基于BP网络对我国通货膨胀率的预测及其分析

本文首先由我国的CPI计算出通货膨胀率,综合分析了我国通货膨胀率和GDP增长率数据。其次,用带有动量项和自适应学习率的BP神经网络预测出2008～2009年我国CPI,从而推算出2008～2009年我国通货膨胀率分别是4.99%和4.91%左右。并提出了一些相应的政策建议。     

技术创新扩散环境的BP神经网络评价模型研究

构建了技术创新扩散的环境评价指标体系,设计了BP神经网络评价模型,并将二者结合,运用实例验证了该模型的有效性,从而为技术创新扩散环境的评价提供借鉴。     

浅谈选煤厂建设投资估算影响因素及改进措施

本文对选煤厂建设工程投资估算中影响准确性的因素进行了分析,并结合BP神经网络理论基于Matlab软件对选煤厂带式输送机及栈桥单位工程进行了数值模拟,通过对比数值模拟结果与概算指标估算结果,详细阐述了可以提高选煤厂建设工程投资估算准确性的几点建议。     

模糊层次分析法优化BP神经网络的交通冲突预测模型

本文通过全面剖析影响交通冲突的原因,以交通流量、道路几何设计和道路环境三方面的因素建立指标层次结构体系。提出基于模糊层次分析(FAHP)法优化BP神经网络(BPNN)的预测模型,应用于交通冲突预测。     

基于PCA-BP-GA的BOT项目风险预测研究

由于BOT项目本身的长期性和复杂性,所以在BOT项目实施前需要准确科学的预测出所面临的风险大小。针对BOT项目风险影响因素众多的问题,先利用主成分分析法进行降维,然后利用遗传算法找出BP神经网络的最优全值阈值,建立了PCAGA-BP BOT项目风险预测模型。同时将以往的BOT项目数据作为学习样本,对BOT项目风险进行预测,并利用某地污水厂的例子进行验证,说明此模型对实际工程的科学指导性。     

基于BP神经网络的茶叶物流金融模式仿真优化

针对茶叶物流金融运作模式选择中的复杂性以及传统优化方法的局限性,将BP神经网络理论和仿真方法引入茶叶物流金融模式优化,考虑样本数量不足的实际问题,采用B样条函数插值方法扩充数据量,构建BP神经网络模型并加以训练。结果表明:BP神经网络具有精度较高的智能学习能力,适合于茶叶物流金融模式选择优化。     

基于模糊神经网络算法应用在电力系统中的研究

电力系统[1]是由发电、输电、变电、配电和用电等多层FNN的复杂的非线性控制系统组成。采用FNN弥补了神经网络在电力系统模糊数据处理方面的不足和模糊逻辑在学习方面的缺陷学科。     

基于BP神经网络方法的城市土地生态安全评价——以广州市为例

选取18个指标构建城市土地生态安全评价指标体系,运用BP神经网络方法评价城市土地生态安全。研究结果:2006年及2007年广州市土地生态安全等级为Ⅲ,2008年安全等级为Ⅳ。研究结论:BP神经网络通过对历史数据的学习,能够实现城市土地生态安全评价,对探索城市土地生态安全评价方法具有重要意义。     

一种基于支持向量机的带钢表面缺陷识别方法

鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM）,利用交叉验证进行了参数和模型的选取,对冷轧带钢中几种现场易出现的缺陷进行分类,并与BP神经网络进行比较分析。实验结果表明,这类基于SVM的算法识别效率较高,较好地解决了小样本学习问题,避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点,可有效地应用于带铜表面缺陷检测。     

基于BP神经网络的通信信号调制体制识别技术

本文研究了基于BP神经网络的通信信号调制体制识别技术。提取了反映信号调制体制差异的特征参数，并从提高收敛速度和正确识别概率出发，构建了最佳的神经网络分类器。实验结果表明，该技术拥有较好的通信信号调制体制识别性能。