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.     

浅谈现代企业综合经济实力评价方法

本文主要介绍了BP神经网络在现代企业经济实力评价体系中的应用方法和步骤,并介绍了BP神经网络学习算法中MATLAB的实现.     

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。     

基于神经网络的循环流化床烟气脱硫工艺预测

本文利用BP神经网络实现了对某电厂循环流化床烟气脱硫工艺的预测。论文简单介绍了BP神经网络,并对数据进行了分析。之后以用MATLAB7.0利用BP神经网络实现了对该数据的训练,通过确定各个影响因素的权值来实现预测的目的。     

基于误差反向传播算法的OFDM系统频域均衡

提出用一种基于神经网络的均衡方法,并用误差反向传播(BP)算法对多层前馈网络进行训练.分析和数值仿真结果表明,基于BP网络的频域均衡方法有较好的均衡效果,并且复杂度不高.     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

基于BP神经网络的孤立词端点检测的主客观误差分析

本文选取短时能量、短时过零率、幅度信息熵三种经典的特征分析方法,并结合BP神经网络作为特征分类系统进行断点检测分析.将客观检测和以听觉判断对语音端点的主观评测进行误差分析,比较各算法的效果,实验结果表明采用BP网络和动态闲值的双门限法进行端点判断效果较好,而采用双门限法检测结果优于使用特征值加BP神经网络.     

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。     

BP神经网络应用于研究生教育收费问题

分析和研究了硕士研究生收费现状,提出通过BP神经网络算法建立符合实际要求的模型,制定合理的收费标准。通过对相应因素的比较、分析与统计,将数字化结果用于基于BP神经网络收费模型的训练与检验中,得出各个收费影响因素与学费之间的数学关系,从而建立一个相对优化合理的收费模型。     

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。     

MATLAB下BP PID控制器的C实现

本文在MATLAB/SIMULINK环境下实现了使用C语言编写的BPPID控制器。通过结合BP神经网络和PID控制方法，充分利用了BP神经网络具有逼近任意连续非线性函数的能力，比较适合被控系统比较复杂或不确定度情况下。文中采用了3-3-3解构的三层BP神经网络和增量式PID算法。在对仿真目标进行跟踪时取得了较好的结果，同时使用C语言的实现方式也更贴近实际应用。     

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.     

BP神经网络、SVM在个人收入预测中的应用

改革开放以来,中国居民收入稳步上涨,但收入差距却越来越大。对于个人收入的分析也成了研究的重点。本文利用matlab R2012a建立了BP神经网络和支持向量机算法模型,得到了两个模型在研究个人收入预测应用中总体预测准确率、均方误差MSE和决定系数R2的值。结果表明,相比于BP神经网络,支持向量机预测准确率更高,模型拟合度更好,具有更好的预测效能。     

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。     

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。     

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BP神经网络的超帘顾客满意度研究

顾客满意度是衡量企业核心竞争力的一项重要指标.本文采用BP神经网络的综合评价方法对超市顾客满意度进行研究,利用一种权值谱分析方法,分析了顾客满意度和各个结构变量之间的关系,得出影响超市满意度的各个指标因素的排序.     

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BP神经网络的专利技术分成率计算研究与应用

针对当前专利技术分成率评估方法出现的问题,引入BP神经网络方法来计算专利技术分成率。第一步是建立指标体系。第二步是训练样本的选取以及数据标准化处理。第三步是完成模型误差调优。最后,通过实例验证了使用BP神经网络方法评估专利技术分成率是可行的。