基于 BP 神经网络的结构损伤识别研究

针对结构的损伤识别进行了研究,选取结构固有频率平方变化比作为特征参数,建立12×25×1 BP网络结构,采用均方误差函数目标误差函数,学习函数选取梯度下降动量学习函数和L-M优化算法,对四层钢框架结构的损伤进行了检测。     

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。     

失业风险预警系统研究

基于我国29年的历史数据,采用BP神经网络模型对我国的失业风险预警问题进行研究。结果表明,神经网络方法在失业风险系统中具有优良的预警效果,其对失业风险综合警情值的预测误差小于3％。相对于景气分析预测法、时间序列分析、灰色预测模型以及回归预测模型等技术,神经网络方法不仅具有良好的预测精度,同时还具备较强的容错能力和泛化能力。因此,在构建我国的失业风险预警系统中,神经网络模型应该是一种被优先考虑的方法。     

基于主成分分析和BP神经网络算法的股权众筹风险评价研究

近年来,随着股权众筹的迅速发展,其在实际运作中风险评估和防范问题引起了人们的关注.基于此,本文首先利用主成分分析的方法构建了股权众筹风险评估指标体系,其次,利用BP神经网络以众投邦平台股权众筹项目为例进行了实证研究.结果显示:众筹风险评估指标体系由审核估值风险、发起人能力风险、项目本身风险、法律风险、经营风险、监管风险及流动性风险等七个指标构成;BP神经网络的方法在股权众筹风险评估方面是可行且有效的.研究结论可为我国股权众筹风险评估和防控及金融风险防控具有重要的理论及现实意义.     

基于改进的BP-LM在中国人口老龄化预测中的应用

由于人口老龄化率的预测具有高度非线性特征，这与BP神经网络能够处理非线性问题的特征相符合，但BP神经网络算法易使解陷入局部极小。基于L-M算法的改进BP神经网络可以有效克服这一问题，而且收敛速度快。通过具体的仿真及实践结果验证了改进BP的有效性，并对未来五年的中国老龄化率进行了预测。     

基于BP神经网络的餐饮企业核心竞争力综合评价

本文构造了餐饮企业核心竞争力的综合评价指标体系,利用神经网络理论的容错特征,通过选取适当的作用函数和数据结构,处理各种非数值性指标,实现对餐饮企业核心竞争力的模糊综合评价。     

BP—阿莫科公司的经营业务及其产品介绍

介绍了重组后的ＢＰ－阿莫科公司在世界各地的业务活动，以及该公司主要产品和技术在世界处于的领先地位。     

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BP人工神经网络的绿色施工模糊综合评价研究

发展绿色施工促进施工企业节约能源和资源、保护环境,是全球应对气候变化挑战、实现可持续发展的重要手段,而绿色施工评价对于建筑业落实可持续发展起到一定作用。本文在介绍BP人工神经网络基本原理的基础之上,分析了与其它评价方法相比,BP人工神经网络在绿色施工评价中的优越性。通过建立模糊评价矩阵,利用BP人工神经网络处理数据,较客观地对绿色施工进行评价。最后将此评价模型应用于实例,取得了令人满意的结果。     

基于BP神经网络的老工业基地企业核心竞争力的综合评价

我国对老工业基地进行调整和改造,作为老工业基地主体的企业,有必要了解自己和其他同行企业的核心竞争力水平和状况。为此,运用AHP法构建了老工业基地企业核心竞争力评价指标的递阶层次结构,应用BP神经网络理论对老工业基地企业核心竞争力进行综合评价。实证研究表明,评价结果与实际基本相符合,从而提供了一条对老工业基地企业核心竞争力进行定量评价的途径。