基于BP神经网络模型的客户消费行为分析

从消费者庞大的消费数据发掘出客户消费偏好、消费结构等各种有价值的信息，不仅有利于企业分析客户的消费行为，组织生产；而且有利于企业实现个性化的理念。本文介绍了一种基于客户消费行为的分析算法，提出了一种把满意度，忠诚度等客户消费行为因素与BP神经网络算法相结合的思想，利用知识库的决策支持，实现了对不同评价度的客户提供不同的服务方集。     

基于BP神经网络模型的客户消费行为分析

从消费者庞大的消费数据发掘出客户消费偏好、消费结构等各种有价值的信息。不仅有利于企业分析客户的消费行为，组织生产，而且有利于企业实现个性他的理念。本文介绍了一种蔫干客户消费行为的分析算法，提出了一种把满意度，忠诚度等客户消费行为因素与BP神经网络算法相结合的思想，利用知识库的决策支持，实现了对不同评价度的客户提供不同的服务方案。     

用线性方法分析OINN中的隐节点数

以分析输出ＯＩＮＮ为基础，提出了分析前向神经网络隐节点数的线性方法，这种方法得出的隐节点数虽然只是充分条件，不是必要条件，但是得到的结果大大减少了网络不必要的隐节数。     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

基于隐马尔科夫模型的网络安全风险评估方法

为了能实时准确地评估网络安全风险,提出一种基于隐马尔科夫模型的网络安全风险评估方法。该方法基于隐马尔科夫模型对目标网络进行建模,通过节点的直接风险和相关性引起的间接风险来量化节点的安全风险;考虑节点在网络中的重要性程度,结合节点安全风险,量化目标网络的整体安全风险。通过实验对所提方法进行验证。实验结果表明：该方法能够对由节点相关性和节点重要性程度所带来的网络安全风险进行量化,使得网络安全风险评估结果更加准确、可信。与传统的网络安全风险评估方法相比,该方法能够更加及时地发现网络中的异常风险变化情况,为网络安全防御策略的及时调整提供依据。     

BP机网络模型

文章提出了一种利用人工神经元网络方法-BP机网络实现设计并训练一个印刷字符分类器，程序采用MATLAB5.3实现。     

人工神经网络之BP模型算法实现

BP网络模型误差反向传播算法,有效的解决了权值调整问题,也是至今为止应用最广泛的神经网络。因此,本文介绍了BP的网络模型算法理论,并通过C#语言对该算法进行实现,可根据不同样本数据建立相应的BP模型,本研究具有一定的实用价值。     

隐式路由协议的一种转发节点快速选择算法

文章针对已有隐式路由协议转发节点选择算法效率不高的缺点,提出了一种转发节点快速选择算法。该算法不仅从整体上考虑一条路径上节点的剩余能量,而且还考虑了节点的可选下一个转发节点的数目。仿真实验结果表明,该算法有效地平衡了网络能量,能够快速地选择转发节点,减小了信息传输中的延时,从而延长了整个网络的生命周期。     

量化子空间分布隐马尔可夫模型

提出了量化子空间分布隐马尔可夫模型(QSDHMM)。该模型可由连续分布隐马尔可夫模型(CDHMM)导出，方法是先将CDHMM的高斯分布投影到K个子空间，然后将每个子空间高斯分布聚类成一个数目较小的“高斯分布原型”。用这些“高斯分布原型”可以表示出声学模型的状态分布，理论分析和仿真实验表明，对于大词表连续语音识别系统，与CDHMM相比较，QSDHMM可以压缩模型参数18倍，从而节省系统存储空间，但精度无明显降低。     

基于Tobit—BP网络组合测评模型

本文针对已婚妇女工作时间的预测问题,提出先用Tobit（审查回归）模型对影响因子进行评价和优化筛检,再利用神经网络对已婚妇女工作时间进行预测,结果表明：该方法不但提高了预测的准确性而且兼顾了预测的效率,具有一定的实用价值．     

基于BP神经网络的工程造价估算模型研究

根据神经网络原理和工程造价估算的特点,通过研究工程造价的构成,建立了工程造价估算模型.从模型调试和测试结果来看,经测算其精度基本可以满足实际工程投资估算的需要,模型具有较好的应用价值.     

