一种新型复合神经网络模型

本文首先详细地阐述了ＢＰ神经网络和ＣＭＡＣ神经网络各自的结构，原理以及算法。提出了一种ＢＰ神经网络与ＣＭＡＣ神经网络组合起来的新型复合神经网络模型，并利用误差逆向传播原理推导出复合网络的学习法。仿真实验结果表明，这种复合神经网络在保留了ＢＰ和ＣＭＡＣ各自特长的基础上，同时具有学习速度快，泛化能力强等特点     

改进的标准模糊神经网络的工程造价快速估算

在对影响建筑工程造价因素分析和标准模糊神经网络结构分析的基础上,通过增加输入层与模糊层之间的权值v,加入规则的重要度γ,对标准模糊神经网络进行了改进,并建立基于改进的标准模糊神经网络的工程造价快速估算模型。将基于这种结构的模糊神经网络的工程造价快速估算模型应用于建筑工程的投标报价中,从仿真结果可以看出该网络模型学习时间较短,学习速率较快,精度较高。     

汽油机动力性的前馈神经网络模型

如何优化汽油机的动力性 ,是研究者致力追求的目标。利用多层前馈神经网络的反向传播算法特性 ,建立了汽油机动力性与点火正时、空燃比、发动机转速、油门开度等之间关系的神经网络模型 ,用以分析、预测、优化汽油机动力性能 ,探讨车用汽油机动力性的科学评价指标     

基于模糊预测的工程造价估算模型研究

在工程项目建设的历史资料和设计资料基础上，通过对工程特征因素的模糊评价，充分利用其特征信息，建立了造价估算模型。实例分析表明该方法是可行的，估算结果是可靠的.     

基于模糊聚类的BP神经网络模型研究及应用

在神经网络的应用过程中,经常遇到样本太多问题,采用模糊聚类分析,科学选取学习样本,使少量的学习样本本身包含全部样本的特性,很好地解决了由于样本多学习速度慢的问题,并提出了训练结果检验方法.此方法可以作为神经网络应用的一个拓展.     

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.     

BP神经网络模型在地下水水质评价中的应用

运用人工神经网络理论和方法 ,建立了地下水水质评价的 BP神经网络模型 ,对肥城市 6眼水井的地下水水质进行了评价 ,并与综合指数法、模糊综合评判法的评价结果进行了比较 .结果表明 ,用 BP神经网络模型评价地下水水质是可行的 ,该模型具有很强的的学习、联想和容错功能 ,其分析结果和过程都接近人脑的思维过程和分析方法 ,使得地下水水质评价结果的精度大大提高 .     

基于RBF&BP神经网络的R&D绩效隐患预警与控制模型

针对线性PCA无法提取R&D绩效系统中重要的非线性绩效隐患信息的弊端,首先运用RBF网络实现R&D绩效警兆指标变量非线性主元(警情指标变量)的识别,并通过Q统计和SPE贡献图法实现R&D绩效隐患的分离和预警.然后运用Dephi专家评判法校正警情指标得分,并构建BP神经网络获得企业在没有绩效隐患情况下应该达到的警兆指标基准得分,从而发现偏差,采取有针对性的控制措施防患于未然.实证研究表明,该套模型与方法可以克服线性PCA在提取绩效警兆信息(观测变量)的非线性特征方面存在的不足,并能够较为准确地实现R&D绩效隐患的分离、预警和控制.     

基于BP神经网络的上市公司财务预警模型

为了进行企业财务危机预警方法精度的比较研究,采用BP人工神经网络工具,以120家上市公司的截面财务指标作为建模样本,并使用同期60家公司作为检验样本建立了财务危机预警模型.经过对样本的反复训练和学习,分别取得了建模样本90.8%和检验样本90%的判正率.与我们采用主成分分析法建立的模型对同一建模样本和检验样本的预测精度分别是90%和81.7%相比有很大的提高.研究结果表明:BP神经网络是一种非线性映射模式,在指标间相关度较高、呈非线性变化,或数据缺漏不全等情况下仍可得到比较满意的结果,因此是一种比较理想的预测方法,具有广泛的适用范围和较高的推广价值.     

