BP神经网络算法的改进及在入侵检测中的应用

BP算法是神经网络众多算法中应用最为广泛的一种,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用。针对BP算法的缺陷,提出了几点改进措施。     

BP神经网络算法的改进及在人侵检测中的应用

BP算法是神经网络众多算法中应用最为广泛的一种,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用。针对BP算法的缺陷,提出了几点改进措施。     

基于粒子群算法优化的神经网络在入侵检测中的应用

利用粒子群算法对入侵检测神经网络模型进行优化。仿真结果表明,与BP神经网络和GA神经网络相比较,具有较强的逼近和容错能力、较快的收敛速度和较好的检测效果。     

房地产可持续发展模型探讨——基于BP神经网络

房地产行业作为国民经济支柱产业,其可持续发展研究具有重要战略意义。将住房供需的合理匹配与协调视为房地产行业可持续发展的基本条件,并引入协调度概念,在此基础上,将该问题转化为经典控制问题,然后基于BP神经网络建立供需影响因素的反馈控制模型。     

BP神经网络算法在个性化搜索排名中的应用

介绍了利用BP神经网络算法,通过推理搜索词与环境关键词的关系强度,以及环境关键词对搜索结果排序的影响权重,从而智能地学习用户的搜索环境。通过搜索环境的智能设置,让用户得到更好的搜索体验。     

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法。针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例。实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度。     

基于BP神经网络的工程快速估价方法研究

工程快速估价是投资决策的重要内容,同时工程估价还是工程造价控制的前提,是工程项目可行性研究的前提,也是招投标制定标底的依据,而工程概预算编制方法存在速度慢,周期长等缺点,针对同类别的工程的各项主要影响因素进行分析,应用BP神经网络理论,建立工程快速估价模型,编写MATLAB程序,可省去大量的繁琐计算,为快速做出工程估价提供新的方法.     

BP神经网络及在岩性识别上的应用研究

测井数据处理与解释的重要内容之一是岩性研究。与常规测井资料相比,结合各种岩性分析化验结果及分类统计,发现线性回归分析是其主要的研究手段。本文先介绍了人工神经网络。然后着重讲述了BP神经网络的原理,改进BP神经网络的方法,以及在岩性识别上的应用研究。     

Levenberg-Marquardt神经网络算法研究

前馈神经网络中的向后传播算法(Backpropagation(BP)Algorithm)算法存在固有的缺陷,Levenberg-Marquardt神经网络算法可以有效地克服这一点BP算法的缺陷。本文给出了Levenberg-Marquardt算法。     

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BP神经网络算法的粮食最低收购价定价预测

基于BP神经网络进行粮食最低收购定价预测分析。由于没有2016年的相关数据,而要预测2017年的指标数据,单纯的计量经济模型已经无法解决。神经网络是一个智能算法,综合考虑多个影响因素,得到了想要的预测结果。用两种方式进行预测,一方面用时间序列的趋势项作为神经网络的输入,另一方面用上一年度的指标数据以及种植面积数据作为输入,最后输出2017年的最低收购价数据,最后得到小麦和稻谷的最低收购价预测区间分别为[119.515,125.972]和[143.007,153.677]。     

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。     

基于BP神经网络的北京市物流需求预测

随着物流在国民经济中重要性的提高,对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层的神经网络,对2006-2015年北京市的物流需求进行了预测。结果表明BP神经网络模型的预测结果比回归分析预测结果更好,且相对预测误差不超过0.05。     

基于BP神经网络的中小企业信用评价

本文在分析信用评价重要性的基础上,根据中小企业信用评价的指标体系建立了基于BP神经网络的企业信用三层神经网络评价模型,该模型具有对中小企业信用的预测功能。     

基于NMF和BP神经网络的人脸识别

人脸自动识别是图像识别~([1])领域的一个研究热点,有着广泛的应用前景。对于静态人脸识别问题,BP神经网络方法有较强的适应性和易于实现等优点。但采用BP神经网络进行人脸识别也存在学习时间长,识别率不高等缺点。本文根据BP神经网络的基本原理,自行设计了一个简单且易于实现的BP神经网络,该网络在训练样本数较为充足并且学习较为充分的条件下能获得较好的人脸识别效果。并在此基础上,通过对原样本数据进行NMF特征提取操作,再结合该BP网络用于人脸识别。该网络克服了单一BP神经网络学习时间长、识别效率低的缺点,获得了更加有效的识别效果。     

基于BP神经网络的股市分析

神经网络领域已经有50年历史了,但是实际应用却在最近15年里,特别是近几年来,神经网络已经成为热点研究领域,已经在各个领域中应用,以实现各种复杂的功能。这些领域包括:模式识别、鉴定、函数拟合、分类、语音、翻译和控制系统。股票市场是一个非线性的系统,本文基于BP神经网络,以1998年～2008年的上证股市大盘增幅数据作为训练,对以后的一年多数据进行验证,以证实神经网络对股市的预测。     

基于BP神经网络的客户满意度评价模型

在以客户满意为中心的营销环境下,客户满意度是衡量企业核心竞争力的一项重要指标,那么客户满意度测评就成为了关注的焦点。本文采用BP神经网络算法建立客户满意度评价模型,并通过实例证实了该方法的有效性和实用性。     

基于BP神经网络和声达时间差的声源定位算法

提出了利用神经网络进行声源定位的方法,该方法是在基于声达时间差(TDOA)的定位系统基础上提出的.概括了利用传声器阵列进行声源定位的几种方法,详细给出了BP神经网络算法原理.利用MATLAB仿真工具和BP神经网络对输入样本进行仿真训练,距离误差可以保持在0.5 m内,方位角误差在0.2°内.最后在声达时间差估计不准的情况下根据仿真结果对发令枪声进行了实例检测,证明定位效果仍可以满足要求.     

基于BP神经网络的电力系统负荷预报

研究了基于BP网络在中电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素。从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果。     

基于BP神经网络模型的沪深300指数预测

采用BP神经网络模型,利用MATLAB软件,通过沪深300指数2011年1月4日到2012年3月30日的开盘价、收盘价、最高价、最低价四组数据建立三层的BP神经网络模型,用前290天的数据对模型进行学习和训练,然后用后12天的数据对模型进行检测,最后对2012年3月15日的开盘价进行短期预测。结果表明,BP神经网络模型具有良好的泛化能力,在沪深300指数的预测方面有很好的预测能力,有很强的现实意义。