弹道导弹再入段拦截的毁伤效果评估

从跟踪雷达的角度进行了再入段弹道导弹毁伤效果评估的研究。分析了弹道导弹在再入段遭到拦截时可能发生的2种情况,在此基础上将弹道系数引入弹道目标毁伤效果评估中,提出了基于弹道系数估计的弹道导弹再入段拦截的毁伤效果评估方法,仿真了3种弹道目标即完整弹头、弹体残骸、小碎片的弹道系数,证明了该方法在毁伤评估中的可行性。通过仿真机动变轨和碰撞变轨2种模型下的弹头运动轨迹,研究了目标机动对弹道导弹毁伤评估可能造成的影响,并得出可以避免这种影响的方法。     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

基于BP网络的装备维修质量评估设计

依据有关规定和武器装备的特点,提出了装备维修质量评估的指标体系,并给出了指标体系标准化处理的方法。在此基础上,建立了基于BP网络的装备维修质量评估模型。通过训练,该模型具有了对装备维修质量的评估功能。实验结果表明：该模型用于装备维修质量评估,减少了传统装备维修质量评估方法中人为因素的影响,并且评估误差很小。     

基于BP神经网络的TBM刀盘关键位置应变重构

为解决恶劣工况下全断面硬岩隧道掘进机(tunnel boring machine, TBM)关键主承力结构应变监测难、监测不准的难题,提出了一种基于BP神经网络和有限元分析的TBM刀盘关键位置应变重构方法.首先,通过静、动力学有限元分析确定了TBM刀盘关键位置,并提取了刀盘典型易损特征子结构.其次,基于有限元技术和实验设计(design of experiments, DOE)方法,分别进行了标准件和特征子结构多载荷下静力学有限元分析,并构建了载荷-应变数据库.最后,运用BP神经网络建立了标准样件和刀盘特征子结构的应变重构模型,并进行了标准样件的实验验证.结果表明,重构应变的平均误差为10%,验证了方法的可行性,为TBM刀盘复杂结构的应变重构提供了一种可行的方法.     

基于改进BP 算法的装备效能评估

介绍了目前评估装备效能的几种常用方法，指出了各方法的优缺点和应用时机，运用神经网络知识，提出了基于改进BP算法的效能评估新方法，并对典型的装备系统效能作了评估，结果表明该方法有效可行。     

基于BP神经网络的野战给水装备性能评估模型

为了评估野战给水装备的性能,方便部队选购最佳的净水器材,在前人研究的基础上,结合战场需求和当前水质净化技术研究的成果,提出了野战给水装备的指标体系,并利用BP(back-propagation)神经网络对野战给水装备的性能进行了建模,给出了一种新的算法。算例通过对5种野战给水装备的评价结果与专家们的评价结果相比较的方法,验证了模型的可靠性和可行性。得出了该模型能够作为“计算机评价专家”来代替人的评价的结论。可以将此模型应用到部队选购给水装备的实际工作中,方便采购人员对野战给水装备的性能进行横向比较,选出综合性能最高的装备。     

空基助推段反TBM作战拦截弹速度建模分析

拦截弹速度是影响空基助推段反TBM作战效能的关键因素之一。通过分析空基助推段反TBM作战过程和TBM助推段飞行特性,建立了空基助推段反TBM拦截弹速度模型;在此基础上将影响拦截弹速度的因素划分为可控制因素和不可控制因素,通过仿真实验对不同影响因素进行了定量分析,研究结论可望为空基助推段反TBM可行性分析和拦截弹需求论证提供量化依据。     

基于BP神经网络的项目评估模型研究

项目的申报、实施、验收都需要进行项目评估,项目评估是项目实施过程中的重要工作。项目评估复杂、专业,评估过程和结果具有很强的主观性。BP神经网络具有容错性强、信息分布处理能力高、自主学习、自适应、非线性映射等特点,适合推理规则不明确或推理规则非线性的环境,具有人脑思维的特征,BP神经网络在工程、管理、经济等领域得到广泛应用。在项目评估领域,现在基本上仍然以领域专家主观评价为主,这对评估结果的客观性、公正性必然会带来影响,评估过程信息化是项目评估改进的方向和趋势。基于评估的一般过程和BP神经网络的基本思想设计出项目评估的一般模型具有现实意义,应用BP神经网络建立项目评估模型的应用价值值得关注。     

