面向用户设计的产品造型方法

针对产品造型在产品市场竞争中的重要作用,提出了一种面向用户的产品造型设计新方法。采用试验方法研究了产品造型、色彩样本和产品形象间的关系,给出了面向用户的产品造型设计的步骤,讨论了各设计过程的理论及其应用,建立了评估产品形象的神经网络模型,给出了最后的优化组合。     

基于感性工学和神经网络的产品造型设计

针对当前产品设计中对情感意象需求的提高,建构能及时反映用户情感意象评估的产品造型设计系统.分析产品的形态要素和识别产品的感性意象认知;通过语义差分法的调查结果训练BP神经网络,建立感性意象和设计参数之间非线性的对应关系;结合计算机辅助设计技术,建构实用的产品造型设计系统.通过高脚杯的实例应用表明,该方法是合理可行性的,...     

基于BP神经网络的压铸浇注工艺参数设计

根据ＢＰ神经网络预测了压铸压力状况,由此进行了浇注工艺参数的整体性设计。     

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神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP(Back Propagation)神经网络的交通流量预测模型.以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况.     

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.     

基于产品局部特征分析的造型设计方法

探讨了产品局部特征分析的新算法,具有良好的全局重构能力,重视产品的局部特征,为产品局部特征分析提供了更深更广意义的理解,为产品设计反求工程提供一种新的形态重构方法,为产品局部造型深入设计提供依据.     

形态构成的原理及其在产品造型设计中的应用

当今世界已进入设计时代,任何一件工业产品要想在市场上取胜,就必须具有独特、完美、实用的设计。市场竞争已把产品设计推向日益重要的地位。以设计兴企业、靠设计致胜的观念愈来愈深入人心,设计的作用已到了不容忽视的地步。然而,现代工业产品设计这一概念,早已不是以往的单指工程技术方面的设计了,它包括了充分表现产品功能的形态构成设计、实现形态的结构方法和工艺方面的设计,以及达到方便宜人与环境协调的人机关系设计等。因此,现代工业产品设计是以产品的功能、结构、生产工艺、材料、宜人性、市场销售及产品创造等因素为出发点,将工程技术与     

基于“可爱”形态特征产品造型方法研究

产品形态是产品与人进行对话的有效语言，它真切地传递着产品的内涵。本文从产品的造型、色彩、材料、情感等几个方面对产品的外观进行针对性塑造，是准确把握产品形态“可爱度”的一种有效方法。     

浅谈产品造型设计专业教学改革

随着我国经济和科学的发展,人们对生活质量的要求也越来越高,一个成功的产品造型,给企业带来的利润是不可限量的,这也就凸显出产品造型设计在市场经济中的重要性,更显示出产品造型设计人才的缺少。但是相对来说我国产品造型设计专业的起步较晚,如何培养出大量的产品造型设计人才问题十分重要,其教学模式改革势在必行。本文针对我国现有的产品造型设计专业的教学模式进行分析,并提出几点改革建议。     

BP神经网络智能入侵检测系统设计

为了解决传统静态安全技术缺乏对入侵进行主动检测的机制,而且在使用过程中需要人工实施和维护,难以满足当前网络安全要求的问题;一种针对误差信号函数和学习规则进行改进的BP算法在分析标准BP算法存在的问题和其原因的基础上被提出;采用该改进算法构建了一种结合误用检测和异常检测技术的基于BP神经网络的智能入侵检测系统模型;仿真实验结果表明与标准BP算法相比,该改进算法具有学习过程快的优点,并且该系统具有较高的检测正确率并能检测出新的未知的攻击模式。     

基于BP神经网络的经济预测方法

在经济分析中 ,通常采用回归分析方法建立数学模型对一个经济系统进行拟合 ,进而对相关经济变量进行预测 .利用人工神经网络 (ANN)的自学习、自适应和非线性的特点 ,可通过建立经济系统的评价指标体系 ,并把经济变量数据归一化处理 ,然后送入BP神经网络中训练得出相应参数再进行预测 ,经过检验得出令人满意的结果 .     

