基于GA-BP神经网络的顾客满意度测评研究

本文利用遗传算法与神经网络的特性,建立了基于GA-BP神经网络的顾客满意度测评模型。该模型首先将BP网络的权值和阈值通过遗传算法进行优化,然后对BP网络进行训练。网络最终测评结果较BP神经网络更有效、准确。通过某商场实例数据证明此测评模型收敛速度快、预测精度高,为顾客满意度测评提供了一种实用的方法。     

BP神经网络算法分析及其面向对象实现

分析了BP神经网络的结构及其算法实现流程,利用C++语言构建了BP神经网络的网络模型,并通过一个实例,展示了用面向对象来实现BP神经网络的优势。     

BP神经网络在煤层气井产量预测中的应用

BP学习算法是一种单向传播的多.层前向网络,Matlab 中的神经网络工具箱以人工神经网络理论为基础.本文基于Matlab的工具箱,结合沁水樊庄区块晋试1-6井和TL003井的抽排实验数据对煤层气井产量进行预测,验证了BP神经网络在沁水樊座区块预测煤层气井产量的可行性,且BP算法收敛速度快,误差小,值得推广.     

基于改进BP神经网络的电加热炉炉温PID控制研究

以电加热炉为控制对象,提出一种基于BP神经网络的PID控制策略。针对BP网络学习速度的缓慢性及较差的泛化能力,受Fletcher-Reeves线性搜索方法的指引,对传统BP神经网络进行改进,改善算法在训练过程中的收敛特性。最后仿真结果证明了该控制策略的有效性。     

基于最速下降算法BP神经网络及应用探讨

BP神经网络广泛的应用函数逼近、模式识别、分类、数据压缩等领域。给出了BP神经网络的经典学习算法——最速下降算法,并证明了该算法具有收敛到极小值的特性。最后将基于最速下降算法的BP神经网络应用于入侵检测,取得了良好的效果。     

蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

基于神经网络邮政物流预测模型的研究

本文研究了智能物流管理控制系统在实现过程中所采用的理论和技术方法,用神经网络技术建立物流预测模型,提出了物流预测模型的层次结构和物流预测模型的知识发现流程,用BP网络算法进行设计,通过实例进行了实验并对实验结果进行分析。     

改进BP神经网络在企业网络营销绩效评价中的应用

在研究网络营销本质及其绩效特征的基础上,建立企业网络营销绩效评价指标体系并采用BP神经网络建立评价模型。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢的缺点,通过采用LM算法和学习速率的自适应调整来建立新型的BP神经网络,利用模糊综合评价法生成训练样本。该评价模型有效地利用了BP神经网络的优点,避免了评价过程的人为失误。仿真试验表明,该模型取得了较好的效果。     

基于神经网络的工程造价模型的建立

基于神经网络强大的非线性映射原理,提出了BP神经网络模型的工程造价预测模型,指出该预测模型可对线性和非线性关系的工程造价进行合理的预测,经过实例证明,该方法收敛速度快,预测的可靠性令人满意.     

广义回归神经网络的金融预测模型研究

本文针对BP网络存在着收敛速度慢和局部极小的问题,提出了一种基于广义回归神经网络方法的金融预测模型,该网络运用于汇率模拟与预测,以演示训练样本的构建、原始数据预处理、神经网络的创建训练和检测结果的评价整个过程.通过详细的仿真实验以及与BP神经网络的比较可得出以下结论:该方法不仅运算速度较快,且逼近性能及预测性能明显都优于传统BP神经网络.     

基于BP神经网络的通信信号调制体制识别技术

本文研究了基于BP神经网络的通信信号调制体制识别技术。提取了反映信号调制体制差异的特征参数，并从提高收敛速度和正确识别概率出发，构建了最佳的神经网络分类器。实验结果表明，该技术拥有较好的通信信号调制体制识别性能。     

A STATE-SPACE PARTITIONING METHOD FOR PRICING HIGH-DIMENSIONAL AMERICAN-STYLE OPTIONS

The pricing of American-style options by simulation-based methods is an important but difficult task primarily due to the feature of early exercise, particularly for high-dimensional derivatives. In this paper, a bundling method based on quasi-Monte Carlo sequences is proposed to price high-dimensional American-style options. The proposed method substantially extends Tilley's bundling algorithm to higher-dimensional situations. By using low-discrepancy points, this approach partitions the state space and forms bundles. A dynamic programming algorithm is then applied to the bundles to estimate the continuation value of an American-style option. A convergence proof of the algorithm is provided. A variety of examples with up to 15 dimensions are investigated numerically and the algorithm is able to produce computationally efficient results with good accuracy.     

