规则模糊系统和ICA在图像识别中的应用

利用模糊系统中的模糊规则和SVM中内积函数之间的关系,通过支持向量机对训练样本进行学习,由支持向量确定模糊规则,构建基于规则的模糊分类器。对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分。该模糊系统在ORL人脸库上的实验结果表明,该方法同样适合解决小样本、非线性、高维模式的分类问题。     

企业信用风险评判的模糊神经网络方法

针对企业信用风险评判过程中存在的模糊不确定性因素,结合"Z值法"提炼评判指标,利用模糊神经网络方法,通过实例计算出的良好结果,论证了模糊神经网络方法在复杂问题分析中的独特意义.     

基于模糊BP神经网络的钢箱梁焊接质量评价方法

针对钢箱梁焊接质量难以判别的问题,提出将智能BP神经网络算法与模糊集合理论相结合的策略,首先对BP神经网络根据实际需求进行建模,进而将BP神经网络预测输出值与模糊理论相结合。最终通过与原始的BP神经网络算法相比较,确定研究提出的模糊BP神经网络算法的优越性和鲁棒性。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。     

基于模糊神经网络应用在汽车声品质评价与应用中的研究

运用汽车声品质设计理念的提出,将汽车声学设计与消费者的需求融合,提出模糊神经网络应用在汽车声品质评价与应用预测声学设计理念。     

基于神经网络虚拟企业资源协同模糊综合评价

由于虚拟企业协同利益不一致、文化背景不同等原因,协同的结果很难判别,从虚拟企业协同的技术能力、成本管理等方面建立虚拟企业之间进行资源的合理配置和优化组合的评价模型,并通过事例获取企业数据,进行定性和定量分析,作为神经网络的输入数据,通过隐含学习和训练,输出神经网络拟合值,并用神经网络对输出结果进行评价和排序;对虚拟企业资源协同的状况及其结果进行评价和论断,以提高认识的深度和分析的质量。最后使用Matlab6.5对算例验证其可行性。     

基于神经网络的旅游收入预测模型建立研究----以山西为例

本文采用人工神经网络原理,对山西省入境旅游市场需求进行预测。论文以人工神经网络理论为基础,对旅游市场需求预测指标的选择、神经网络预测模型的选择、旅游需求神经网络预测模型的建模流程和实现方法进行了初步探讨,构建了基于人工神经网络的旅游需求预测模型。     

基于模糊神经网络的新型并联机构误差补偿研究

运用误差摄动法建立了一种新型并联机构的误差模型,提出了基于模糊神经网络的新型并联机构的一种误差补偿控制方法,并对网络结构、功能和训练算法进行了讨论,仿真结果表明,该模型具有良好的误差补偿性能。     

关联规则在排球比赛技战术分析中的应用

本文介绍关联规则数据挖掘技术在排球比赛技战术分析中的应用,以2004年奥运会女子排球中国与古巴半决赛的技战术数据为挖掘对象,采用脚本描述方式对比赛技战术数据进行数据预处理,采用关联规则数据挖掘中的apriori算法,寻找比赛中有意义的关联规则从而为教练员临场战略制定与决策提供科学依据。并利用数据挖掘软件作实证分析。     

组合预测模型在我国旅游业预测中的应用

文章首先选取Holt-Winters非季节指数平滑模型、自回归分布滞后模型以及局部多项式回归模型对中国1978-2011年的国际旅游外汇收入进行定量分析,随后基于预测误差平方和最小方法构造组合预测模型,研究结果表明组合预测模型的精度明显优于单项预测模型。     

基于RBF神经网络的太阳能发电量预测

太阳能发电系统输出功率的预测,尤其是短期预测,受到各种外源因素的影响,预测结果并不理想。由于现有预测方法对外部条件的依赖性,如太阳辐射强度和环境温度等,致使存在多种变量,影响预测的效率。为此,采用径向基函数神经网络(RBFN),选择最优的输入参数,来预测20 kW太阳能电池板的功率输出,考虑效率的同时,对预测结果有了一定程度的改善。并将所提出方法与现有方法进行了比较。     

BP神经网络和多元线性回归模型对碳排放预测的比较

为帮助钢铁企业了解自身的碳排放情况,更好的实现节能减排,建立BP神经网络和多元线性回归模型对钢铁企业碳排放进行预测分析,以期找到一种精确、实用的碳排放预测模型,为工业化生产提供参考依据,致力于帮助企业做好提前的碳排放预测,掌握自身排放情况,能够更有效的实施温室气体减排,将企业的碳排量控制在国家政策允许的范围内。结果表明：发现两种模型均能有效的对碳排放进行预测,误差均小于5%;BP神经网络模型对碳排放的预测优于多元线性回归模型。     

