基于神经网络的简支梁桥预应力衰减评估模型

以后张法室内模型梁受弯全过程试验采集的数据为样本,研究了预应力混凝土桥梁有效预应力与各主要影响因素之间复杂的非线性关系,应用改进BP神经网络建立了混凝土桥梁服役期内预应力衰减的神经网络评估模型。该模型以受弯梁全过程P-Δ理论曲线为依据,构造了基频衰减率(IFDETR)、变形指标(IDISP)、混凝土应变变化率(ICSV)、钢筋应变变化率(IRSV)4种归一化指标作为网络输入值,以计入时变效应的预应力衰减率指标(IEPDR)作为网络输出值。测试样本的评估结果表明,误差小于1%的测试样本数在样本集中所占的比例大于85%,且误差均小于单因素回归方法。     

对不平衡类分类的一种组合方法

具有不平衡类分布的数据集在许多实际应用中是很常见的,但由于类分布不平衡,给那些已有的分类算法带来了很多问题。一种为处理不平衡类问题而开发的基于决策树和人工神经网络的有效组合方法被讨论。它基于数据抽样的方法构建组合分类器,并利用ROC曲线(Receiver Operating Characteristic curve)作为评价挖掘性能的分析工具,最后在PAKDD2007竞赛活动提供的实际数据上进行了有效性验证。     

Yarn Properties Prediction Based on Machine Learning Method

Although many works have been done to constructprediction models on yarn processing quality, the relationbetween spinning variables and yam properties has not beenestablished conclusively so far. Support vector machines(SVMs), based on statistical learning theory, are gainingapplications in the areas of machine learning and patternrecognition because of the high accuracy and goodgeneralization capability. This study briefly introduces theSVM regression algorithms, and presents the SVM basedsystem architecture for predicting yam properties. Model.selection which amounts to search in hyper-parameter spaceis performed for study of suitable parameters with grid-research method. Experimental results have been comparedwith those of artificial neural network(ANN) models. Theinvestigation indicates that in the small data sets and real-life production, SVM models are capable of remaining thestability of predictive accuracy, and more suitable for noisyand dynamic spinning process.     

基于BP人工神经网络的图像压缩技术研究与改进

数字图像压缩技术对于数字图像信息的大量储存和快速传输具有非常重要的现实意义。本文介绍了将BP人工神经网络用于图像压缩的应用原理,并实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比。同时,对3层BP神经网络进行优化,既通过采用非线性网络和最速下降法实现了图像压缩,提高了网络的收敛速率。实验结果证明本算法在取得较大的压缩比,同时能保证图像的恢复质量。     

再生骨料指标体系研究

根据文献试验数据建立了再生骨料数据库。建立了包括三个输入神经元（净水灰比、压碎值和吸水率）和1个输出神经元（抗压强度）的BP网络。提出了压碎值、吸水率等关键指标的规范建议值。     

基于BP网络的水火弯板局部收缩量建模研究

以实船板水火加工成型的测试数据为样本，应用的ＢＰ网络，分别建立了帆型曲板的最大收缩长度、收缩面积的７参数和５参数的４个神经网络模型，介绍了网络的结构设计及其训练过程，进行了网络的误差分析；算例结果证明该模型具有实用意义。     

三次样条插值对人工神经网络预测软土固结精确度的影响

软土固结会引起漫长的地基沉降。人工神经网络(ANN)是预测地基沉降的一种常用工具。为了进行预测,需要使用一定的前期沉降观测数据训练ANN。采用两类训练方法:一类是直接使用观测数据训练网络,这是普通方法;一类是在观测数据中借助三次样条插值(CSI)技术进行等时距插值,然后一并利用观测数据和插值训练网络。三次样条插值是通过求解三弯矩方程组,在曲线的非连续数据点之间形成填充数据的技术。借助Mat Lab的函数Spline,可以完成插值计算过程。结果发现,在不同固结阶段进行预测,引入CSI插值训练的网络预测准确度均高于直接用观测数据训练的网络。这一发现,对于工程实践具有重要意义。     

用人工神经网络对家蚕微粒子病进行初步分析与预测

家蚕微粒子病是一种毁灭性的传染性疫病,给家蚕养殖业带来严重的后果.为了有效地预防和控制微粒子病的发生及扩散,本文运用人工神经网络(BP)模型对家蚕微粒子病的历史数据进行分析、预测,以达到防范的效果.     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

使用BP算法时应考虑的若干问题

归纳总结了使用ＢＰ算法时可能涉及到的问题和一些技巧。尤其对学习方法的选择、隐居数和隐层单元数的选择、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等都作了详细的介绍。