线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

基于优化BP神经网络模型的上市公司财务危机预警

利用粗糙集的约简技术对上市公司的预警指标进行约简,降低神经网络的复杂性和提高网络预测速度及精度,采用遗传算法作为神经网络模型的前置装置,对网络输入端的初始值和阀值进行最优化,缩短网络训练时间,提高了网络的预测精度。实证研究显示,优化模型的财务危机预测精度高于传统BP神经网络模型的预测精度。     

基于BP神经网络的军事物流定单预测方法研究

选择BP神经网络作为军事物流定单的预测工具,从模型输入层、模型输出层、数据预处理三个方面建立了军事物流定单预测模型,并利用MATLAB的神经网络图形用户接口GUI进行BP神经网络的训练和检验,最后给出了应用方法,并说明注意事项。     

基于BP神经网络的农超对接型供应链绩效评价研究

农超对接项目的大力发展引起了对其绩效评价的研究,本文利用BP神经网络模型构建了农超对接新型供应链模式的绩效评价体系,并结合平衡计分卡模型进行了指标选取,实现了新型供应链模型财务与非财务衡量之间的平衡。之后通过对建立好的网络进行训练,将训练好的网络对所研究对象进行分析。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性.借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系.对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的.     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理。利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型。最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性。     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理.利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型.最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性.     

基于灰色神经网络的高校教师职称评审预测

提出一种针对我国高校教师职称评审的预测模型。该模型通过将灰关联分析与BP神经网络相结合的方式实现,利用灰关联分析找出高校教师职称评审的各影响因子与职称晋升的潜在关系,为BP神经网络提供筛选输入因子的功能,最后通过训练BP神经网络来实现预测。选用某高校2012年副教授评审实际数据作为评价样本,将原有的6-8-2的网络结构简化为5-8-2,结果表明,建立的评审模型的结论优于基于BP神经网络的结论,且训练效率也有大幅提高,有一定的推广应用价值。     

神经网络在膨胀石墨用燃爆剂配方设计中的应用

利用人工神经网络算法建立了燃爆剂燃爆热力学参数的定量BP网络模型,通过6组燃爆剂配方的成分组成及其输出参数测试值对模型进行了训练,用另外3组燃爆剂配方的测试结果与相应的预测结果进行了对比研究。结果表明,该方法能较好地预测燃爆剂的燃爆参数,预测值和试验值误差最大为2.05%,精度较高,可作为燃爆剂配方设计、输出特性参数预测的工具。