基于LM-BP算法的轨道交通客流短时预测

BP神经网络是当前比较常用的人工神经网络,针对BP神经网络存在易陷入局部极小值、收敛速度慢等缺陷,将LM算法引入到BP神经网络中,以改进BP神经网络在预测时的训练过程,并利用轨道交通客流的时间序列对其有效性进行验证,结果证明该方法对轨道交通客流的短时预测有着更高的准确度和精度。     

基于Sigmoid学习率BP神经网络的非特定人语音识别算法研究

本课题基于非特定人语音识别的原理和过程,结合BP神经网络的建模理论及特点,主要研究了BP神经网络模型在语音模式识别中的应用问题。同时针对标准BP神经网络训练收敛速度慢及容易陷入局部最小的缺点,提出了Sigmoid学习率BP神经网络训练算法,并通过仿真计算,得出在非特定人语音识别应用方面Sigmoid学习率BP神经网络算法的收敛速度要优于标准BP神经网络算法且识别率更高。     

粒子群优化神经网络在财务困境分析中的应用

目前BP神经网络已经成功用于公司财务分析与预测,但神经网络采用了传统梯度下降探索法致使BP神经网络存在着收敛速度慢,易陷入局部最优等缺陷,对应用效果造成了不良影响.本文提出通过改进粒子群全局搜索算法对BP网络进行训练.既保留了神经网络原有的优点,又克服了传统训练方法的缺陷.实证表明,该方法预测结果优于传统神经网络模型.     

基于RBF神经网络的股票价格预测

由于股票的价格是非线性的时间序列,文章提出了基于RBF神经网络的个股价格预测模型,该模型优于传统的股市技术分析方法,又避免了BP算法容易陷入局部极小点和收敛速度慢的缺点。根据实验的仿真结果显示,该模型对于个股价格的短期预测效果较好。     

基于区域映射模型的R＆D项目中止决策

本文提出了R＆D项目中止决策的区域映射模型。区域映射模型能够克服BP神经网络收敛速度慢、易陷入局部极小点等不足,保证了实际分类准则与训练准则的一致性,具有很高的识别率和比BP神经网络更快的收敛速度,是R＆D项目中止决策的一个有效的模式识别工具。     

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GA-BPNN的上市公司财务预警模型

为了提高财务预警模型的精度，针对BP算法训练过程中容易陷入局部极值而影响预测效果的缺陷，文章应用遗传算法和BP神经网络相结合的混合算法进行改进。通过对深沪两市A股市场74家制造业上市公司样本的实证研究比较。发现混合算法不论对建模样本还是对多期间检验样本，都显示出比传统BP算法更高的预测精度。GA-BPNN算法不仅具有BP算法较强的局部搜索能力，而且也吸收了遗传算法擅长全局寻优的特点，二者的结合可大大提高预测精度。     

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。     

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。     

基于一种改进BP神经网络算法的教学质量评价研究

在教学管理问题的研究中,针对教学质量评价的非线性特征以及教学质量评估体系中存在的诸多非定量的因素,建立教学质量评价的BP神经网络模型。评价模型对已有评价体系中的主观性因素进行量化,并利用神经网络的自学习,自适应及非线性逼近能力进行量化评价的计算。对模型中用到的BP算法和代数算法分别进行了理论上的分析和训练结果的对比,为教学质量评价模型提供了可行的解决方案。     

遗传算法在供应商绩效评价中的应用

本文利用平衡记分卡思想建立了供应商绩效评价指标体系。结合遗传算法和BP神经网络构建了进化网络算法模型，克服了单纯网络学习易陷入局部极小的缺陷，并用指标样本检验了进化网络的有效性及改进性能，得到了比较理想的输出结果。     

基于BP神经网络的危化品运输企业安全评价模型及应用

针对全方位的危化品运输企业安全要素建立了基于BP神经网络的评价模型,采用基于最速下降法的权值学习算法进行权值修正,使得评价方法具有快速、准确的特点.用样本数据训练了神经网络评价模型,测试结果显示评价模型自我调节能力强,精度较高,适合受随机评价因素影响较重的危化企业安伞评价应用.     

