基于K-means算法的神经网络文本分类算法研究

本文在分析文本分类算法的一般模型和现有技术后,针对传统神经网络算法存在的问题,提出了一种引入Kmeans算法用于训练RBF神经网络的径向基函数中心,改善误差反向传播（BP）神经网络分类算法收敛速度较慢的缺点。实验结果表明,改进后的RBF网络与BP网络、RBF网络相比,在取得较好分类精度和召回率情况下,具有较高的运算速度和较强的非线性映射能力。     

浅谈选煤厂建设投资估算影响因素及改进措施

本文对选煤厂建设工程投资估算中影响准确性的因素进行了分析,并结合BP神经网络理论基于Matlab软件对选煤厂带式输送机及栈桥单位工程进行了数值模拟,通过对比数值模拟结果与概算指标估算结果,详细阐述了可以提高选煤厂建设工程投资估算准确性的几点建议。     

基于BP网络的大型水电项目投资估算模型研究

本文综合分析了大型水电工程的主要特征,并将这些特征和它的工程造价联系起来,构建了基于BP神经网络的水电工程造价估算模型。在模型的实现上,利用MATLAB语言对模型进行了训练、仿真和测试,并用工程实例对模型进行了验证,结果表明该模型具有较好的泛化能力,能够较准确地估算工程造价。     

基于BP网络的建筑工程造价估算

建立了适于建筑工程造价的BP神经网络模型，通过对建筑工程各主要特征类目定量化并结合所建立的BP经网络模型，运用MATLAB工具箱来快速估算建筑工程造价。经工程实例证明，该方法为一种快速、可靠的建筑工程造价估算方法。     

基于模糊神经网络的建设工程项目投资估算研究

在建设工程项目的全过程周期的各阶段估算中，对项目的全过程周期中作用最强的是投资估算阶段。它是建设项目投资决策的基础，也是编制项目投资方案和管理投资的有效手段。本文通过深入研究建设工程项目投资估算影响要素，剖析影响结果的重要因素，从而分析建设工程咨询公司在投资估算的数据，系统钻研国内外在建设工程项目领域投资估算的举措、估算模型，最终构建基于模糊神经网络的投资估算模型。在模糊神经网络支持下的建设工程项目投资估算模型计算结果整体误差率较低，所以在建设工程项目可行性研究阶段的投资估算中已基本可以满足其要求，以及满足在工程初步设计阶段的资金概算要求。神经网络分别建立估算模型能够在建设工程项目中提供较好的应用效果，提高了估算精度，为建设工程项目投资估算提供更加精确的参考。     

基于BP神经网络的建筑工程估价模型研究

提出了基于BP神经网络的工程造价估测模型，以工程特征为参数，用历史数据，建立模型，并验证了BP精神网络模型在工程造价估测中的优良效果，结果显示，BP神经网络在这方面具有很好的应用前景。     

BP神经网络在项目投资风险分析中的应用

影响项目投资经济效益评价指标的参数很多,这些参数均具有一定的不确定性.由于各参数的不确定性,其项目投资经济效益评价指标值也是不确定的,因此,对投资项目所做的经济效益评价结论必将带有风险.在经济评价工作中,应当对这种风险作出合理的量化分析和估算,以了解项目的风险承受能力,并尽可能采取措施回避风险.本文共搜集了10个相似投资项目,根据BP神经网络工作原理筛选确定了6个影响和制约项目投资因素的指标作为神经网络的输入变量,并提出了基于BP神经网络的项目投资风险分析模型;其中7个投资项目作为训练样本,2个作为检测实例,最后一个进行敏感性分析.经过测算,其精度完全可以满足实际项目投资风险分析的需要.因此,神经网络在这方面有很好的应用前景.     

基于RBF神经网络的过程质量诊断研究

对控制图模式识别方法的提高与改进是改善过程工业质量诊断和质量控制的关键。利用RBF神经网络设计了过程质量诊断模型,然后用K-means聚类算法确定隐含层RBF神经网络节点数,最小二乘学习算法对网络进行学习训练,并利用MATLAB7.0对网络进行仿真,结果表明该方法比传统方法能够较快地识别出控制图的异常模式,且具有较高的识别精度,能够达到过程质量诊断的要求。     

BP神经网络学习效率研究

为了对BP神经网络学习效率进行研究,利用一个特定的半球面方程案例,对隐层单元数、传递函数、测试集样本点数这三个变量对BP网络学习效率影响程度进行分析。通过3次实验,实验一只改变一个变量、实验二同时改变两个变量,实验三同时改变三个变量来比较实验的运行时间,实验误差,记录实验结果,并进行了实验分析,得出BP神经网络学习效率最佳时的参数取值。结果表明当隐层单元数为8、传递函数为tansig、测试集样本点数为16时,BP神经网络学习效率最佳。     

