基于神经网络的综合方法的研究

对神经网络与其它智能控制技术相结合进行了综述,主要有神经网络与模糊逻辑技术、小波分析、可拓理论、遗传算法和混沌等技术相互结合从而形成新型神经网络。进而概述了小波网络、模糊网络、模糊小波神经网络、遗传神经网络、混沌神经网络和开拓神经网络等模型的研究现状,并展望了今后的发展趋势。     

边坡影响因素的自组织神经网络归类处理

文章根据自组织神经网络的基本原理,结合55个边坡实例,应用matlab进行编程,建立了边坡影响因素分类处理的神经网络模型,并运用该模型对不同的边坡进行了分类,分类结果提高了神经网络的边坡指标数据的学习效率,从而证明了自组织神经网络对提高用于预测边坡稳定性神经网络性能的有效性。     

神经网络算法在ENVI上的集成与优化

随着神经网络理论的深入研究,神经网络已在图像的分类中起到非常重要的地位。本文章使用IDL语言来实现神经网络在权值调整过程算法优化,并在ENVI上集成,已达到神经网络分类速度快,且精度可靠的目的。     

基于Sigmoid学习率BP神经网络的非特定人语音识别算法研究

本课题基于非特定人语音识别的原理和过程,结合BP神经网络的建模理论及特点,主要研究了BP神经网络模型在语音模式识别中的应用问题。同时针对标准BP神经网络训练收敛速度慢及容易陷入局部最小的缺点,提出了Sigmoid学习率BP神经网络训练算法,并通过仿真计算,得出在非特定人语音识别应用方面Sigmoid学习率BP神经网络算法的收敛速度要优于标准BP神经网络算法且识别率更高。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

基于改进型BP神经网络的模型参考自适应控制系统

在常规BP神经网络模型参考自适应控制器基础上采用改进型BP神经网络作为辨识器和控制器,组成新的模型参考神经网络自适应控制系统,利用改进型BP神经网络的优点弥补传统自适应方法的不足,使系统具有更强的鲁棒性,收敛更快,逼近精度更高的优点。仿真结果表明,该系统比传统BP神经网络模型参考自适应系统具有更好的稳定性和更快的响应速度。     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

粒子群优化神经网络在财务困境分析中的应用

目前BP神经网络已经成功用于公司财务分析与预测,但神经网络采用了传统梯度下降探索法致使BP神经网络存在着收敛速度慢,易陷入局部最优等缺陷,对应用效果造成了不良影响.本文提出通过改进粒子群全局搜索算法对BP网络进行训练.既保留了神经网络原有的优点,又克服了传统训练方法的缺陷.实证表明,该方法预测结果优于传统神经网络模型.     

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。     

变风量空调系统的小波神经网络控制

提出一种基于小波神经网络的控制方法，并将其运用到变风量空调的控制中去，小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明小波神经网络控制方法明显优于普通神经网络控制，并且具有逼近精度高、控制效果好、抗干扰能力强等优点。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

基于BP神经网络的项目管理绩效评估模型研究

根据项目管理绩效评估中存在的问题,研究了运用BP神经网络方法进行绩效评估的可行性。利用神经网络的自学习、自调整以及非线性映射功能,确定了基于BP神经网络的项目管理绩效评估模型的结构和算法,并结合实例进行了实证分析,取得满意效果,为项目管理绩效评估提供了一种新思路。     

基于粗糙集-神经网络技术的客户价值分类模型的研究

客户关系管理的核心内容之一是对客户价值的评价进而对客户进行分类。文章首先找出对客户价值分类有影响的一些因子,应用粗糙集-神经网络的模型,即利用神经网络与粗糙集理论的优势互补,采用粗糙集对数据进行预处理,然后选择神经网络作为评价方法,最后根据客户价值评价结果进行客户价值分类。     

BP神经网络在工程项目管理中的应用及其贝叶斯正规化优化

BP神经网络已经在很多领域应用,而对于工程项目评价中的应用还处在起步阶段,缺乏有效的理论和经验。通过实证的方法,说明贝叶斯正规化方法在工程项目评价中的应用和精度高、自动归一化的优势。     

基于BP人工神经网络的城市土地利用效益评价研究——以辽阳市为例

采用BP人工神经网络模型,通过构建辽阳市城市土地利用效益评价指标体系,对2000~2009年辽阳市城市土地利用效益进行了定量评价。结果表明:辽阳市近10年的城市土地利用效益水平呈不断上升趋势。     

基于神经网络的模糊综合评判在传输网建设中的应用

本文以某地市传输网建设可行性研究报告为例,使用基于模糊神经网络的模糊综合评判方法对三个可研方案进行综合评价。提出了一种对传输网建设鉴定的新方法,该方法采用了人工智能技术来减少鉴定的主观性,由于对建设可行性的认识存在一定的模糊性,采用了模糊综合评判进行可行性鉴定。并且提出了模糊综合评判和模糊神经网络的集成对通信工程建设和网络评估时的指导作用。     

基于RBF神经网络的船舶辐射噪声预测

本文根据船舶辐射噪声信号的混沌特性,基于重构相空间的轨迹演化规律,构建一种快速的RBF神经网络对船舶辐射噪声进行预测。实验证明,运用这种RBF神经网络对船舶辐射噪声的预测精度高于Volterra自适应滤波预测滤波器,而且更快的收敛速度。     

人工神经网络中的样本对输出精度影响分析

影响人工神经网络模型输出结果精度的技术引起广泛重视,样本质量对神经网络输出精度影响的研究不多,研究多数是针对神经网络结构(层数及节点数),本文分析样本对人工神经网络输出的影响,对提高神经网络的输出结果精度有重要的意义。     

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。