带钢卷取温度智能控制探究

本文简要地介绍了带钢生产过程中控制卷取温度的重要性,并分析指出了目前卷取温度控制存在的难点,针对层流冷却过程具有强非线性、分布参数和时变等综合复杂特性,提出了智能控制方案并用Matlab进行了模拟仿真,仿真结果表明此种方法可使最终卷取温度精度控制在5℃之内。     

舰载雷达智能故障诊断系统研究

为提高装备维护水平,立足于某型潜用火控雷达,着眼于海军装备故障诊断现状,设计了一种基于多Agent的智能故障诊断系统总体结构,诊断系统能根据设备的结构变化进行动态调整,通过知识库和诊断推理机的分离、诊断Agent的动态生成和管理等技术,使该智能故障诊断系统能方便地应用到其它装备。以BDI结构模型为基础,从基于实例的推理(CBR)、产生式诊断系统和神经网络诊断系统三个方面实现了诊断Agent的诊断功能,可最终将故障定位到可更换的元器件。     

基于RBF和PSO的双喉道气动矢量喷管优化设计

本文探索了一种能多变量综合优化的方法,即对喷管进行参数化设计后,用均匀试验设计(UED)将试验样本均匀散布在设计区间内,求出各性能参数后,利用径向基神经网络(RBF)对试验样本进行拟合,再用粒子群算法(PSO)对训练好的神经网络进行寻优,找出了更好的双喉道气动矢量喷管设计参数组合。数值模拟结果显示,优化后的双喉道气动矢量喷管的矢量角有了明显提高。试验表明这种优化方法具有很好的优化能力,可以用来对喷管几何外形进行参数优化。      

基于机器学习的藏文图像识别系统设计与实现

随着人工智能技术的高速发展,机器学习应运而生,而人工智能的重点是机器学习。在人们的生活中,机器学习也扮演着越来越重要的角色。所以在藏文识别方面,机器学习理应发挥更重要的作用,方便人们更好地对藏文进行学习。文章采用Keras机器学习工具和卷积神经网络图像识别算法,识别的准确率可以达到97.92%,为图像识别提供了新的方法和途径。     

基于DEA和BP神经网络的企业科技成果转化综合评价及实证分析

构建了企业科技成果转化综合评价指标体系,将数据包络分析（DEA）与BP神经网络两种评价方法有机结合,建立了DEA-BP神经网络综合评价模型,利用该模型对1998年至2009年间上海市规模以上企业的相关数据进行了实证分析,验证了本文所构建的评价模型具有较高的精确度和预测能力,并根据评价结果,提出了上海市促进科技成果转化的一系列建议。     

BP神经网络结合小波处理在城市扩张预测中的应用——以长沙市区为例

研究目的预测城市扩张规模,从而为合理调控城市建设用地扩张提供决策依据.研究方法通过Granger检验提取城市扩张的驱动因子,利用BP神经网络结合小波处理对建成区扩张趋势进行预测.研究结果未来几年长沙市新增建设用地数量将呈递增趋势,以年均约27 km2的速度扩张.研究结论与GM(1,1)模型及回归模型预测方法相比,BP 神经网络结合小波处理的预测精度最高.其预测结果可为城市制定相关的政策提供科学依据.     

灰色关联分析与RBF神经网络在我国棉花价格预测中的应用研究

运用灰色关联分析法对影响棉花价格波动的诸多因素进行分析,筛选出了4个主要的影响因素:国际市场因素、替代品因素、居民消费价格指数和棉花进口量.并以此优化RBF神经网络模型的输入节点,验证了模型对棉花价格预测的精确性.采用2010年1月～2016年4月的月度数据作为网络训练集,将4个主要影响因素作为输入向量,经训练后网络拟合效果较好;以2016年5月～2017年4月共12期数据作为网络测试集,结果表明:模型预测误差为3.11％,预测精度较为理想,泛化能力强,模型能够较好地把握棉花价格变化的本质规律,为准确预测棉花市场价格提供参考.     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

基于智能算法的“互联网+”时代二手车评估定价模型研究

"互联网+"战略快速推行,二手车交易市场进入新的发展阶段。本文针对二手车交易中评估定价问题,提出了基于智能算法的二手车评估定价模型:首先利用因子分析法探索影响二手车定价的重要因素,然后利用MIV变量筛选方法确定神经网络输入变量,最后构建基于BP神经网络智能算法的二手车评估定价模型。实例分析表明,所建预测模型比现有预测模型预测的更为准确、稳定。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。