BP神经网络在上海住宅市场需求预测中的应用

人工神经网络是近期发展最快的人工智能领域研究成果之一 ,本文在介绍 BP神经网络的有关原理的基础上 ,建立了一个上海住宅市场的 BP神经网络模型 ,并通过该模型对上海住宅市场的需求进行了预测和分析 .分析结果表明人工神经网络方法在住宅市场需求预测中的应用是可行的并且是有效的 .     

Fuzzy Entropy： Axiomatic Definition and Neural Networks Model

The measure of uncertainty is adopted as a measure of information. The measures of fuzziness are known as fuzzy information measures. The measure of a quantity of fuzzy information gained from a fuzzy set or fuzzy system is known as fuzzy entropy. Fuzzy entropy has been focused and studied by many researchers in various fields. In this paper, firstly, the axiomatic definition of fuzzy entropy is discussed. Then, neural networks model of fuzzy entropy is proposed, based on the computing capability of neural networks. In the end, two examples are discussed to show the efficiency of the model.     

BP人工神经网络用于除草剂活性预测

采用AMI方法研究了10种新型的磺酰脲类除草剂的电子结构，并以原子的Mulliken净电荷和除草剂在不同浓度(100，10mg／L)下对油菜、稗草两种作物的根、茎部位的抑制率为训练样本集。构造并训练得到具有活性预测能力的BP神经网络．结果表明，该BP网络不仅能对训练样本很好拟合。亦能对未知化合物的活性作出很好的预测．     

人工神经网络在激光加工温度场模拟中的应用

研究了人工神经网络在激光加工温度场模拟用的参数推算中的应用方法；并设计了相应的BP神经网络模型及软件；研究表明BP神经网络适用于对激光加工模拟的参数推算，其准确性优于回归分析法和函数插值法。     

Isomers of C20: an energy profile III

Semiempirical calculations, at the PM3 level provided within the Winmopac v2.0 software package, are used to geometrically optimize and determine the absolute energies (heats of formation) of a variety of C(20) isomers that are predicted to exist in and around the ring and cage isomers. Using the optimized Cartesian coordinates for the ring and the cage isomers, a saddle-point calculation was performed. The resulting energy profile, consisting of a series of peaks and valleys, is used as a starting point for the identification and location of fifteen additional isomers of C(20) that are predicted to be energetically stable, both via geometry optimizations and force constant analysis. These additional isomers were subsequently determined to lie adjacent to one another on the potential surface and establish a step-wise transformation between the ring and the cage. Transition-state optimization of the Cartesian coordinates at the saddle point between adjacent isomers was performed to quantify the energy of the transition state. The step-wise process from one isomer to another, which extends out over the three-dimensional surface, is predicted to require approximately 15% less energy than that of the direct, two-dimensional transformation predicted in the bowl-cage profile. However, the net atomic rearrangement for the step-wise process is about four times greater than that of the direct process. Although less in energy, the amount of atomic rearrangement in the step-wise process would make the occurrence of such a route prohibitive. Utilizing the direct distance separating the three primary isomers (ring, bowl, cage), the method of triangulation is performed to quantitatively position other C(20) structures on the potential surface, relative to the ring, bowl, and cage isomers.     

基于BAS-BP-Bagging模型的光纤陀螺温度补偿

为提高光纤陀螺的输出精度,以天牛须搜索算法(BAS)优化后的BP神经网络模型为基学习器,采用Bagging并行集成学习算法建立了BAS-BP-Bagging温度补偿模型,并对某型号光纤陀螺进行了温度补偿实验。实验结果表明,在-40～+60℃温度变化环境下,该方法补偿后的光纤陀螺温度漂移相较于补偿前减小了近80%,相较于多项式补偿算法减小了55%,相较于BP神经网络补偿算法减小了30%左右。同时该模型在对新鲜样本的补偿过程中表现出了较为优越的泛化性能。     

BP神经网络结合变量选择方法在牛奶蛋白质含量检测中的应用北大核心CSCD

牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛奶蛋白质含量预测的可行性。本文提出一种基于竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)结合多层前馈神经网络(back propagation, BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对象,利用可见光/近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过实验对比选择采用标准化方法对获取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长,得到18个特征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试集决定系数R;和R;分别达到0.971和0.968,训练集均方根误差(root mean square error of calibration,RMSEC)和测试集均方根误差(root mean square error of prediction,RMSEP)达到了0.033和0.034。研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层前馈神经网络模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS-SPA-BP模型的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归(partial least squares regression, PLSR)进行建模,实验结果表明,CARS-SPA-BP相较于PLSR,R;和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。     

GF(2p)LDPC编码的相位调制OFDM系统在瑞利衰落信道的性能

OFDM是一项能有效对抗高速无线通信中多径衰落的关键技术，为了进一步提高OFDM系统的误码性能，许多信道编码技术已被应用于OFDM系统中，二元域LDPC码以其近香农限的误码性能和较低的译码复杂度成为研究的热点。在AWGN信道下，多元域LDPC码比等效码长的二元域LDPC码有更好的纠错性能。本文提出了一种将多元域LDPC码经过MPSK调制后用于OFDM系统的新方法。仿真结果表明，在多径衰落信道下，通过合理选择多元LDPC码域的阶数和调制的方法，多元域LDPC编码的高阶调制OFDM系统比等效码长的二元域LDPC编码OFDM系统具有更好的性能，并且由于采用了多元域LDPC的快速BP译码，译码复杂度只是稍有增加。     

基于ANN的定向井有杆抽油系统悬点示功图特征参数的计算

有杆抽油系统悬点示功图的特征参数是合理选择地面机电设备的主要依据.由于井下工况的复杂性和部分参数难以确定,使得基于求解高维时变非线性方程的传统方法的计算结果存在偏差.本文将传统方法和神经网络相结合,给出了一种能比较精确地确定定向井有杆抽油系统悬点示功图特征参数的方法,避免了建立和求解复杂的非线性动力学方程.首先依据传统方法,计算出简化悬点示功图的特征参数.然后考虑抽油杆柱弹性振动、抽油杆与油管之问的库仑和粘性摩擦、气体和供液能力等因素的影响,利用BP神经网络和RBF神经网络建立了不同工况下悬点示功图特征参数的计算模型.利用现场实测数据对建立的神经网络进行了训练和测试.测试结果表明了本文方法的正确性和有效性.     

布里渊散射谱拟合的混合优化算法

基于布里渊光时域分析仪的全分布式光纤传感系统中,光纤沿途的探测信号含有噪声导致被测量的温度或应变信息难以识别,光谱拟合的精确度对传感信息的识别非常重要。在传感系统低信噪比的情况下,提出了一种提取高精度布里渊散射谱特征的拟合方法,利用小波去噪结合莱文伯-马奈特（LM）算法调节权值后向传输(BP)网络对布里渊散射谱进行特征提取。克服了传统BP神经网络易陷入局部极值的缺点,保证求解的精度。数值仿真表明,该方法适合不同权重比、不同线宽和低信噪比以及大测量范围的情况进行光谱拟合,并且在信噪比为10 dB的情况下得到拟合度均超过0.96。实验结果表明,该方法适用于多种泵浦功率情况下的布里渊散射谱的特征提取,优于传统BP神经网络算法且具有较高的拟合精度。