基于GA-BP神经网络的巨项目投人评价的改进研究

考虑到巨项目巨大的资源投入量、投入产出的多样性、复杂性和社会性等特点,根据决策"核心三原则"构建适宜的投入产出评价指标体系,通过DEA法对巨项目各投入方案进行初评并筛选出有效的方案,在此基础上运用遗传算法优化的BP神经网络(GA-BP),结合DEA的初评结果对多个有效方案进行二次评价,从而选择最优方案.实证分析表明,此改进的巨项目投入评价模型,能较好地适应巨项目的特征,既保证了投入评价的客观性,又能够实现投入方案的完全排序.     

基于神经网络的管理信息系统综合评价方法

在建立管理信息系统综合评价指标体系的基础上，提出了一种基于BP网络的管理信息系统的综合评价方法，该方法不仅能够模拟专家对管理信息系统进行综合评价，而且避免了评价过程中的人为失误，仿真实验表明采用该方法获得的结果是令人满意的。     

基于遗传算法的BP神经网络时间序列预测模型

神经网络能以任意精度逼近非线性函数 ,以神经网络为基础的时间序列预测模型能很好地反映非线性系统发展的趋势 ,但神经网络训练速度慢、易陷入局部极值。针对这种情况 ,用具有良好的全局搜索能力的遗传算法来改进神经网络时间序列预测模型 ,提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络 ,并将该神经网络时间序列预测模型应用于某时间序列的预测。     

一种基于遗传算法的新型神经网络设计

神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .     

改进的遗传和BP杂交算法及神经网络经济预警系统设计

分析了设计神经网络经济预警系统的一些关键问题,并提出了一种改进的遗传算法,在此基础上,介绍了一种基于这种改进遗传算法和ＢＰ算法的杂交算法神经网络经济预警系统     

基于神经网络的多目标综合评价

本文提出了基于神经网络的多目标综合评价方法。这种方法通过利用神经网络对于以往成功的评价样本的学习, 使得神经网络反映评价指标的偏好, 从而代替评价人进行评价。文章研究了神经网络学习的BP算法, 并分析了某大型水利工程水位方案评价问题。     

基于BP神经网络的企业技术创新效果的模糊综合评价

应用模糊数学中的BP神经网络理论对企业技术创新效果进行综合评价,从而提供了一条对企业技术创新效果进行定量分析的有效新途径.     

高速公路复垦土地适宜性评价的BP神经网络模型

依据人工神经网络原理 ,建立用于高速公路临时用地复垦土地适宜性的神经网络评价模型 ,利用该模型对京大高速公路山西段临时用地复垦进行了适宜性评价 ,同时探讨了人工神经网络在土地复垦适宜性评价中的特点和适用性.     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

基于AHP和BP神经网络的企业R&D人员胜任力评价

为了对企业R&D人员的胜任力进行评价,采用行为事件访谈法构建了R&D人员胜任力模型,并对各项胜任力指标的内涵作了诠释;利用层次分析法确定了各个层次胜任力指标的权重,给出了R&D人员胜任力评分;设计了R&D人员胜任力评价的BP神经网络模型,并将层次分析法得出的结果作为样本,对BP网络进行了训练和测试.研究结果表明,基于AHP和BP神经网络的企业R&D人员胜任力评价是可行的.     

基于神经网络的模糊综合评价方法

运用神经网络确定模糊综合评价中的权重值,使权重值更符合实际情况。采用改进的反向传播算法训练网络,逐步修正网络的连接权值,使模糊综合评价指标的权重值逐渐接近实际情况,得到较好的训练效率和效果。最后利用该方法对液压凿岩机进行性能评价,验证了该方法的正确性。     

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。     

一种神经网络非线性噪声消除方法

针对阶数的增加,Volterra滤波器的滤波系数个数呈几何级数增长,实现困难的问题,提出采用基于Levenberg-Marquardt(LM)算法的BP神经网络逼近Volterra滤波器,实现神经网络非线性滤波,使计算简化。采用的方法是,先离线调整Volterra滤波器的系数,再用调整好的Volterra滤波器监督训练LM-BP神经网络,然后用训练好的LM-BP神经网络进行非线性自适应滤波。仿真实验结果表明,LM-BP神经网络滤波器较其学习导师———Volterra滤波器具有更好的噪声滤除效果。     

基于免疫算法的前向神经网络学习方法

提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。     

混合递阶遗传算法优化小波神经网络的研究

在研究小波神经网络结构及其学习算法的基础上,提出了一种以混合递阶遗传算法优化小波神经网络的新方法,混合递阶遗传算法是递阶遗传算法和多元线性回归的结合。此方法可同时优化小波神经网络的结构及其参数,具有学习速度快,精度高的特点。并与传统的BP算法进行了对比,证明了本算法的有效性。     

Fuzzy neural network image filter based on GA

A new nonlinear image filter using fuzzy neural network based on genetic algorithm is proposed. The learning of network parameters is performed by genetic algorithm with the efficient binary encoding scheme. In the following, fuzzy reasoning embedded in the network aims at restoring noisy pixels without degrading the quality of fine details. It is shown by experiments that the filter is very effective in removing impulse noise and significantly outperforms conventional filters.     

基于模糊神经网络的复杂产品研发决策评估

针对复杂产品研发决策评估系统的多维性、时变性特点,参照经典系统辨识的多输入、多输出模型结构原理,提出一种适用于复杂产品研发决策过程支持系统模型化、数字化、自动化、规范化而又具有实时性的多个并行时变模糊神经网络组合算法系统。通过对300组某系统研发过程实际获取与研讨结果数据组的应用实验证明,此种模型结构与算法切实可行,便于计算机实现。     

改进粒子群算法优化 BP 神经网络的短时交通流预测

为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.     

基于神经网络的异常入侵检测系统

针对神经网络检测器本身的网络结构和算法进行改造可获得好的性能,但无法从根本上解决误报率和漏报率等问题,通过对程序行为的深入研究,对程序行为进行动态建模,提出了一个应用BP神经网络检测器针对程序行为异常的入侵检测模型,从而更准确地发现程序行为的异常。通过Apache服务器为例论证其可行性。