基于神经网络的装备维修保障系统效能评估

在系统分析装备维修保障系统效能各影响要素的基础上,构建了维修保障系统效能评估指标体系．应用BP神经网络的理论和方法,建立了维修保障系统效能评估的神经网络模型;给出了应用特尔菲法与模糊层次分析法相结合确定各指标权重而构造神经网络训练样本的方法。最后进行了实例分析,结果表明该模型可较好地克服人为因素和模糊随机性的影响,具有很高的可信度。     

基于ADC-BP模型的对地攻击无人机自主作战效能评估

为紧贴实战背景进行对地攻击无人机自主作战效能，提出一种改进ADC模型的效能评估方法。首先，在传统ADC模型的基础上，引入战场环境因素、人为干扰因素，并基于遗传算法优化BP神经网络，重构传统作战能力评估模型，构建基于ADC-BP的自主作战效能评估模型；其次，基于无人机作战任务特点，拓展并归纳影响效能的关键能力指标，构建与作战全过程相适应的评估指标体系；最后，以对地攻击无人机执行压制防空任务为例进行效能评估，结果验证了ADC-BP评估模型的合理性和实用性。     

基于粒子群和布谷鸟搜索的BP神经网络优化方法研究

针对BP神经网络初始化敏感性高、易陷入局部最小值的问题,研究基于粒子群优化和布谷鸟搜索融合的BP神经网络优化方法,提出一种分层的融合优化模型MB-PSO-CS-BP。该方法在下层使用Mini-Batch算法将粒子群分割为小种群,利用粒子群优化算法进行局部搜索;在此基础上采用布谷鸟搜索算法进行全局搜索,从而减小BP神经网络初始化的敏感性,减缓其陷入局部最优的症状。在实际应用领域的数据集上对所提出算法进行实验验证。相较于一般的PSO-BP模型与CS-BP模型,所提出的MB-PSO-CS-BP融合模型在全局最优值、均方误差等多个评估指标上有所改进,进一步提升了利用BP神经网络进行预测的准确性与稳定性。     

RBF模糊神经网络在舰载C3I系统效能评估中的应用

针对舰载C3I系统指标体系效能评估中存在的影响因素多、因素之间关系不明确和数据量庞大等问题,提出了一种径向基函数神经网络和模糊推理规则相结合的效能评估方法,分析并建立了基于RBF模糊神经网络学习算法的舰载C3I系统作战效能评估模型。利用400组指标权值数据对RBF模糊神经网络进行训练和测试,验证了该模型的有效性和可行性。在此基础之上,对选取的13组作战效能一级指标权值数据进行3次仿真实验。结果表明,该方法能够判定舰载C3I系统作战效能指标权值是否合理分配,为舰载C3I系统的作战效能评估方法提供了一种新的途径,也为决策者根据战场态势进行动态决策提供有效的量化验证。     

基于熵权-离差的GA-BP神经网络编程能力评估方法

针对在线评测系统中缺少对学习者编程能力的客观反馈和评估指标权重难以确定的问题,建立遗传算法(genetic al-gorithm,GA)优化反向传播(back propagation,BP)(GA-BP)神经网络的编程能力评估模型.通过对在线评测系统的数据进行挖掘,提取编程能力评估指标,采用双参数平衡熵权法和离差最大化法的客观组合赋权方法确定指标权重以及编程能力评估值,将评估值作为GA-BP神经网络的期望输出,并与单一BP神经网络确定的编程能力评估结果进行比较.研究结果表明,利用该模型能够实现对学习者编程能力的评估且评估结果更准确.     

基于神经网络的医院绩效研究

在国内外绩效考核评估理论的基础上,结合中国医院管理的现状,建立了医院绩效综合指标评价体系,构造了医院绩效评价的BP神经网络模型,最后以JC医院为例,对其绩效进行评价。仿真结果表明利用BP神经网络进行医院绩效评价具有可行性和有效性。     

基于BP神经网络的工业用户能效评估

为了弥补现有工业用户能效评估模型及算法存在的不足,按照相关标准规范并兼顾实际可操作性,构建了工业用户能效评估指标体系,建立起基于BP神经网络的工业用户能效评估模型。通过25组数据完成了BP神经网络的训练,获得了达到设定误差的BP神经网络,最后运用5组测试数据验证了该模型的可靠性。测试结果表明:测试数据通过BP神经网络模型得到的评分和采用其它评估方法得到的评分基本吻合,选取的评价指标具有有效性,该评估模型能够有效的对工业用户的能效水平进行评估。     

胰岛素评价模型与算法设计

为了建立胰岛素评价模型,提出了一种基于BP(back propagation)神经网络的方法研究了胰岛素评价模型。首先使用含有2型糖尿病患者样本以及正常糖耐量的样本共100例作为研究数据,其次搭建BP神经网络模型,将样本的生理参数输入该网络进行训练,从而获得胰岛素β细胞功能指数与胰岛素抵抗指数,最后对胰岛素β细胞功能指数与胰岛素抵抗指数进行预测。实验结果表明,基于BP神经网络的人体胰岛素评价模型得到胰岛素评价指标的预测值与真值有较好的相关性,其中胰岛β细胞功能指数相关性达到近90%,可见该模型能很好地评价胰岛素分泌情况。     

BP神经网络在多弹种多重反导效能评估中的应用

通过对多弹种多重反导武器系统的分析,建立其反导效能指标体系。把神经网络运用到某型反导武器系统效能评估中,得到了基于BP神经网络的评估模型。通过实例分析计算,验证了模型的正确性。为此类反导武器系统的预研提供了一定的参考依据。     

