人工神经网络之BP模型算法实现

BP网络模型误差反向传播算法,有效的解决了权值调整问题,也是至今为止应用最广泛的神经网络。因此,本文介绍了BP的网络模型算法理论,并通过C#语言对该算法进行实现,可根据不同样本数据建立相应的BP模型,本研究具有一定的实用价值。     

基于BP 人工神经网络的河流生态健康预警

为加强河流管理,在已有的河流生态系统健康研究和BP人工神经网络模型基础上建立了河流生态健康预警模型,并对滦河河流未来健康状况进行了预警。结果表明:滦河在未来20年内河流生态健康状况将有所好转,其中近期水平年2015年为轻度疾病状态,为中警级别;中期水平年2020年与远期水平年2030年均为亚健康状态,为轻警级别。此外针对河流未来的警情状态,从警源分析角度提出了节水、优化水源工程、减污等关于滦河河流生态治理措施。     

基于BP神经网络方法的财务预警模型研究

本文通过BP神经网络方法来建立我国上市公司财务失败的预警模型,该模型对检验样本的预测正确率为85%,实证研究表明,该模型具有较好的预测效果。     

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。     

基于BP神经网络的沈阳房地产市场预警

结合沈阳房地产市场的特点,借助监测、评价、预警等环节的有机结合,设置预警指标体系;依托人工神经网络(BP模型),选取了11年(1998年～2008年)预警指标的数据,其中前9年的数据作为训练样本,后2年的数据作为检测样本.通过1 538次贝叶斯归一化网络训练,达到了目标误差的要求,其网络仿真效果有着较高的精度和可信度.模型分析与市场实践的对比反映出,2007和2008年的市场都比较活跃;该模型不仅可以用于市场预警,而且有利于促进房地产市场的健康与可持续发展.     

基于人工神经网络的降雨径流模拟研究

针对水库径流难以预测的问题。采用改进的动量．自适应学习率调整BP神经网络方法,以南告水库作为研究对象,对水库的日资料进行径流模拟。并对该模型在径流模拟中的方法和难点问题进行分析和探讨。改进的BP模型模拟的结果与三水源新安江模型的模拟结果相比较,探讨改进的BP模型应用于水文模拟的可行性。研究结果表明,改进的BP模型用于水文模拟是可行的。     

互联网金融企业风险预警模型构建研究

结合互联网金融企业自身特点,建立互联网金融风险指标体系,采用主成分分析和BP神经网络结合的方法,构建互联网金融风险预警模型,将筛选后得到的主成分分析结果输入到训练后的BP神经网络风险预警模型中,进行实证分析.结果显示,训练后模型准确率可以达到96.35％,对于样本预测精准度具有较强作用,从而可以为互联网金融企业提供一种...     

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。     

基于人工神经网络技术的投标前期决策

针对投标前期决策中常用决策分析方法未能有效解决影响因素之间、影响因素与决策结果之间的复杂非线性关系的问题,通过调查、比较和分析,结合人工神经网络分析方法的要求,确定了投标前期决策影响因素的指标体系.将人工神经网络技术应用于投标前期决策,应用定量法和模糊综合评价法提出相应指标的量化标准及方法,据此构建了具有较好泛化学习能力及较好学习速度的人工神经网络投标前期决策模型.在MATLAB平台上,开发出人工神经网络投标前期决策模型应用系统.通过工程实例证明,此方法能有效应用于施工企业的前期投标决策.     

基于人工神经网络的工程估价预测模型

人工神经网络是在模仿人脑处理问题的过程中发展起来的新型智能信息处理理论,通过对人工神经网络及BP网络的基本原理与特征的分析,建立了工程估价预测模型.     

