线性系统辨识

假设实际系统是一个线性系统或者是接近线性系统时,线性神经网络能够用于对实际系统的建模。通过MATLAB语言仿真可知该线性神经网络能够具备零误差或很小的误差。     

线性约束规划在项目管理最优化决策中的应用

线性约束规划理论和方法是优化理论和方法中的一种,主要用于解决各类线性系统运行状态下的优化问题,它广泛地应用现有的科学技术和数学方法以解决实际中的问题,帮助决策人员选择最优方针进行决策.本文通过具体的案例阐述了线性规划在项目管理中的应用,为现代化项目管理工作提供了科学的依据.     

基于BP神经网络的股票价格预测研究

本文针对股票市场这一非线性系统,利用人工神经网络的方法来对股票进行时间序列预测。采用BP神经网络,将历史时间序列数据作为参考依据,预测未来短期内的股票价格;并在此基础上,与实际的股票价格进行对比分析,并得出结论。对于股票市场内的投资者具有一定的理论意义和实践价值。     

基于bp神经网络的kalman滤波在大坝变形数据处理中的应用

kalman滤波是一种处理动态数据的有效的方法,其在大坝变形数据处理中将会有很好的应用前景.但当存在异常时,kalman滤波精度将会降低甚至滤波发散.bp神经网络是一个高度复杂的非线线性动力学系统,它可以处理含有不确定因素的问题,可以任意精度逼近.因此bp神经网络辅助kalman滤波能在一定程度上提高滤波的精度.     

基于主成分分析法的区域经济资源位建模讨论

<正>一、使用主成分分析法计算各个区域的资源位本文的目的是建立经济系统的神经网络模型,因此需要实验数据对神经网络进行训练。这些数据是通过使用主成分分析法计算各个区域的资源位数据获得的。本文采用主成分分析法度量区域系统的资源位,资源位是系统经济学中提出的一个非常重要的概念,即在广义资源位空间中,能够被经济系统实际和潜在利用、占据或适应的部分称     

循环神经网络自适应有源噪声对消研究

介绍了一种新颖的非线性逢适应滤波器－－循环神经网络自适应滤波器。由于这种循环神经等效于非线性ＩＩＲ滤波器，具有学习非线性函数到任意的精度及自适应能力，这种滤波器优于线性滤波器，能够适应各种噪声环境。本文将该滤波器用于有源噪声对消，仿真结果表明了这种循环神经网络自适应有源噪声对消系统具有良好的抗噪声性能。     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。     

中国经济增长预测研究——基于BP神经网络与多元线性回归比较

本文采用Eviews及MATLAB软件建立多元线性回归模型及BP神经网络模型,探究传统多元线性回归方法与BP神经网络方法预测经济增长过程中的误差大小,为政府引导经济增长提供模型支持.     

一般定常稳定系统的电路最优化模拟

人们生活在一个巨大的系统——地球上,而它又由无数个各种各样的子系统所构成。可以说,科学技术的发展史,就是各系统理论和工程技术的发展史。系统一般地可分为两类:线性的和非线性的。可是很多非线性系统的非线性是非本质的,即其线性成分远远大于非线性成分。这样,就能用统一而且相当成熟的线性系统理论来处理。随着生产和科学技术的发展,对系统描述的精度要求也日益提高,因而人们开始注意对一般的系统理论开展较为广泛     

基于BP神经网络专家系统的供应链风险评价研究

随着供应链的迅猛发展,所面临的风险也越来越大.为合理有效评价供应链风险,文章结合供应链风险评价指标体系,将神经网络理论与专家系统思想相结合,提出了一个可行的基于BP神经网络专家系统的供应链风险评价模型.该模型利用BP神经网络的自学习特征,在训练过程中通过对权值的不断修正,使网络的实际输出向量逐渐接近期望的输出值.该模型不仅能够利用专家系统判断供应链风险的大小,而且能够通过权矩阵分析影响供应链风险的主要因素,在供应链风险研究及应用中具有较大的发展潜力.     

微分厂己何在非线性系统中的应用

在实际的研究、生产过程中，非线性系统很多理论的应用受到越来越多的关注，同时在研究非线性系统的过程中所使用的微分几何工具在控制界也越来越受到重视，可以说它是现阶段研究非线性系统的最重要的工具之一。该文就从两个方面针对线性系统中微分几何的应用展开讨论，其一为非线性振动系统中的应用，另一方面则为非线性系统线性化过程中的应用。     

基于神经网络bp模型的建筑项目工程进度控制

通过应用误差反向传播(backpropagation,bp)神经网络数学模型,利用神经网络充分逼近任意复杂的非线性系统;可学习与适应严重不确定性系统的动态特性和具有很强的鲁棒性和容错性的优点,预测一定投入的项目各自的项目进度结果.实际应用中,根据进度目标和环境条件,有效控制工程进度,这对于完成部队整体计划,节约成本和管理效益最高化具有重要意义.     

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.     

雷达信号高精度参数估计及其DSP实现

研究了单脉冲、线性调频与相位编码雷达信号的调制类型识别与高精度参数估计算法,基于TMS320C6713搭建的硬件平台,完成了两个同时到达信号的高精度参数估计.测试结果表明,该系统能够处理两个同时到达信号,实测双信号处理时间为3 748 905 ns,频率测量误差小于10 kHz,处理速度与参数估计精度都能满足实际需要.     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

浅论电力系统自动化中智能技术的应用

简单回顾模糊控制、神经网络控制、专家系统控制、线性最优控制、综合智能控制等典型智能技术在电力系统自动化中的运用.     

小议电力系统自动化中智能技术的应用

简单回顾模糊控制、神经网络控制、专家系统控制、线性最优控制、综合智能控制等典型智能技术在电力系统自动化中的运用.     

基于BP神经网络的黄金期货价格预测

本文在BP神经网络的基础上,利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价,对二者价格进行实际模拟和预测.模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对黄金期货市场的预测是可行的.     

中国经济增长预测研究——基于BP神经网络与多元线性回归比较

本文采用Eviews及MATLAB软件建立多元线性回归模型及BP神经网络模型,探究传统多元线性回归方法与BP神经网络方法预测经济增长过程中的误差大小,为政府引导经济增长提供模型支持。     

基于遗传BPN的舞弊甄别的系统设计

近几年,计算机领域的发展使财务报告舞弊更加复杂、隐蔽性更好,再加上传统统计技术的落后,使得激增的数据背后隐藏的信息正在被人们所忽略.通过将遗传BPN技术应用于舞弊性财务报告的识别,以及对舞弊甄别系统的分析和设计,使舞弊甄别的主要功能模块通过计算机来实现,得出由于遗传算法能够收敛到全局最优解,而且遗传算法的鲁棒性强,将遗传算法与神经网络结合起来是很有意义的,不仅能发挥神经网络的泛化的映射能力,而且使神经网络具有很快的收敛性以及较强的学习能力,从而提高了舞弊甄别的效率,缩短了神经网络训练的时间等结论,进一步证明了遗传BP神经网络技术在会计舞弊甄别中的科学性、准确性、可行性.