人工神经网络在计算机中的应用前景分析

神经网络是人们在模仿人脑处理问题的过程中发展起来的一种新型智能信息处理理论,它通过大量的称为神经元的简单处理单元构成非线性动力学系统,对人脑的形象思维、联想记忆等进行模拟和抽象,实现与人脑相似的学习、识别、记忆等信息处理能力。神经网络在经历了40多年的曲折发展之后,在信息科学领域等许多应用方面己显示出巨大潜力和广阔的应用前景。     

深度学习能否让机器像人脑一样思维

人类一直梦想让机器拥有我们人类大脑一样的思维能力,而近年来深度学习在人工智能领域的表现一枝独秀.人工智能有两个主要分支:符号主义和联接主义.前者通过代号描绘万物,然后通过句法分析和谓词演算实现逻辑推理;联接主义则模拟人脑的神经元联接,通过学习形成输入和输出之间的映射.大体上讲,上世纪80年代之前,人工智能以符号主义的规...     

模糊神经计算技术──智能信息处理的新方向

以巨量并行分布为特点的神经网络拓扑结构和以非精确输入、满意解输出为基础的模糊运算方法结合起来，将构成类似于人类大脑神经系统功能原理和信息活动特征的新型智能信息处理系统．     

中英象形构词对英语词汇记忆的启发

本文试图通过中英文象形的异同比较，挖掘英文象形的特点以及其适用性和实用性，联系人脑的学习特点开发记忆潜能，搭建一座英文象形与英语词汇记忆的联系之桥，使学习者更愉快、更持久地获得长效英语词汇记忆，借以提高英语学习效率。     

BP人工神经网络在章鱼外来水测定中的应用

章鱼通过泡水获得其自身正常水分之外的水使章鱼产品重量增加,影响出口产品的品质.长期以来,章鱼外来水的测定没有很好的方法.由于很难了解章鱼吸水的具体机制,无法建立传统数学模型进行外来水量的计算.而神经网络的学习功能和记忆特性能记忆章鱼的正常重量、正常含水量、外来水量等信息,当输入新的试验数据时,神经网络会根据构建的神经网...     

基于神经网络的物流中心选址模型研究

一、人工神经网络模型及原理人工神经网络(ANN)是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。BP网络(反向传播算法)是应用最广泛的神经网络,它采用多层结构,输入层与输出层各有一层,隐含层可以是多层,三层网络结构如图1所示:图1三层网络结构模型1989年Funahashi等人证明了由一个单隐层和非线性兴奋函数组成的多层感知器网络是通用的分类器。本文为了对各方案分类,模型就建立在三层网络的基础上。下面以多输入对单输出说明批处理下的基本原理:设一样本集,取第k组训练样本,实际输出为Yk,期望输出为dk。由工作信号正向传播得…     

浅谈初中历史的记忆问题

所谓记忆就是过去经验在人脑中的反映。记忆包括识记、保存、再认或回忆三个基本环节。学生的学习,需要依靠记忆积累知识和经验,然后在已有的知识和经验的基础上进行想象和思维,而想象和思维的结果又作为记忆的内容保持在头脑中,成为新的想象和思维的基础,从而促使智力和整个心理水平向更高的层次发展。离开记忆,复杂的心理活动便不复存在,人根本无法适应社会生活,初中生的学习也必将因此而终止。可见,记忆在初中生的学习过程中占有重要地位。初中生要掌握所学知识是离不开记忆的。而历史是过去发生的事。人类历史长河十分漫长,内容十分丰富。学习历史就是了解人类历史发展的过程和重大事件。由于客观的历史事实本身已经过去,无法重演,不能借助实验加以再现,也不能直接观察,只能间接了解认识。学生要学习和认识过去的历史事实,必须通过记载历史的各种材料,重构历史的表象,使认识的客体有所定位。因此,学好历史离不开记忆。     

基于BP神经网络的中小企业生产运作能力评价研究

为了提高中小企业生产运作能力,建立了中小企业生产运作能力评价指标体系,并利用BP神经网络建立了中小企业生产运作能力的评价模型。为减小希望输出与实际输出之间的误差,从输出层神经元到输入层神经元逐层反向修正各连接权,并在网络训练学习的过程中不断执行误差反向传播修正,以提高网络对输入模式响应的正确率。     

基于人工神经网络的地应力场非线性反演

本文结合实测地应力资料,建立三维非线性有限元模型,通过flac3d程序求解,以及人工神经网络,将计算地应力值作为网络的输入向量,将边界条件作为神经网络的输出向量训练神经网络,获得了区域初始地应力场.     