基于数据挖掘的BP神经网络改进算法的产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。     

基于数据挖掘的BP神经网络改进算法能产品质量预测研究

人工神经网络是一种新的数学建模方式,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问题提供了比较好的方法。针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较．结果表明改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠。     

基于RBF神经网络的中国黄金市场价格预测

本文以上海黄金市场的现货交易为研究对象,鉴于传统的线性分析方法的局限性,构建了RBF神经网络非线性模型,对上海黄金市场的Au99.99开盘价进行了预测。结果证明,RBF神经网络模型为黄金价格预测提供了一种有效的高精度的预测工具。     

基于神经网络方法的风机故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,将反向传播(BP)网络、径向基(RBF)网络和概率网络(PNN)用于风机进行故障诊断,并比较了3种网络的诊断精度。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的神经网络进行故障辨识,结果表明,RBF网识别精度高于PNN网络,BP网络表现较差。     

工程造价的模糊神经网络估测方法

本文探讨了模糊神经网络在确定工程造价中的应用方法和途径。分析影响工程造价的因素,提取特征值,利用Madalines网络和RBF网络估测工程造价,通过实例计算,表明运用模糊神经网络估测土建工程造价和工程工料量是可行和有效的。     

基于BP神经网络的工作岗位评价系统设计

本文在建立工作岗位评价指标体系的基础上,设计了一种基于BP神经网络的工作岗位评价系统。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢等缺点,通过增加动量项、学习率的自适应调整等改进方法建立新型的BP网络,采用层次分析法生成网络训练样本。该评价系统有效地利用了BP神经网络的优点,避免了工作岗位评价过程中的一些人为失误。仿真试验表明,该评价系统取得了令人满意的结果。     

基于BP神经网络的龙洞堡机场旅客吞吐量预测研究

精确的预测机场旅客吞吐量对贵阳龙洞堡机场提供最优调配具有重要意义。文章首先运用灰色关联度计算出各个影响因素与旅客吞吐量之间的关联度;然后合理选择隐含层神经元个数及输入层、隐含层、输出层的激励函数,提高预测精度,使误差达到最小;用BP神经网络模型选取2005-2009年数据作为网络训练样本,2010-2014年五年数据为测试样本。结果表明:对2010-2014年旅客吞吐量的预测值与实际值之间的误差较小,然后通过设定好的BP神经网络对2015年的机场旅客吞吐量进行预测。     

基于BP人工神经网络的快速工程估算研究综述

我国建筑行业发展长期受到"三超"现象困扰,因此近年来如何通过成本管理合理预测工程造价成为现阶段建筑行业的主流思想.有越来越多的研究希望通过人工神经网络模型应用于工程造价估算来达到合理建模,快速估价的目的.为了明确人工神经网络估算模型在工程估算中的应用和发展前景,需要对相关文献进行综述和梳理.首先,先从应用最广泛的BP神经网络估算模型入手,分析该BP神经网络模型应用过程中的优缺点,并对现有解决方法进行综述.其中讨论了通过强弱耦合弥补BP模型应用缺陷以及选取其他常见模型应用于工程估算,如:RBF神经网络模型、模糊神经网络模型.最后,我们对人工神经网络的研究前景进行展望,为实现工程造价智能化奠定了基础.     

机械加工零件的热处理技术研究

工农业的发展对热处理技术提出了更高的要求，机械加工零件在加热时如何很好地控制温度已成为关键性的技术。为了克服传统RBF网络控制中存在的问题，本文设计了自适应模糊C -均值聚类算法优化的RBF神经网络预测器及BP神经网络控制器。通过合理地初始化RBF神经网络预测器中的三个参数，使控制器的输出更好地稳定在给定值。仿真表明，模糊优化的网络比原始网络控制具有更好的控制效果，节约能源，提高热处理性能。     

城市生态交通系统评价

基于交通网络、交通体系完善性、交通环境、交通景观和交通文化五个方面提出城市生态交通协同理论体系,以既有的城市交通系统可持续发展评价指标体系为基础,构建了一套城市生态交通评价指标体系。基于BP神经网络建立一个三层的城市生态交通评价模型,选取sigmoid函数作为评价模型的传递函数,traingdx作为训练函数,隐含层单元数确定为16。根据收集到的9个城市生态交通评价指标数据,选取其中5个城市数据作为评价模型的学习样本,建立城市生态交通系统BP神经网络评价模型,并对另外4个城市数据进行一般性检验,验证了BP神经网络在城市生态交通系统评价中的准确性与适用性。     

基于可拓神经网络的分类算法研究

BP神经网络是一种常见的分类算法。但BP网络运算速度慢,而且容易陷入局部极小。文章通过增加动量因子避免了BP网络的局部极小,并利用可拓学的扩缩变换,改进了BP算法的训练停止区域,加快BP网络的收敛速度。文章在matlab70环境下进行了仿真测试,仿真结果显示,基于可拓神经网络的分类算法在收敛速度等方面有明显改善。