基于蚁群算法的改进神经网络备件库存分类模型研究

针对基于BP神经网络的备件库存预测模型的不足,提出基于蚁群算法的改进神经网络算法应用于备件预测模型。首先建立了基于蚁群算法的改进神经网络备件库存分类模型：其次进行了实验分析及对比。验证了模型的可行性。对装备备件预测具有一定的参考价值。     

基于改进的樽海鞘算法优化BP神经网络参数的分类识别方法

针对BP神经网络容易陷入局部最优解从而无法收敛到全局最优解,以及收敛速率过慢的现象,本文采用一种改进的樽海鞘算法寻找BP神经网络的权重和阈值这两个参数的最优参数。之后采用BCI 2003运动想象数据集进行分类识别测试,并且分别利用樽海鞘算法、粒子群优化算法、差分进化算法、权重自适应樽海鞘算法、疯狂自适应樽海鞘算法对BP神经网络进行参数优化作对比研究,结果显示,采用改进的樽海鞘算法优化BP神经网络参数的模型比其他模型得到的平均分类准确率要高。     

基于改进的BP人工神经网络在我国税收预测中的应用

人工神经网络是近年来在经济景气分析、经济时间序列预测、组合证券优化、股票预测等领域广泛应用的一种人工智能技术,取得了良好的效果。本文提出了一种综合共轭梯度和自适应变步长的改进BP算法,并利用改进的BP算法建立了税收预测模型,通过与传统回归分析预测方法结果的比较,证明了该算法收敛速度快,学习精度高,而且有效地避免了常规BP算法的局部极小值问题。     

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。     

基于神经网络的机器人逆运动学算法

文章提出了一种基于神经网络改进算法的机器人逆运动学的求解方法。在讨论机器人逆运动学求解问题以及基于BP算法的神经网络基本原理的基础上,分析了几种BP算法改进方法,出了基于神经网络的机器给人逆运动学求解的具体步骤和设计神经网络的相关注意事项。与传统算法进行比较,通过对PR实验室机器人仿真研究表明,该算法具有简单、学习收敛速度快等特点,且避免了传统算法的许多棘手问题。     

第三产业产值比重预测的BP神经网络模型

宏观经济政策的制定要参照各次产业的发展水平,所以对产业发展水平进行评估和预测就显得十分必要。通过运用改进BP算法神经网络的建模方法对我国第三产业产值比重进行分析,最后建立了单隐层的BP神经网络模型。结果表明基于改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力,模型的通用性和实用性强。     

基于改进遗传算法的FIR数字滤波器的优化设计

提出了利用基于BP(Back Propagation)神经网络的遗传算法来设计FIR数字滤波器的方法。针对遗传算法很难实现全局最优和搜索速度比较慢的缺陷,提出了改进算法,该算法充分利用了遗传算法的全局搜索功能强和BP神经网络的搜索效率高,优化了搜索时间,提高了算法性能,对于解决大规模多极值优化问题特别有效。最后,以设计低通滤波器的实例验证算法的可行性。     

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。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果。因此,BP神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。因此,本文重点研究了BP神经网络的原理、算法及其应用。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果,神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。本文重点研究了BP神经网络的原理、算法及其应用。     

遗传算法在工程结构优化中的应用研究

首先介绍了遗传算法，接着将遗传算法与传统优化算法作了比较，然后介绍几种遗传算法改进的策略，接着通过一个简单的例子验证了遗传算法是求解全局最优解的一个有效方法，同时介绍遗传算法在实际应用中经常使用的几种改进方法，最后探讨了遗传算法与传统优化方法，BP神经网络，Hopfied神经网络，模拟退火算法，通用有限元软件的结合，以期能更好地解决复杂工程结构的优化问题。     

基于人工神经网络的PPI预测模型

将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。     

改进BP神经网络在预测房地产价格指数中的应用

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型,采用BP人工神经网络的改进算法,建立了基于BP神经网络的房地产价格指数预测模型。结果表明:该模型预测精度较高,能较好地反映房地产价格指数内在变化规律。     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。