基于粒子群优化反向传播神经网络的铁路路基沉降量预测

铁路路基沉降规律复杂、沉降量难以预测,因此提出一种粒子群优化反向传播神经网络的路基沉降量预测模型。传统神经网络建模时存在收敛速度慢、易陷入局部极小值等不足。因此,通过粒子群算法修正网络的初始权/阈值,提高全局收敛性,建立基于粒子群优化的反向传播神经网络预测模型。通过对宝中线实测数据进行仿真实验,结果显示：经粒子群优化的神经网络可避免局部极小问题,加快网络收敛速度,提高了对铁路路基沉降量的预测精度。     

证券投资基金收益概率密度预测——基于神经网络分位数回归模型

证券投资基金收益往往具有更高的峰度与更大的偏度,建立在古典假定基础上的均值回归分析难以给出准确预测结果。考虑到证券投资基金收益中的高峰、非对称等典型特征与各因素对收益序列的非线性影响模式,建立神经网络分位数回归模型,一方面,可以通过分位数回归功能,揭示各因素对证券投资收益整个条件分布的影响规律;另一方面,可以通过神经网络结构,模拟金融系统中的非线性关系。在神经网络分位数回归模型基础上,对证券投资基金收益整个条件密度函数进行预测,提供比点预测更多的有用信息,便于进行科学决策。     

质量成本模糊神经控制模型的建立研究

文章在PAF（预防成本、鉴定成本和损失成本）模型思想的基础上,根据分析影响质量成本的主要因素及其控制方法,建立较为智能实用的质量成本模糊神经控制器。首先根据各种研究文献以及实际情况设置较为通用的质量成本三级科目。然后根据历史数据对各科目做Pareto分析,找出影响质量成本的主要影响科目,利用统计分析中的相关分析以及偏相关分析降维,找出真正影响质量成本的主要科目。而后,根据分析主要影响科目及造成科目成本的主要影响因素,利用模糊控制方法以及神经网络建立质量成本控制模型,并详细讨论了模糊神经控制器的输入、输出集的语言值及模糊隶属度、控制器的模糊规则、神经网络隐层数的确定、隐层神经元数目的确定以及其网络学习规则。     

基于循环神经网络的西北太平洋台风路径预测

西北太平洋是全球台风高发区域之一,我国每年受登录台风影响,造成沿海地区发生狂风、暴雨和风暴潮等灾害性天气,准确预测西北太平洋台风路径对我国防震减灾意义重大。 基于循环神经网络的多元时间序列预测模型,以处理好的包含中国气象局（CMA）台风最佳路径数据集和欧洲中期天气预报中心（ERA5 ）数据集两种资料的多元时间序列数据为样本,训练3种循环神经网络并预测未来 6、12、24 h 的 热带气旋（TC）中心位置。结果表明预测失效为24 h时利用长短期记忆神经网络（LSTM）模型预测E值为173.15 km,误差要远小于门控循环神经网络（GRU）模型和循环神经网络（RNN）模型,认为利用 LSTM 网络对未来 24 h TC 中心位置的预测具有可行性和参考价值。     

基于改进型BP神经网络的随机车祸持续时间预测

由于道路交通事故的复杂性使之对事故持续时间的预测困难。采用因子分析和BP神经网络相结合的方法,以福银高速福州段近两年交通数据为依据,采用因子分析获取造成车祸事故的少量公共因子,将公共因子做降维处理后作为BP神经网络的输入参数,利用三层BP神经网络实现对随机车祸持续时间的预测。其结果与回归算法、支持向量机算法以及传统BP神经网络算法相比,精准度高、收敛速度快。     

基于小波神经网络的上证50指数多步预测

以神经网络为代表的人工智能模型对股票价格具有良好的预测效果,但是该智能模型侧重于单步预测,很难满足实际股票预测的要求。提出基于小波和神经网络相结合的股票指数多步预测智能模型。选取上证50指数为建模数据,运用小波分解将上证50指数收盘价序列分解成不同尺度的分层数据,依据迭代策略,利用BP神经网络分别预测小波分解后的各层数据,最后将各层的预测结果使用小波重构成原始股票收盘价的预测数值。结果表明,基于小波神经网络的多步预测模型具有良好的多步预测效果。