基于BP神经网络的危化品运输企业安全评价模型及应用

针对全方位的危化品运输企业安全要素建立了基于BP神经网络的评价模型，采用基于最速下降法的权值学习算法进行权值修正，使得评价方法具有快速、准确的特点。用样本数据训练了神经网络评价模型，测试结果显示评价模型自我调节能力强，精度较高，适合受随机评价因素影响较重的危化企业安全评价应用。     

基于遗传算法优化BP神经网络的集装箱吞吐量预测

集装箱吞吐量预测是港口规划建设、生产计划安排、调整港口发展方向的重要基础。针对集装箱吞吐量与其影响因素之间的复杂非线性特征,文章提出基于腹地GDP、腹地货运量、港口前三年集装箱吞吐量作为网络输入构建的遗传算法改进的BP神经网络预测模型(GA-BP),该方法综合考虑到BP神经网络非线性拟合能力强的优点,同时通过遗传算法全局搜索能力强等特点对BP神经网络易陷入局部最优进行改进。为验证提出模型的有效性,选取福州港为案例进行验证,结果显示GA-BP模型的预测精度明显优于BP神经网络,同时对比历史集装箱吞吐量作为输入变量的预测结果,GA-BP模型预测结果精度更高。     

基于BP神经网络的第三方物流企业客户满意度评价研究

客户对第三方物流业务的需求是物流企业生存发展的源泉。因此,对客户满意度评价的测度应作为物流企业发展战略的重要组成部分。文中在构建第三方物流企业客户满意度评价指标体系的基础上,采用了BP神经网络算法模型来对企业的客户满意度进行评价,经过对BP神经网络模型进行训练和对模型的泛化推广能力进行检验,证明BP神经网络模型可以对第三方物流企业客户满意度进行可行有效的评价。     

基于BP神经网络的变压器保护新原理研究

依据人工神经网络的自学习、自适应能力,本文提出了基于BP神经网络的算法,并用利用这种神经网络对变压器进行数据训练,从而对变压器新的运行数据进行励磁涌流识别。经过matlab仿真实验结果表明,基于人工神经原理的变压器保护方法训练速度快,判别时间短,正确率较高,提高了变压器保护的运行可靠性。     

基于AHP和BP神经网络模型的集团管控模式选择

在集团管控的模式选择中,本文将具有学习能力、记忆能力以及智能处理功能的BP神经网络与层次分析法相结合,构建了集团管控模式选择的AHP-BP神经网络模型,模型以AHP评价结果为神经网络输入,利用BP神经网络对评价结果进行训练与检验。通过MATLAB软件仿真的结果表明,该模型既能充分吸收专家评估的隐性知识和经验,又降低了人为主观随意性的缺陷,计算结果准确、方法可行,为企业的集团管控模式选择提供了科学的思路和方法。     

基于BP神经网络的变压器保护新原理研究

依据人工神经网络的自学习、自适应能力，本文提出了基于BP神经网络的算法，并用利用这种神经网络对变压器进行数据训练，从而对变压器新的运行数据进行励磁涌流识别。经过matlab仿真实验结果表明，基于人工神经原理的变压器保护方法训练速度快，判别时间短，正确率较高，提高了变压器保护的运行可靠性。     

基于BP神经网络的变压器保护新原理研究

依据人工神经网络的自学习、自适应能力，本文提出了基于BP神经网络的算法，并用利用这种神经网络对变压器进行数据训练，从而对变压器新的运行数据进行励磁涌流识别。经过matlab仿真实验结果表明，基于人工神经原理的变压器保护方法训练速度快，判别时间短，正确率较高，提高了变压器保护的运行可靠性。     

基于GMDH方法和BP神经网络的经济预警模型

文章应用GMDH方法来确定BP神经网络的输入指标,对传统的BP算法进行了改进,使得输入指标的选择能自动实现,减少了人为因素的干预。用改进后的BP神经网络对四川省的工业经济状况进行了评价,计算结果表明,训练后的神经网络模型能准确对经济状况进行评价分类,从而实现对经济的预警。