系统极化码的置信传播译码性能分析

置信传播（BP）算法可以为系统极化码提供软信息作为判决依据,也可以为系统极化码在级联迭代译码中提供交换软信息。在详细描述基于信道极化结构的置信传播算法基础上,比较了系统极化码在软信息判决方法和极化编码判决方法下错误率性能的差异。仿真结果表明,软信息判决方法可以提高系统极化码的误比特率,在高信噪比下误帧率方面也略有提高。     

基于ResNet_NSCS的通信信号调制识别

针对通信信号调制识别的特征提取问题,为进一步提高识别准确率,提出了一种基于嵌套式跳跃连接结构的残差网络（ResNet of Nested Shortcut Connection Structure,ResNet_NSCS）调制识别算法。该算法在残差神经网络（Residual Neural Network,ResNet）基础上,通过借鉴ResNet多通路选择思路,引入嵌套式恒等跳跃连接结构,利用提取的特征实现不同调制方式的分类。仿真结果表明,面向RadioML2016.10a数据集,较卷积神经网络（Convolutional Neural Network,CNN）算法和卷积神经网络_长短时记忆网络（Convolutional Neural Network_Long Short Term Memory Network,CNN_LSTM）算法,以增加网络复杂度为代价,ResNet_NSCS算法收敛速度快,识别准确率高。     

一种基于动态规划的雷达合批新算法

针对信号分选结果增批现象严重、影响识别准确度的问题,通过分析实际侦收信号的特点,并借鉴生物信息学中动态规划比对算法的思想,提出了对脉冲重复周期（PRI）信号在载频维和脉宽维进行合批的方法,并结合该方法设计了动态合批处理流程。该算法通过比较两批数据在PRI值及其排列顺序上的相似性来进行合批,利用PRI周期性这一很稳定的特征较好地解决了批信号在载频和脉宽维上的增批问题。仿真结果表明,该算法在存在脉冲丢失和干扰脉冲的情况下仍能准确合批。     

协方差结构模型不收敛原因及解决方法

协方差结构模型实际上是一般线性模型的扩展,它主要利用一定的统计手段对复杂的理论模式加以处理,并根据各种拟合指数对模型作出检验与评价,从而达到证实或证伪事先假设的理论模型的目的。笔者在利用协方差结构模型对北京市居民住房消费行为和意愿进行量化研究时发现协方差结构模型存在不收敛问题,文章提出,导致模型不收敛的原因,一是缺失数据处理方法不当,可采用期望最大化算法(EM算法)和马尔科夫链蒙特卡罗法(MCMC算法)处理数据缺失;二是变量间存在多重共线性,可去掉设置不合理的潜变量以避免共线性问题;三是模型过于复杂,收敛条件苛刻,可调整模型使之简单化,并重新设定收敛条件,促使模型收敛。     

改进的参考独立分量分析算法

针对参考独立分量分析收敛速度较慢的问题,提出了两种基于改进的快速收敛牛顿迭代方法的参考独立分量分析方法。该方法首先对观测信号进行白化预处理,避免观测信号矩阵求逆运算,减少了算法的计算量;然后采用修正的具有三阶收敛速度的牛顿迭代方法对参考独立分量分析的代价函数进行优化,推导出快速收敛的参考独立分量分析算法。仿真实验结果表明,改进后的算法是有效的,算法收敛速度相对原算法提高了1.7倍,相对现有算法提高了1倍,而且误差更小。     

复杂轨迹合成孔径雷达后向投影算法图像流GPU成像

相对于基于傅里叶变换的频域成像算法,后向投影(BP)算法因采用时域逐点相干积累,更适合于复杂轨迹合成孔径雷达(SAR)高精度成像。但BP算法计算量巨大,限制了其应用于SAR大场景大数据量快速成像。图形处理器(GPU)具有强大浮点运算和并行处理能力,为大场景BP算法快速成像实现提供了途径。结合GPU并行处理,提出了一种基于图像流的复杂运动SAR大场景BP快速成像处理方法。该方法借助BP算法中图像像素点相互独立处理的特性,采用图像像素点并行及图像流程处理,设计了孔径与图像缓存调度方案,提高SAR大场景大数据BP算法成像效率。仿真和机载实测数据结果验证了方法的有效性,在有限GPU显存条件下实现了8 192×8 192大场景快速成像,并且成像加速比相对于传统CPU单线程处理可达300倍以上。     

基于PID和PWM技术的直流电机控制

阐述了单片机通过PID和PWM技术实现对角度传感器的控制过程和编程要点．给出了系统的组成框图,分析了单片机实现PWM控制技术的设计方法和PID算法原理．并给出了由PWM信号驱动直流电机的一般设计方法。