基于BP神经网络方法的财务预警模型研究

本文通过BP神经网络方法来建立我国上市公司财务失败的预警模型,该模型对检验样本的预测正确率为85%,实证研究表明,该模型具有较好的预测效果。     

基于BP神经网络的CVC冷连轧机板形预测控制模型

将ＢＰ神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于ＢＰ神经网络的板形预测控制数学模型,经用宝钢１４２０ｍｍ冷轧实测数据仿真验证表明该模型具有很高的预测精度。     

过程质量控制的BP神经网络诊断方法研究

利用BP神经网络建立了过程质量控制图模式诊断模型，并采用单因素法优化了模型参数．仿真结果表明，神经网络能有效识别控制图模式类型，具有较高的识别率，模型符合过程质量智能诊断的基本要求．     

基于BP神经网络的葡萄酒质量评价

在日常生活中,如何判定葡萄酒的质量,以及葡萄酒的理化指标是否能反映葡萄酒质量,对于特定人群,如由于应酬接待而对葡萄酒有较高需求量的人群,有较高的实用性.该文主要采用了BP神经网络的方法,对研究葡萄酒理化指标与萄萄酒质量之间相互关系的问题进行了深入探讨,得出如下结论:采用神经网络模型,能实现根据理化指标对酒的质量进行预测.     

基于BP神经网络的纺纱质量预报模型

简述了纺纱质量预报的理论与实际意义，应用了BP神经网络的标准算法。通过建立BP神经网络模型对细纱条干不匀率(CV）断裂强力(BS)与纺纱断头率(ED)进行预报，并与多元线性回归方法进行比较，验证了BP神经网络预报的准确性与高效性。最后以纺纱断头率(ED)预报为例，指出了今后神经网络在纺纱质量预报应用中亟待解决的问题。     

基于BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。     

基于BP神经网络的商品库存控制模型

为克服传统商品库存成本过大和消费者满意度过低的弊端,采用BP神经网络方法,以超市一段时间内的销售记录为样本数据,分析BP神经网络库存控制模型的训练过程,并验证BP神经网络的自适应能力、容错能力以及处理非线性关系的能力,保证库存预测的准确性,最终提出基于BP神经网络算法的商品库存控制模型.研究结果表明:该控制模型能够准确高效控制超市商品库存,可以为合理控制库存提供决策支持,有效提高库存控制的效率.     

基于BP神经网络的非线性广义预测控制

广义预测控制在理论上已经有了很深的研究,并在工业控制中获得了应用,但广义预测控制存在着模型失配和系统不确定等缺陷.为克服上述缺陷,本文提出基于BP神经网络建立一个对象模型,用修正的误差预测值对输出预测值进行补偿,从而实现对被控对象的预测控制.通过Matlab仿真,表明神经网络预测控制对非线性系统具有较好的控制效果.     

基于BP神经网络的皮肤病诊断方法

自动诊断系统是当前人工智能研究中的一个重要课题,有着十分广泛的应用前景。本文提出了基于BP神经网络的皮肤病诊断方法,讨论了网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值的初值选取问题。对366名皮肤病患者的数据做了自动诊断识别实验,实验结果表明,文中所设计的神经网络诊断方法比常用的最近邻方法更有效地降低了诊断错误率。     

遗传算法优化BP神经网络的专家自动诊断模型

随着计算机信息化和人工智能的发展迅速,专家自动诊断疾病系统成为各界关注的焦点。卵巢癌是严重威胁妇女健康的恶性肿瘤之一,而且目前无有效的筛选方法和特异的诊断方法。BP人工神经网络因其具有分布式信息存储方式、自适应能力、强大的容错性和非线性处理能力,能有效地对疾病进行筛查和诊断。该文采用遗传算法来优化改进BP算法得到GA-BP算法,通过遗传和变异操作对BP神经网络的初始权值和阈值进行优化,不断更新选择,使得网络的系统总误差趋于最小,构建出卵巢癌诊断模型。采用Matlab2013、VC++编程和统计软件SPSS.18等工具来实现专家自动诊断的人工智能模型,并通过计算机仿真和预测进行检验。     

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.     

基于BP神经网络的课堂教学质量评价系统

课堂教学质量在很大程度上决定了学校的教育质量,其评价体系的构建成为教学督导工作的重要环节。本文将BP神经网络用于课堂教学质量评价中,以重庆工商大学的教学督导专家评教情况为例,构建了课堂教学质量评价模型。通过MATLAB仿真,结果表明该评价模型可以克服人为的主观因素,并且得到满意的评价结果。为学校构建科学合理的内部质量保障体系提供了一种新方法。     

基于优化BP神经网络算法的网络质量评价

针对现有的BP神经网络算法,提出了在变步长BP神经网络算法基础上的优化方案,并将其应用于网络质量评价当中.在优化方案中,对步长的上升和下降阶段分别采用不同策略进行优化.理论分析表明:优化后的算法能够克服传统算法权值收敛过慢,和变步长算法误差收敛中的震荡问题.仿真表明,优化后的算法会使神经网络的学习误差和网络质量分类的总体误差明显下降并大幅提高评价的准确性.优化算法较传统算法相比误差收敛过程更加稳定,且学习误差下降达9.64％,网络质量分类的总体误差下降达23.1％；优化算法的验证准确率在传统算法的基础上提高了19.65％,在变步长算法的基础上提高了9.88％.由此可见,优化算法在BP神经网络的预测精度方面起到了大幅度提高的作用.     

基于BP神经网络的玻璃瓶裂纹检测模型

阐述了BP神经网络的基本原理，介绍了一种直接估算最佳隐含层节点数的方法。针对普通的玻璃瓶裂纹检测算法存在的问题，提出了一种基于BP神经网络的玻璃瓶裂纹检测模型。实验表明，该模型的检测效果与普通算法相比有了明显的提高。     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.     

基于BP神经网络的电离层频高图F层参数自动度量方法

为了改进传统的电离层频高图手动度量方法,提出了基于BP神经网络的数字频高图F层自动度量方法,该方法首先采用阈值去噪、多次回波和泄漏去除,并使用A45方法将频高图转换成单元点;然后采用BP神经网络的自适应训练拟合单元点图获取O波和X波F层描迹;最后根据描迹斜率变化寻找F1和F2层的分界点以及采用曲线拟合技术补偿F2层临界频率区域完成参数判读.该技术应用于中南民族大学新研制的数字测高仪测量的频高图自动度量中,获得了初步结果,度量的foF2和h'F2准确率分别达到81%和78%,结果表明:该方法具有较好的可靠性.     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

基于BP神经网络的彩色光弹性等色线自动定级法

把人工神经网络与光学彩色信息图像处理技术相结合，根据计算机的特点，选取红绿蓝（RGB）颜色模型，通过BP神经网络建立图像中像素点的RGB值与条纹级数F之间的非线性关系，对彩色光弹性条纹进行了插值，从而实现了等色线条纹的自动定级，用对径受压圆盘问题的理论精确解来检验，表明本方法与传统的分数级条纹补偿法相比，不仅可以实现条纹定级技术的自动化，而且精度较高，对提高三维结构光弹性模型切片的等色线测量精度有实用价值。