煤气管道服役期预估神经网络模型的建立与应用

神经网络模型具备的针对大量无规则数据自学习的能力,适于解决城镇煤气管道布局复杂、影响因素众多、服役期限难以计算的问题。基于BP神经网络算法建立的煤气管道年限模型,经过训练对比,选择了最优的BP网络模型,结合共轭梯度法,改进了该算法收敛慢、易出现震荡的问题,实现了对城镇管道漏损的定量分析,结合某市煤气管道漏损的实际案例验证其可行性,满足预估管道服役期限的工程要求。     

基于模糊神经网络的实时路段行程时间估计

基于对我国城市交通流的物性分析 ,提出了一种基于模糊神经网络的实时路段行程时间估计模型 ,用于将来自于交通控制中心的实时交通数据转换成为能够反映路段实时运行状况的直观参数 :路段行程时间 ,从而为交通流诱导服务 .这种方法用具有更高智能的神经网络实现了对抽象模糊规则的自动纠错的记忆 ,符合人类认识的模式 ,能令人满意地表达经验知识 ,而且模糊输入输出关系具有了明确的表达能力 .     

基于神经网络威胁判断模型

将神经网络理论应用于防空指挥控制系统中 ,研究了威胁判断模型 ,实例表明该方法是可行的 .     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

基于相空间重构的RBF江水浊度预报研究

针对江水浊度序列非线性非平稳的特点,提出基于相空间重构的径向基函数(RBF)神经网络江水浊度预报法.利用虚假邻域法确定最小嵌入维数,根据互信息法计算最佳延迟时间;根据取得的嵌入维数和延迟时间对江水浊度时间序列进行相空间重构;利用重构相空间后的时间阵列,用RBF神经网络建立预报模型;利用该模型对江水浊度进行预报.最后通过仿真,证明基于相空间重构的RBF神经网络预报优于SISO-RBF神经网络预报和BP神经网络预报.     

基于BP神经网络的路径行程时间实时预测模型

行程时间预测是交通流诱导系统研究的一项重要内容．在分析各种行程时间预测方法的基础上,本文建立了基于ＢＰ神经网络的行程时间实时预测模型,编制了行程时间预测软件系统．利用长春市的交通实测数据对行程时间进行了预测     

基于模糊神经网络模型对射手的评价

在图像制导导弹中,射手经常参与识别、捕获目标以及控制导弹跟踪、攻击目标.为评价一个射手,通过增加输入和输出论域的模糊子集数,对普通的射手模糊神经网络模型进行了改进.基于改进的射手模糊神经网络模型,提出了两种评价射手的方法.仿真结果表明:两种方法都能够有效地比较和评价射手,为选择和训练射手提供了依据.     

基于RF-GA-BP神经网络的N-乙酰氨基葡萄糖含量预测

为解决微生物发酵法制取氨基葡萄糖(Glucosamine,GlcN)过程中N-乙酰氨基葡萄糖(N-acetylglucosamine,GlcNAc)含量难以在线测量的问题。提出一种由随机森林算法、遗传算法及神经网络算法相结合的改进预测算法。利用随机森林算法中平均不纯度下降的特点,对输入特征进行关联性分析,并通过遗传算法对神经网络初始权值、阈值进行优化。以某氨糖生产企业发酵过程中的数据为基础,建立基于RF-GA-BP算法的预测模型。结果表明：该模型对发酵生产过程中N-乙酰氨基葡萄糖含量具有良好的预测能力,所提出的模型兼顾了高精度与快收敛的需求,测试样本预测平均误差低于7%,优于GA-BP模型与传统BP模型。     

时间序列的小波神经网络预测模型的研究

针对非线性时间序列,建立了小波神经网络预测模型,通过计算小波分解和小波级数,达到最优的逼近效果．经实例验证,该方法能有效地提高预测精度,避免了人工神经网络模型的固有缺陷.