基于反向传播神经网络的Ad Hoc网络PID拥塞控制

为了改进比例积分微分(PID)控制在Ad Hoc网络主动队列管理(AQM)中的动态性能,优化PID控制参数的整定,该文提出了一种基于反向传播神经网络的PID拥塞控制AQM方案。该文将Ad Hoc网络的分组丢弃分为拥塞丢弃和无线丢弃,考虑分组的到达与丢失为流体,推导了拥塞窗口和队列长度的随机微分关系,通过小扰动线性化理论,获得Ad Hoc网络AQM拥塞控制模型。根据该模型,设计了基于反向传播神经网络(BPNN)的PID队列控制器,该算法可以根据网络状况对控制器PID系数进行自适应的调整。MATLAB和网络模拟器(NS)仿真表明,在突发流、链路容量及时延时变的Ad Hoc网络中,新算法在收敛速度和队列抖动上优于PID。     

基于灰色前馈神经网络的流行色预测

提出结合灰色理论和前馈神经网络的流行色预测模型GLMBPNN(Gray Levenberg-Marquardt Back Propagation Neural Network),并利用Levenberg-Marquardt算法提高传统BP(Back Propagation)神经网络模型的学习速率.运用灰色理论学习历史数据的变化规律,对数据进行灰化处理,再对比目标值与BP网络的初始输出值,不断进行逆向反馈修正,训练完毕后通过仿真、白化处理得出流行色预测值.研究表明,GLMBPNN模型预测所得的流行值比灰色模型方法所得值的精度高,且比传统BP神经网络的收敛速度快.     

基于BP神经网络的船舶号灯识别模型与仿真

建立基于误差反传神经网络的船舶号灯智能识别模型,在众多的号灯识别参数中进行优化分析,确定了能见度、号灯亮度、背景亮度和眩光4个重要输入参数;利用这4个参数,基于误差反传神经网络对船舶号灯的可识别性进行建模和仿真,比较利用Levenberg-Marquart(L-M)、动量梯度下降、变学习率动量梯度下降和弹性反向传播等学习算法建立的误差反传神经网络模型,并确定L-M算法具有最优结果.通过号灯识别的仿真结果表明,识别结果与航海专家评估的结果一致.本模型实现了复杂光环境下船舶号灯可识别性的预报和影响因素分析,对保障船舶的夜航安全有着重要意义.     

基于神经网络的大型国际工程财务风险控制评价

建立了一个由7个一级指标和32个二级指标构成的系统评价体系.采用模糊层次分析法(FAHP)并结合专家问卷数据得到初始指标权重,进而生成30组前馈神经网络(BPNN)训练样本和5组校验样本.基于训练样本和前馈神经网络构建出大型国际工程项目财务风险控制体系的非线性映射关系模型,并通过样本校验.最后,以某大型央企在沙特的总承包项目为例,进行了评价体系的实际应用和案例分析.     

基于BPNNSI的多年平均水面蒸发量插值方法

以广东省117个蒸发站点为基础数据,分析了多年平均水面蒸发量的空间分布特征及其与经度、纬度、海拔高度、坡度、坡向、太阳天文辐射、植被指数的内在关系,提出了一种基于DEM与GIS技术并利用BP神经网络模型进行插值的新方法(BPNNSI)。用没有参与建模的24个站点进行验证,结果表明,该方法由于综合考虑水面蒸发量的各种影响因素,明显的优于IDW、KRIGING方法。因而该方法不仅能够用于水面蒸发量的空间插值,而且依此获取的高精度、高分辨率蒸发量数据,对与其相关领域的研究具有重要意义,还对降雨、平均气温等的空间插值有借鉴意义。     

基于S变换和弹性神经网络的电能质量扰动分类

提出了基于S变换和弹性BP神经网络结构(RPROP)的电能质量扰动自动分类方法。通过S变换对电能质量扰动信号进行时频分析,有效实现对各种扰动信号时频特征量的输出,并确定特征量的最优组合来增加弹性BP神经网络分类的精度。同时研究了在不同噪声条件下弹性BP神经网络分类的敏感度。测试结果显示,该方法能有效地对电能质量扰动信号进行分类。     

汽轮机在线性能分析BP神经网络模型

为了提高汽轮机在线性能分析系统的健壮性、精确性和抗干扰能力，对BP网络算法进行拓展，增强其网络功能。使之能够分析网络输入参数偏差对输出参数的影响，建立了一种新的汽机在线性能分析模型．与常规在线分析模型相比，该模型只需常规模型输入参数个数的1/5，大大减小了测量设备损坏对在线系统的影响；而且该模型分析结果精确、可靠，测定的热耗结果与常规分析结果误差不超过1％．另外，该模型容错性能良好，参数在2％内波动对分析结果无太大影响．