基于BP人工神经网络的上市公司财务评估分析

叙述了人工神经网络的基本原理,建立对上市公司财务评估的神经网络模型,并结合实例,通过对比因子分析法的结果,验证了模型的可靠性和准确性。     

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BP网络的银行竞争力综合评价

基于BP神经网络模型对银行竞争力进行了评价，根据神经网络原理，对银行竞争力综合评价模型的构造，网络的系统训练过程、BP学习过程等进行了讨论，用实例进行了验证，结果表明BP网络在评价中是一种很好的方法和工具。     

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PSO-EO算法优化的BP神经网络研究

PSO算法优化的BP神经网络解决了其收敛速度慢或不收敛等缺点,但PSO算法本身却存在早熟和局部收敛的问题。为此引入EO算法,用EO算法与PSO算法相结合对BP神经网络进行改进。通过实验表明:EO算法与PSO算法结合优化的BP算法具有良好的收敛性和较高的预测精度,其性能优于传统的BP算法及PSO优化的BP算法。     

基于BP神经网络的技术风险评价

通过对技术风险的概念和特点及其发生机理的分析,建立了企业技术风险的评价指标体系,并提出了 一种基于BP神经网络的企业技术风险评价方法。人工神经网络能准确、简便地评价企业的技术风险,且避 免了人工确定指标权重的主观性,是一条具有发展和应用前景的途径。     

Sedimentary Micro-phase Automatic Recognition Based on BP Neural Network

IntroductionDuringthedevelopmentofprospectingofthegeologyofpetroleum,itisimportanttoforecastthedistributionofgritstone,mastertheregulationofphysicalparameterinthereservesmasslevel.Especially,itismoreimportanttorecognizetorockphaseandsedimentarycircumstance.Thetraditionalmethodisusuallyqualitativeanalysisbyfetchingrockcoreandreceivingdataaboutrockcoreandrockcrumb.Asthedevelopmentofmeasurementtogeologicwell,theplentifuldataaboutgeologicwellhasbecomeatoolasresearchthesedimentaryfeatures.Combined…     

基于反向传播神经网络的入侵检测算法

讨论了多层神经网络算法缺陷,提出了一种基于改进反向传播(Back Propagation,BP)的快速入侵检测算法--IBP算法:在BP算法中的梯度下降算式中,加入一个动量项α[ω(t)-ω(t-1)],改善计算神经元 j到神经元i的级联权值;采用学习速率可变的策略;算法训练网络时采用批处理的样本输入方式.改进后的算法选取较大的学习速率η=0.5和η=0.65,并采用3层神经网络的结构,输入、输出样本是16维和15维,各进行100次独立仿真实验,结果证明可加快算法收敛速度,另外,仿真实验还证明:改进后的算法对初始权值的敏感性、网络所表现出的稳定性等都比传统算法性能优越.     

基于BP神经网络的PID控制器

介绍了一种基于神经网络自学习PID控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求, 其主要特点是采用线性预测模型来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果。     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

BP神经网络拟合平稳跟踪眼震信号

在前庭功能检查中,要对平稳跟踪信号进行分析,必须先对实验者的跟踪数据信号进行曲线拟合。由于BP神经网络可以实现输入和输出间的任意非线性,使得它在函数逼近上有广泛的应用。因此本文用BP神经网络对平稳跟踪信号进行曲线拟合。对网络的训练方法采用贝叶斯正则化算法。实验表明,拟合的曲线和正弦曲线基本吻合,尽可能的通过了样本点,也排除少数点的干扰。     

基于BP网络的工业CT图像边缘检测

采用改进的BP算法,实现工业CT图像的边缘检测。本文构造了学习样本,可以在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测。并在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测。通过对发动机CT图像的实验,证明利用本文得到的权值矩阵用于边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘。