基于BP神经网络的学生分层算法研究

计算机网络已经渗透到各个领域,日常教学也广泛的使用到,利用网络所获取的有用信息快速对班上学生分层,从而进行因材施教有一定的实用价值;本文基于网络辅助教学系统,对学生利用网络上交作业信息进行挖掘分析,利用BP神经网络的自适应学习特点,于上交作业时间与上交作业的质量为基础,挖掘出与成绩的关系。     

浅谈神经网络在机械工程中的应用

近年来,人工神经网络理论的研究逐渐发展并日趋成熟。本文叙述了人工神经网络的概念、特点和其在机械工程中的应用。     

SVM与BP神经网络在石煤提钒行业清洁生产评价中的对比研究

为比较 BP 神经网络(ANN) 和支持向量机方法(SVM) 两种机器学习方法对清洁生产的评价能力， 以理论原理为基础，比较了两种机器学习算法在应用原理方面的差异．并以石煤提钒生产工艺中水浸工艺为对象， 对 BP 神经网络和支持向量机在清洁生产水平评价上进行了对比研究．结果表明: 支持向量机方法分类精度为 100%; BP神经网络为 90%但易陷入局部最优，因此支持向量机方法在解决小样本评价问题时具有较高的实用价值.     

基于信息熵值法的生鲜品需求集成预测模型研究

由于有效的生鲜品需求量预测可在很大程度上提高其实际运输效率,降低因远程运输、交叉运输等造成的腐损。本文结合信息熵值法提出一种动态赋权集成预测方法,针对一般预测方案的预测结果定义相对偏差量和绝对偏差率两个指标,将原问题转化为三方案两指标的综合评价问题。最后通过算例验证,该方法可有效降低单一预测方法误差,进而可根据精确的预测结果进行科学的运输调度。     

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.     

构建BP网络结构方法分析

本给出了影响BP网络训练诸因素的初始值的确定方法，总结了在训练过程中各参数调整的方法，并探讨了误差公式的形式问题。     

BP算法的改进

针对多层神经网络中由于隐含层神经元饱和而引起的局部极小值问题,提出一种改进的BP算法.每一种训练模式在隐含层的神经元都采用各自的传递函数,该改进算法的思想是当网络输出没有取得期望的结果时,修改传递函数以防止隐含层神经元饱和,这种改进的算法既不用改变网络的拓扑结构,也不会消耗更多的计算时间.     

一种新的区间模糊数时间序列预测模型

通过对区间模糊数进行研究分析,发现已有处理方法是直接对两个界点建模和预测,这样做往往会导致不能很好的描述序列整体性的发展趋势以及模型所预测的结果容易发生错乱等,从而预测失效.首先基于等价和整体性考虑提出了模糊序列的面积序列和重心序列概念.然后对面积序列和重心序列分别建立了遗传优化BP神经网络模型进行回归和预测,并通过还原公式得到原区间模糊数序列的拟合值和预测值.最后通过实例验证了该方法有效可行,对比传统的BP神经网络模型和ARIMA模型,显著提高了预测精度.     

基于遗传算法优化BP神经网络的地层破裂压力预测方法

针对地层破裂压力现有预测方法适用性差、误差较大等问题,提出了遗传算法优化BP神经网络(GABP)预测地层破裂压力的方法。分析了地层破裂压力的影响因素;以地层深度、地层孔隙压力当量密度和岩石密度为输入变量,以地层破裂压力当量密度为输出变量,建立了GABP预测地层破裂压力模型,并利用塔里木盆地YB1井的数据进行神经网络学习和结果验证。GABP模型的预测结果误差约3.5%,精度远高于Eaton法。该方法不受地质构造条件影响,且具有精度高、计算速度快等特点。     

基于模糊神经网络的数字资源服务绩效评价研究

针对当前常用的电子资源绩效评价方法和模型存在的问题，采用了两阶段评价方法构建基于模糊神经网络的评价模型，得出电子资源服务绩效的评价值，并与期望结果进行比较。实验结果表明，该评价模型预测的准确率达到83.7%。