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。     

BP算法应用中的关键问题

分析了学习方法的选择、隐层数和隐层单元、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等使用BP算法时应考虑的问题，并将BP网络应用于化学反应催化模型。     

基于FCM和BP神经网络的棉麻纤维识别方法研究

提出一种基于模糊c均值(FCM)和BP神经网络的棉麻纤维识别方法。首先,根据纤维横向和纵向截面形态的不同,提取6个特征参数,然后运用模糊c均值算法将样本聚类成3类,再将聚类后的数据作为BP神经网络的输入进行训练和预测,最后进行仿真实验。结果表明,将两种算法结合起来用于纤维的识别具有明显优势,是值得推广的纤维识别方法。     

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。     

右后柱加强板拉深成形优化预测模型的建立

拉深是板料冲压成形的关键工艺,也是最复杂的成形工艺之一.文章将正交试验、人工神经网络和遗传算法结合起来,对板料的成形工艺参数进行优化,建立板料成形工艺参数的优化设计模型,并利用该优化模型最终获得满意的厚度最大变薄率和回弹量.     

基于BP神经网络的煤矿风险保障体系研究

本论文针对煤矿安全管理工作中所应考虑的相关环节,即煤矿安全管理工作重人、机、环境、管理四个因素的实际特点,以系统论和安全管理学为基础,提出了非煤矿山安全生产保障管理体系指标。利用BP神经网络来确定各项指标权重,消除了传统的权重设计带有很大的随意性以及由于人为因素影响带来漂移值这一严重缺陷。     

BP神经网络气水识别研究

传统的测井解释技术由于建立在岩石颗粒的均匀排列、孔隙流体均匀分布假定模型基础上,将地层岩性、孔隙率、渗透率等参数作线性研究,致使获得的测井解释结果在大部分复杂地区与地层的真实值不一致。运用测井神经网络,根据测井资料、岩性分析资料、试油资料,可以解决求取地层孔隙率、渗透率、泥质含量、流体饱和度等参数以及进行油气水识别、岩性岩相识别、裂缝识别、水淹层识别、生油岩识别等等。测井神经网络处理解释新技术的兴起和发展,对解决非均质性地层的非线性映射问题具有良好的实用效果。     

一种改进BP神经网络算法的编程及应用

采用附加动量并结合动态调整学习率改进BP算法，用MATLAB语言完成该算法程序的编写，并将其应用于处理光催化降解直接橙S水溶液的数据．该程序对训练集和预测集计算结果的相关系数R分别为0．9723和0．9452，处理效果良好．