基于熵权-BP神经网络的涉农类上市企业融资风险预警研究

针对涉农类上市企业的融资风险预警问题,首先从企业的资金流融入以及融出两个层面构建了含有15个指标的融资风险预警指标体系;然后收集了24家涉农类上市企业2017年的相关指标数据,并利用熵权法确定各指标层的权重值,结合指标数据计算得到24家上市企业的融资风险预警指数RWI值,即为BP神经网络的输出层;最后通过BP神经网络工具箱建立涉农类上市企业的融资风险预警模型,并进行了神经网络训练以及仿真预测。结果发现,所建立的BP神经网络融资风险预警模型对涉农类上市企业的融资风险预警具有较好的适用性,对企业的融资风险预测与控制具有实践意义。     

基于BP神经网络的通信装备效能评估方案优化

本文介绍了装备效能的基本概念以及通信装备效能的几种经典评估方法,对神经网络的原理进行简单阐述,提出了用BP神经网络的评估方法来对通信装备效能方案进行科学预测,实验结果表明,神经网络的方法能够有效地根据通信装备的八个因素对装备效能方案作出优化评估,进而选出效能最佳方案。     

基于BP神经网络的用频效能评估研究

现代条件下电磁环境日益复杂,如何有效的对用频效能进行评估成为了现代研究的热门话题。本文结合用频效能评估的特点,研究了基于BP神经网络的用频效能评估方法。     

基于主成分分析和BP神经网络的网约车 服务质量评价

为客观、科学评价网约车服务质量,从顾客满意度角度出发,通过分析网约车服务过程,建立网约车服务质量评价指标体系;为消除指标间的相关性,利用主成分分析法提取累计贡献率超过85%的主成分作为BP神经网络模型输入;通过分析BP神经网络模型的原理构建具体BP神经网络拓扑结构;以网约车乘客满意度调研问卷为数据基础,对BP神经网络模型进行训练、仿真,并与传统BP神经网络模型及SERVQUAL模型评价结果进行对比.结果表明:本文构建模型收敛效率高、评价误差小,能够反映网约车服务质量的水平,可以为评价网约车服务质量提供有效理论支撑.     

熵在空气质量指数(AQI)预测中的应用

为了更准确地找出影响空气质量指数的气象因子与提高其预测精度,提出了基于熵、BP神经网络和时间序列模型的组合预测模型。该方法利用增加了特征变量的转移熵方法,得到影响AQI的气象因子及其影响度,将得到的气象因子与AQI实测值作为BP神经网络的输入因子和时间序列分析模型的特征因子,影响度作为BP神经网络输入因子的初始权重,构建BP神经网络预测模型和时间序列分析预测模型,最后用熵值法组合各个预测模型的预测结果。实验表明利用该方法对空气质量指数进行预测可提高其预测精度。     

基于BP神经网络的田间杂草识别技术研究

设计了一种以田间除草指标体系作为神经网络的输入,以田间除草等级作为输出的田间除草综合评价模型;以田间除草指标的各级评价标准作为模型的训练样本和检验样本,设计了一种神经网络算法,利用Matlab软件对BP神经网络进行训练和检验.结果表明:BP神经网络对检验样本的模拟输出和期望输出是一致的;BP神经网络人工智能技术应用到田间除草,具有运算速度快、精度高,过程方便简捷的优点.     

基于遗传优化BP神经网络的员工绩效评估实证研究

首先介绍了基于BP神经网络的单位员工绩效评估模型,再通过遗传算法对BP神经网络的参数进行优化,提高了BP神经网络算法进行绩效评估的精度和效率。最后通过实证分析证明了此算法在单位员工绩效评估中的可行性和有效性。     

高速公路小修保养工程量的预测模型

为了科学合理地预测高速公路小修保养工程数量,分析了影响高速公路小修保养工程量的主要因素,提出了基于Matlab的BP神经网络高速公路小修保养工程量预测方法;以沥青路面年小修保养工程量历史统计数据为样本,将路面质量等级评分值、路面使用性能指数、年均日交通量、年均日重车量、计算使用年限、年均降雨量、年平均温差、路面厚度、路面宽度确定为影响沥青路面小修保养工程量的量化指标,建立了预测沥青路面小修保养工程量的多元非线性模型;以调研路段沥青路面实际破损维修数量为样本,分别用BP神经网络模型和多元线性回归模型进行预测分析。研究结果表明：将预测结果与实际维修量数据进行比较,BP神经网络模型预测误差为5%,多元线性回归模型预测误差为14%,说明BP神经网络模型是预测高速公路沥青路面小修保养工程量的一种较为合理可行的方法。     

基于BP神经网络的高校毕业生专业对口性评估

BP神经网络是目前应用最为广泛的网络模型，本身具有良好的学习性能和预测功能。本文将BP神经网络引入对高校各专业毕业生在校所学专业和毕业后从事职业的对口性所进行的评估中，以提高各高校教育资源的使用效能，同时有助于各学生重新审视其所学专业。     

基于IDNPSO-BP神经网络的股票市场指数预测

针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.     

BP神经网络在地基土压缩指数预测中的应用

为了寻求基于多个常规物理参数间接得到土变形参数的途径,根据几个实际工程中的土工试验数据,利用BP神经网络方法对土压缩指数进行预测。选取土塑性指数、含水量、孔隙比、密度这4个常规物理参数作为影响土压缩指数的主要因素,得出土压缩指数的BP神经网络预测模型。结果表明:训练BP神经网络时,49组自变量数据中土压缩指数的BP神经网络拟合值与实测值的相对误差为-3.5139380%~1.5704225%,相对误差绝对值的平均值为0.91548%;10组自变量数据中土压缩指数的BP神经网络预测值与实测值的相对误差为-1.8055210%~6.0124173%,相对误差绝对值的平均值为3.32940%。可见,本文建立的基于4个物理参数的土压缩指数BP神经网络预测模型是可行的。