基于模糊神经网络的车辆避撞预警算法

为实现车辆的智能控制提供理论基础,研究了碰撞预警算法．在分析不同驾驶员的驾驶行为的基础上,确定碰撞预警算法的报警准则,用于指导报警算法做出合理的报警．基于报警准则采用模糊神经网络方法,提出一种多输入、多输出的协作预警算法模型,用于支持碰撞预警系统．利用实测数据对预警算法进行测试,试验结果表明,算法能够对车辆碰撞进行有效的报警,对提高车辆行驶的安全性具有重要意义．     

基于人工神经网络的股市预测模型

建立了构成基于人工神经网络的3种股市预测模型（基本数据模型、技术指标模型和宏观分析模型）,分析了神经网络应用于股市预测的实效性。实证分析表明,3种模型对上证综合指数的拟合效果均较好。在“基本数据模型“中,建立带有附加动量项和自适应学习速率的BP网络,具有较快的运算速度和逼近性能。在“技术指标模型”中,通过一些股市重要技术指标的引入,使其增加了反映市场各方面深层内涵的信息,而且网络的泛化能力有所提高。在“宏观分析模型”中,引入了影响股市的5项主要宏观经济指标,使模型包含了宏观经济基本面的更多信息,强化了股市神经网络模型的应用价值。     

从科学研究方法论看人工神经网络研究的发展

简要回顾了人工神经网络不平衡的发展史。从科学研究方法论出发，对人工神经网络的研究方法，以及决定其迅速发展与正常发展的因素等方面的问题进行了讨论分析，给出了若干结论。指出竞争是人工神经网络的理论得以生存和不断完善的重要前提，成功是导致人工神经网络研究高潮的重要因素，理论与应用研究并重是人工神经网络健康发展的重要保证。     

基于人工免疫的计算机安全行为防范模型

基于人工免疫的计算机信息安全策略,以行为防范为主要目的,提出行为防范安全模型,有效抵制入侵行为和病毒等侵害,解决计算机领域内诸多的安全问题.变病毒库为行为库,通过行为模式控制,避免大量病毒库的频繁升级工作;利用自适应免疫,改变原来只能检测已知攻击,不能防范未知攻击的弱点,最终实现信息安全.     

生物监测在水环境安全预警系统中的应用

介绍了水环境生物预警系统的特点以及数字化生物监测的研究现状和进展,分析了生物预警系统现存问题及发展趋势。指出生物监测数字化是水环境生物预警系统的关键技术,生物预警应与现行的理化预警系统相结合,与数字化水环境管理系统相结合,借鉴现代信息技术和水环境监测数学模型,加快生物预警技术的发展和完善。     

基于智能信息处理的计算机发展研究

随着计算机技术的迅速发展,计算机能否在将来控制人类是人们一直所关注的问题．人工智能和人工神经网络是智能科学发展的两个方向,机器人技术是目前取得的阶段性的重大成果．通过分析认为计算机的智能化程度也会越来越高．在可以预见的未来,计算机将在人类的控制之下进行一些更加高级的智能活动．     

基于解释结构模型的桥梁施工安全管理

根据桥梁施工安全管理的特点,从环境、人为、技术、制度四个方面,选取能够充分反映施工项目安全管理的指标,运用系统工程理论,对构成施工安全因素进行了定性和定量化处理,建立了施工安全管理多级多层递阶解释结构模型。明确了各个层级上的因素及其与上下级因素之间的关系,得到一个递进的层次关系,进而得到桥梁施工安全管理解释结构模型图。研究结果表明,多层递阶解释结构模型从整体角度准确地揭示了施工安全主要影响因素的结构,得到了施工安全的表层直接影响因素、中层间接影响因素和深层根本影响因素。     

机器人产品质量安全监测预警平台研究及应用

机器人产品安全性随机器人数量增长和应用范围扩大而越受重视。为解决机器人安全数据缺乏导致机器人产品质量监管形式及方法受制约问题,设计了以数据为核心、应用为导向的预警系统架构,构建了机器人安全指标库、产品类型库、安全风险库等机器人产品属性和安全属性数据库,研究了基于抽样检测数据、网络舆情数据、消费投诉数据的多源数据处理流程和方法,开发了机器人产品质量安全监测预警平台,实现了机器人质量安全事件和信息的实时采集、智能评估、系统监测和及时预警,为其他工业产品基于大数据的质量监督提供方法参考。     

时间序列神经网络动态建模研究

采用一种改进的时间序列神经网络用于过程系统的动态建模。该网络将输入变量的时间序列数据作为网络输入，同时以系统的脉冲响应系数为时间序列输入数据的权值，赋予神经网络模型一定的物理意义，从而使神经网络模型获得更好的外延性，能够更好地表达系统的动态特性。