BP神经元网络算法在高新技术产品评价中的应用

将人工神经元网络中的BP算法应用于高新技术产品评价，阐述了指标的选定方法，BP网络结构及网络训练过程，并给出了一个实例计算结果。     

改进BP算法在旋转机械故障诊断中的应用

针对BP算法在神经网络诊断中表现出来的学习收敛速度慢、易于陷入局部最小点等局限性，用改进BP算法一有弹回的BP算法，对转子试验台模拟几种常见的故障进行诊断研究，从中得出结论：将代表故障的信息输入训练好的神经网络后，由输出的结果，便可以判断发生故障的类型。此外，有弹回的BP算法大大地提高了网络收敛速度和稳定性，更能满足实时在线诊断的要求。     

棉纺工艺优化系统开发及应用分析

该工艺优化系统以正交试验设计及与其相幕的数据分析为理论依据开发而成，主要包括试验设计、数据分析、工艺组合优选等功能；利用该系统进行试验设计和工艺优化，可在显著减少试验次数的同时，保证试验数据信息的反映能力；从而为缩短试验周期、降低试验成本、快速实现工艺优化提供了一有效途径。     

BP神经网络在工程项目管理中的应用

简要阐述了BP神经网络、工程项目管理的特点,介绍了BP神经网络应用的一般步骤,提出了基于BP神经网络的工程项目管理模型流程图.总结了BP神经网络在工程项目管理中应用的优点和适用范围,指出了在工程项目管理中应用时应注意的要点,并针对BP神经网络应用的参数设置提出了相应建议.最后,以公路建设项目目标可持续性评价为例进行了实证分析,取得了满意的效果,从而促进了BP神经附络在我国工程项目管理中的应用.     

BP 神经网络在窑外分解窑优化控制中的应用

利用 BP神经网络逼近任意非线性函数的功能代替专家系统中的推理机 ,以比推理机更快的速度得到优化控制输出 ,这对于水泥窑一类复杂控制对象的适时控制具有很好的实用价值。通过仿真实验 ,表明 BP神经网络对水泥窑的优化控制规则有很好的记忆功能和泛化功能 ,为水泥窑一类复杂控制对象的优化控制提供了新的方法和思路。     

BP神经网络方法在纺织工业竞争力评价中的应用

利用BP神经网络方法通过纺织工业竞争力指标体系建立评价的数学模型,采用各评价指标值作为其输入,竞争力值作为输出,基于最小二乘法思想,利用梯度搜索技术,使网络的实际输出值与期望输出值的误差最小。计算证明该模型具有较好的辨识精度和动态评价效果,运用其对各地区纺织工业竞争力状况进行评价,得出了总体评价排序结果。     

BP神经网络在酯化反应中的应用

针对生产涤纶助剂SIPM酯化反应中温度的复杂变化,常规PID控制在非线性时变系统中控制效果的局限性,采用一种基于BP神经网络整定的PID控制技术,通过对酯化温度控制系统性能自学习、自适应来实现具有最佳组合的PID控制。     

BP神经网络在药品销售预测中的应用

目的对药品销售情况进行科学的分析和预测,为合理制订药品采购计划提供参考。方法利用BP神经网络的数据分析、统计、对非线性数据进行拟合等功能,对药品未来的销售量和销售趋势进行分析和预测。结果BP神经网络仿真预测的药品销售量与实际销售量无显著性差异。结论BP神经网络在预测药品未来销售量上具有实际应用价值,为合理制订药品采购计划,降低药品流通成本提供参考依据。     

BP神经网络在新型胶凝材料开发中的应用研究

在进行新型胶凝材料开发的试验中,为减少试验数量使用正交试验法进行研究。但正交试验有其缺陷性存在,即在数据分析时无法进行更详细的试验配比分析。因此,在开展了新型胶凝材料开发的正交试验后,再采用BP神经网络进行样本强度的学习训练,用以建立试验配比与强度之间的模型。通过大批量的探索实验,证明了BP神经网络在节省物力和人力的同时,可以显著的提高试验的工作效率。     

GA －BP 神经网络模型在地区工业技术创新能力评价中的应用

针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA－BP神经网络模型在以下几方面做出了改进：①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008～2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。     

建筑经济管理中神经网络的应用

分析了神经网络的特征及其信息处理的特点，指出了建筑经济管理研究面临的问题，研究了神经网络与建筑经济管理结合的必要性和可行性，以及神经网络在建筑经济管理中应用的领域。     

方向基函数神经网络在说话人识别中的应用

首先对方向基函数神经网络模型(Direction basisFunctionNeuralNetworks)进行了描述。这种模型可以通过计算矢量间的夹角来对矢量进行相似性判别。与径向基函数神经网络模型(Radial basisFunctionNeuralNetworks)不同的是,它特别适合于具有方向不变性的模式识别领域,如语音识别。重点探讨了方向基函数神经网络在说话人识别中的应用,在此基础上研制成功了1个说话人确认系统并用硬件进行了实现。实验数据表明这个系统具有很好的性能。     

网络技术进步与旧技术平台的关闭

本文在对网络效应和网络兼容特性进行异质性设定的基础上,从网络厂商和网络消费者的最优行为出发,通过模型构建和推演,对网络技术进步的实现条件进行了深入分析。本文的研究结论显示,厂商在一定条件下具有推出网络技术进步的惰性;如果厂商推出的是可自发实现的网络技术进步,则厂商可以保留其旧技术平台,否则厂商需要关闭旧技术平台以利于推出新一代网络技术。     

Technological disequilibrium. Price indexes in hubs for Local Area Networks

Evidence is provided on the relationship between changes in product characteristics and product prices by constructing constant quality price indexes for hubs, a category of equipment for Local Area Networks (LANs). Relying on a database of more than 500 hubs marketed between 1990 and 1999 estimations of pooled hedonic regression are carried out and then ‘augmented’ by interacting some characteristics. Results show a general decline of constant-quality price in the period analysed with distinct patterns between the first and the second half of the decade. In particular, evidence of ‘technologically induced’ disequilibrium in the first half of the decade is found. Equilibrium prevailed instead in the second half. Also, results show that both the extent of technological improvements and the extent of economic benefits from technological improvements have been unevenly distributed across technological characteristics.     

水中悬浮隧道施工风险分新的BP神经网络模型

基于BP神经网络理论模型,对水中悬浮隧道施工中各项风险指标进行辨识、量化和评价,进而对其施工总体风险进行分析,得到施工风险的量化参考指标,为水中悬浮隧道施工风险管理提供有效的风险分析工具。     

Forecasting New Product Adoption with Probabilistic Neural Networks

Forecasting the adoption of innovative products is an important managerial task. In this paper we examine the usefulness of a probabilistic neural network (PNN) algorithm for forecasting new product adoption. We compare this approach with one widely accepted forecasting procedure, the binomial logit model, and two other neural network algorithms: a feed‐forward neural network model estimated with backward propagation (NNBP), and a feed‐forward neural network model estimated with a genetic algorithm (NNGA). To test the relative forecasting accuracy of these algorithms, we examine the first‐time adoption of DVD players. Our analysis is based on longitudinal consumer data collected between March 2000 and March 2001. We find that the PNN algorithm significantly outperforms the logit model and the two remaining neural network algorithms.