一种多层前馈网络计量经济建模方法

介绍了4种敏感性分析方法,给出了多层前馈网络计量经济模型正规化灵敏度的解析计算方法,进而利用灵敏度来进行多层前馈网络结构优化.结果表明了对多层前馈网络计量经济模型进行敏感性分析是一种有效识别敏感因素的方法.     

基于MRF模型的多层前馈网络纹理分割方法

提出一种基于马尔柯夫随机场模型和多层前馈神经网络进行纹理分割的方法，利用二阶高斯ＭＲＦ模型对图像纹理进行描述，采用最小平方误差方法进行参数估计，将估计参数作纹理的特征向量，并且利用改进的ＢＰ算法对特征进行分类。对纹理图像进行了实验表明，与常规距离方法相比，采用这种方法进行纹理分割能取得更好的效果。     

多层前馈网络在商品需求量预测中的应用

利用多层前馈网络进行商品需求量预测。采用一种基于相对敏感性指标的修剪算法来进行网络结构设计,该方法进行迭代回溯选择搜索,删除影响较小的节点,降低了网络的结构复杂度,并可以利用一种保持输入输出总体性能近似不变的算法进行调整剩余权重。结果说明此种方法具有较好的效果,不仅满足了误差目标的要求,而且提高了网络的推广能力,相对敏感性指标还可以反映时间序列数据之间的关系。     

多层前馈神经网络的动态规划算法

利用动态规划来训练多层前馈网络，即逐层修改网络的权值。其算法采用有关文献提出的矩阵的广义逆的正交反向传播算法，经有限次迭代即可得到每一层的最优权值。     

基于多层前馈网络的高速公路意外事件侦测及规律

为了建立基于高速公路交通流参数检测的事件救援系统,运用多层前馈网络(MLF),对其关键的意外事件侦测技术及其检测规律进行了研究。确定了事件检测需要选定的模型,描述了检测的基本原理,提出了模型的结构原型并进行了训练和测试;对输入特征中的单侧与双侧输入、多时阶组合及多因素组合特征进行了性能测试,得到了相对具有良好性能的输入特征。同时,给出了不同因素及因素组合与检测效率之间的基本规律。结果表明,给出的模型较California 8#算法性能显著改善,其检测率提高了187%,误检率降低了46%,平均检测时间缩短了73%。     

基于多层前馈神经网络的数据压缩方案

利用多层前馈神经网络的非线性映射能力,通过构造特殊的映射关系,提出了一种较为理想的数据压缩方案．数据压缩比达到7：1．该方案只分析音频、图像等数据信息并进行理想压缩,对其数据格式、内容等不予考虑．通过试验证明了该方案的可行性．     

前馈网络灵敏度：分析及降低算法

在前馈网络中，不同的权值组合可逼近同一映射。网络的灵敏度取决于权值的变化。文中提出了计算网络灵敏度的方法和一种降低网络灵敏度的学习算法。网络的灵敏度分析包括单输出、多输出及输入变化、权值变化等情况。学习算法是在网络训练过程中加入随机噪声。次种学习算法与传统学习算法相比，可降低网络的灵敏度，但学习收敛速度基本相同。     

基于覆盖算法与多层前馈网络的案例库维护

针对运行在电子商务等交互式应用领域中的案例推理系统时,其案例库的规模很容易达到成千上万条且不能削减的特点,提出同时从两方面着手完成案例库维护:一方面用覆盖算法将案例库划分成覆盖领域,实现案例的选择性过滤使用;另一方面应用多层前馈神经网络改进案例匹配,提高检索效率.实验表明,该方法可以用来处理海量的高维数据,保证了系统的可用性.     

一种改进的多层前馈神经网络结构研究

通过将传统多层前馈神经网络结构改造为具有跨层连接的网络,提出了相应的多层前馈神经网络改进算法.通过分析网络误差函数,从理论上证明了:相对于无跨层连接网络,有跨层连接网络能以更加简洁的结构逼近理想状态.最后,用一个隐层神经元解决了传统网络必须用两个隐元才能解决的异或问题.     