基于人工神经网络的专利申请评估研究

本文利用人工神经网络模型BP算法的多层前馈网络模型原理,通过输入到输出的函数映射关系,建立用于专利申请可行性评估的神经网络模型,反映专利申请可行性评估的动态性和数据的时序关联性。     

基于BP神经网络的中国制造业生产率预测模型——交叉学科在生产物流领域的应用研究

BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。因此采用三层BP网络实现制造业工业增加值、制造业全社会固定资产投资和工资向全要素生产率的转换,借助MATLAB神经网络工具箱编写了训练程序、测试程序、预测程序,最终神经网络隐层含有13个节点,传递函数采用tansig函数;输出层传递函数选用purelin函数,得到的训练误差为8.44272×10-6,结果满意,可以认为该神经网络可以用来实现这个关系映射,并对2007年全要素生产率进行了预测。     

BP神经网络在地下水环境质量评价中的应用

基于模糊综合评判和灰色聚类法的不足,应用神经网络理论与方法建立地下水环境质量评价B—P网络模型,对磐石市的地下水进行评价,并与综合评价法的评价结果进行了比较。结果表明：用B—P神经网络模型评价地下水是可行的,该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法．使得地下水评价结果的精度大大提高。     

基于神经网络模型的上市公司财务危机预警研究

本文使用人工神经网络(ANN)建立财务危机预警模型,用以测试模型预测上市公司发生财务危机的准确率。模型使用的样本包括110家上市公司的财务指标,其中77家公司作为训练集,33家公司作为测试集。在数据挖掘软件Rapidminer 6.1上构建模型,得到神经网络的总体预测准确率为90.91%。研究表明,人工神经网络具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力,因此是一种非常好的预测财务危机的模型,在企业财务危机预警方面有着很好的应用前景。     

自组织FPNN在宏观经济预测中的应用

论文针对经济预测通常表现为复杂的非线性这种特性,提出了一种基于自组织过程神经元网络(FPNN)和改进的BP神经网络建立的经济预测模型方法。自组织过程神经元网络(FPNN)由输入层、竞争层和输出层组成。FPNN筛选出对因变量(网络输出)最有影响作用的变量(自变量)之后作为改进的BP算法网络的输入节点,再用进行学习。该模型不仅克服了时间序列预测模型只能进行线性预测的不足,而且还避免了传统神经网络的固有缺陷。以2001年到2004年国内生产总值作为预测分析样本,并对预测结果和实际值进行了比较分析,结果验证了该方法的有效性。     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

科技园运营效率预测与控制评价实证研究

本文首先选取若干科技园的投入产出统计指标,采用DEA进行分析,得到各自效率值,最后重新选取同样影响效率的其他相对指标作为输入,将已得效率值作为输出,由此作为学习样本,利用BP神经网络进行学习,并在此基础上进行科技因效率预测,从而实现对科技园运营效率的控制.     

基于BP神经网络的软件行业知识共享绩效评价研究

本文介绍了基于BP神经网络的软件企业知识共享绩效评价模型,通过利用BP神经网络的学习、记忆和自适应等能力实现了对软件企业知识共享能力的客观评价,为以后的相关研究提供了一种新思路.     

基于AHP-BP神经网络的高校实践教学评价研究

以吉林建筑科技学院实践课程为样本,在“新工科”背景下确定13项评价指标,建立高校实践教学评价体系。利用层次分析法构建层次模型,确定分项指标权重。以三级指标为输入样本,一级指标为输出样本构建BP神经网络。运用MATLAB实现神经网络训练,SIM函数进行仿真预测。通过对期望输出与预测输出的误差计算,确定该模型能够在可接受范围内迅速输出评价结果,简化了单一运用AHP评价的计算过程。对高校实践类课程的评价工作提供一定的研究基础。     

线上线下混合式教学模式构建与实践——以《大学英语读写》课程为例

基于“输出驱动—输入促成假设”理论,探讨混合式教学模式下《大学英语读写》课程线上线下融合式教学的设计与实施。通过教学案例分析发现：输出任务的导向直接影响输入学习的效率;线上适合学生自主学习,但是需要教师精心选择学习材料并对学生学习进行认真指导,而线下则适合任务输出展示;混合式教学方式更适合以应用技术为导向的非英语专业本科学生语言技能的学习与实践。     

人脑拥有一致基因设计但生化功能极复杂

物理学家组织网9月20日报道，艾伦脑科学研究所通过对“艾伦人脑图谱库”的大规模深入分析发现，虽然人类群体中存在各种不同的人格，也有着各种认知天才，但人脑却有着更多的相似性而非不同，不同的人脑有着一致的基因设计蓝图，并拥有极为复杂的生化功能。相关论文发表在最近出版的《自然》杂志上。