策指标评价体系,提出了投标工作不同阶段的投标决策方法。     

浅谈工程项目的投标决策和技巧

介绍了在建筑行业推行工程建设招投标制度的必要性,从掌握投标决策的技巧、制定投标施工方案的技巧、投标报价上的技巧、提高工程量核对的准确性和加大企业宣传力度等方面,阐述了施工单位做好投标工作的方法和措施。     

基于BP人工神经网络的物流配送中心选址决策

物流配送中心的选址在整个物流系统规划中占有十分重要的地位,需要决策者综合考虑多种因素：但在传统的算法中,有些重要的定性因素被忽略。本文通过建立选址决策的模糊评价矩阵,利用BP人工神经网络来处理数据.可避免传统算法的不足,较客观地对多个选址方案的优劣进行评价,并引用实例说明该方法的实现过程。     

公路工程施工投标决策研究

根据以往我国公路建设项目投标工作的经验，对公路工程的施工投标决策提出一点看法，供参考之用。     

浅谈工程投标决策

在市场经济的条件下,投标决策非常重要。作为承包商来说,在投标决策中需要考虑的因素有很多,所以需要承包商广泛、深入的调研,并作出全面、科学的分析,才能保证投标决策的正确性。     

人工神经网络在炼铁工序能耗分析中的应用

以节能降耗为基本出发点,借助大量的统计数据,运用BP算法对企业工序能耗进行了系统地分析。研究结果表明用神经网络BP算法构造的网络模型,用于练铁工序能耗多因素的定量分析是可行的。这种方法尤其适用于一般数学模型难以描述的非机理型相关因素的定量分析。     

人工神经元网络辅助催化剂生产

本文提出了一种探索催化剂生产优惠操作条件的新方法，从而使最终产品的质量得以提高，并能节约人力、物力、寻优是依据数学模型离线进行的。模型采用人工神经元网络ＡＮＮ以实际上并不完全的历史数据训练后自动产生。     

人工神经网络在色谱中的应用

综述了近几年来人工神经网络用于色谱研究中的进展。主要体现在用人工神经网络方法预测色谱保留值、优化色谱分离条件、自动监控色谱仪运行以及揭示色谱数据的隐含信息方面,并展望了人工神经网络在色谱中的应用前景。     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

基于神经网络处理油井液面深度的方法

本文介绍了利用神经网络处理油井液面信号的基本方法，并给出利用此方法处理液面信号的结果。     

人工神经元网络及神经计算机的教育学

对于设计人工神经元网络(ANN)或神经计算机来说,一个最为重要的方面就是学习。如以什么样的算法进行学习?提供什么样的学习素材?以什么样的方式学习?怎样安排学习过程等等?我们认为这些活动非常类似于人的教育过程,基于这一认识,我们提出了ANN及神经计算机教育学的基本思想和基本方法。     

An Improved Minimum Distance Method Based on Artificial Neural Networks

MDM (minimum distance method) is a very popular algorithm in state recognition. But it has a presupposition, that is, the distance within one class must be shorter enough than the distance between classes. When this presupposition is not satisfied, the method is no longer valid. In order to overcome the shortcomings of MDM, an improved minimum distance method(IMDM) based on ANN (artificial neural networks) is presented. The simulation results demonstrate that IMDM has two advantages, that is, the rate of recognition is faster and the accuracy of recognition is higher compared with MDM.     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。     

一种基于人工神经网络的内模控制方法

对SISO反馈线性化系统的自适应自校正神经控制进行改造,提出了一种基于BP网络的内模控制新方法,克服了原系统设计方案的理想化,提高了系统的鲁棒性,使该方法具有实用性。同时有只要建立被控过程的内部模型即可得到内模控制器模型的特点。     

基于人工神经网络的旋转机械多故障同时性诊断策略

针对大型旋转机械多故障同时性诊断问题，基于人工神经网络，构造了一种由多个子网络组成的分级诊断网络（ＨＤＡＮＮ）。该网络旨在将一个大的分类模式空间划分为几个小的子空间，以便对各子网络进行有效的训练，提高各子网络的分类能力，从而使整个网络具有高精度的多故障同时性诊断能力，测试结果表明：ＨＤＡＮＮ网络不仅能准确地对单故障进行诊断，而且多故障同时存在的情况下，也能有效地识别出各种故障，该网络具有较高的诊断