改进的反向传播学习算法

采用了激励函数可调的多层神经网络，并对BP算法进行了改进。     

基于灰色前馈神经网络的流行色预测

提出结合灰色理论和前馈神经网络的流行色预测模型GLMBPNN(Gray Levenberg-Marquardt Back Propagation Neural Network),并利用Levenberg-Marquardt算法提高传统BP(Back Propagation)神经网络模型的学习速率.运用灰色理论学习历史数据的变化规律,对数据进行灰化处理,再对比目标值与BP网络的初始输出值,不断进行逆向反馈修正,训练完毕后通过仿真、白化处理得出流行色预测值.研究表明,GLMBPNN模型预测所得的流行值比灰色模型方法所得值的精度高,且比传统BP神经网络的收敛速度快.     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

MIMD机器上流水化BP算法的实现

神经网络训练过程中的高昂计算代价是有待克服的一个主要困难。作者把前馈多层神经网络的相继各层看做流水线的相继步骤，从而提出了一个在ＭＩＭＤ机器上实现的并行ＢＰ算法来提高误差反传递算法的效率。文章的最后，对ＢＰ算法的并行实现进行了分析，理论分析结果显示，多种神经网络结构都可有效地并行化。     

汽轮机在线性能分析BP神经网络模型

为了提高汽轮机在线性能分析系统的健壮性、精确性和抗干扰能力，对BP网络算法进行拓展，增强其网络功能。使之能够分析网络输入参数偏差对输出参数的影响，建立了一种新的汽机在线性能分析模型．与常规在线分析模型相比，该模型只需常规模型输入参数个数的1/5，大大减小了测量设备损坏对在线系统的影响；而且该模型分析结果精确、可靠，测定的热耗结果与常规分析结果误差不超过1％．另外，该模型容错性能良好，参数在2％内波动对分析结果无太大影响．     

语音识别中HMM与自组织神经网络结合的混合模型

基于隐马尔可夫模型和自组织神经网络模型提出了一种用于语音识别的混合模型,给出了训练调整权向量的算法,实验结果表明其在语音识别中具有很好的性能·     

基于BP神经网络的船舶号灯识别模型与仿真

建立基于误差反传神经网络的船舶号灯智能识别模型,在众多的号灯识别参数中进行优化分析,确定了能见度、号灯亮度、背景亮度和眩光4个重要输入参数;利用这4个参数,基于误差反传神经网络对船舶号灯的可识别性进行建模和仿真,比较利用Levenberg-Marquart(L-M)、动量梯度下降、变学习率动量梯度下降和弹性反向传播等学习算法建立的误差反传神经网络模型,并确定L-M算法具有最优结果.通过号灯识别的仿真结果表明,识别结果与航海专家评估的结果一致.本模型实现了复杂光环境下船舶号灯可识别性的预报和影响因素分析,对保障船舶的夜航安全有着重要意义.     

基于BP神经网络的公路风吹雪雪深预测模型

公路风吹雪雪深预测作为国际雪冰学领域的研究热点和难点问题一直未能很好解决.以白茫雪山防雪走廊段安装的自动气象站和当地气象局提供的气象资料为基础,提取了对公路风吹雪雪深有影响的4种因素(降雪量、大气温度、风速和湿度)的指标值,建立了基于BP(back propagation)神经网络的公路风吹雪雪深预测模型.对研究区5次降雪过程中所记录的199组数据进行训练学习,用20组数据来验证建立的模型,验证结果表明20h累计雪深预测值的误差在10%以内,85%的雪深预测值误差在20%以内,因此所建立的模型具有很强的泛化能力和较高的精度.并对降雪量、大气温度、风速和湿度这4个因素进行了敏感性分析,表明雪深与降雪量成正比,与其他3个因素成反比,其中降雪量对雪深的影响最大,风速次之,湿度最小.