基于PID调节的多层前馈网及其应用研究

介绍了多层前馈网的基本算法及其在镦粗压力计算中的应用。针对其基本学习算法（反向误差传播算法，ＢＰ算法）存在的收敛速度慢和易陷入局部最小值的问题，提出了基于ＰＩＤ调节的ＢＰ算法，由此建立起镦粗压力计算的神经网络知识库，经过测试集考核，证明该模型算法正确，能有效地提高模型的判别精度，是一种有效的和有前途的算法。     

基于多层前馈神经网络的互联网行业财务风险预警研究

为了构建一套科学合理、行之有效的财务风险预警机制,及时识别出企业隐藏的财务风险。本文以60家在A股上市的互联网企业为依据,以各企业2016~2018年的数据作为研究样本,选取了包含财务和非财务指标共计27项,构建了初步预警指标体系。通过非参数检验、主因子分析对指标进行优化和降维,将因子得分作为输入变量代入多层前馈神经网络进行训练和检验。检验结果表明：基于多层前馈神经网络的互联网行业财务风险预警模型达到了设计标准,具有较高的准确度和实际应用价值。     

前向神经网络拓扑结构和权值的进化

基于进化规则（Bvolutionary Programmin)的方法，提出一种进化前向神经网络的新算法。该算法能同时进化网络的拓扑结构和连接权值（包括阈值），产生非常紧凑的网络结构，并且由于其全局搜索能力能够避免结构的局部。仿真结果证明了该算法的有效性。     

BP神经网络水华预测模型的敏感性分析

敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01%;气压的上升则不利用于藻类质量浓度的增加;pH值的上升对藻类质量浓度的影响有正有负.     

基于灵敏度分析的供水管网模型多目标校核

运用全局灵敏度分析方法(Sobol’法)对供水管网模型中的管道摩阻进行灵敏度分析,选取灵敏度较大的管道进行参数校核,并以实际给水管网为实例进行自动校核工作.校核结果表明,利用Sobol’法求得管道灵敏度后,只校核灵敏度较高的管段摩阻,减少了决策变量的个数,大大降低了校核时间,运用精英型非支配排序的多目标优化算法(NSGA-Ⅱ算法)进行求解,提高了校核效率,达到了预定的精度要求.     

基于带灵敏度分析人工神经网络实现SVC最优配置

提出了在灵敏度分析法的基础上应用Hopfield模型对具有SVC的系统实现无功补偿优化配置.该方法中还增加了实用电压静稳判据,并在22节点系统上进行了验证.结果表明这一方法是可行的,有效的.可应用于电力系统.     

基于时变特性的多层脑网络拓扑属性分析及脑疾病分类

多层脑功能网络已经广泛应用于疾病的诊断。现有研究大多利用动态功能连接的改变诊断疾病,极少探索多层网络拓扑属性对疾病分类的影响。目前主要通过计算所有单层网络拓扑属性的均值或标准差来表征多层网络拓扑属性,但这忽略了有代表性的特定属性值及拓扑属性整体分布情况的影响。因此,提出基于统计指标的多视角多层脑网络拓扑属性计算方法,综合表示网络的拓扑结构。具体来说,在现有方法的基础上,引入极差、相对极差、离散系数计算多层网络拓扑属性,并用于疾病的分类。结果显示,无论是自闭症还是阿尔兹海默症的诊断,基于相对极差、离散系数视角的分类准确率均显著高于传统方法。这表明,本研究所提出的方法有效提高了疾病的分类效果且具有较好的可扩展性。同时,多视角融合特征获得最好的分类结果。因此,从多个角度表征多层脑网络的拓扑特征,有利于更好地识别精神疾病,从而在临床诊断中具有重要的应用价值。     

前馈神经网络的一个改进的BP学习算法

在文［８］的工作基础上,利用模型逼近度和训练误差函数值相对误差函数梯度向量长度的变化率,给出前馈神经网络的一个自适应学习算法对一具体的分类问题进行计算,结果表明本文算法效果良好,改进了文［８］的算法