简介：为了提高移动设备存在威胁风险分析的准确率和抗干扰能力,进而降低投诉率,提出一种基于PCA融合BP神经网络风险分析模型。通过核主成分分析将设备威胁类型从10个特征量降低到3个主特征量,提取了原始数据的主信息,并以降维后的特征量作为BP神经网络的输入特征量,建立设备威胁风险分析模型。最后通过实验对比了多种模型算法,结果表明采用PCA结合BP神经网络的风险分析模型具有更好的风险识别准确率。

简介：为了评价某煤矿矿井通风系统的优劣，就必须要建立一套合理的、符合该矿井实际情况的评价体系。我们借助BP神经网络的工具对该矿井的通风系统进行评判，通过广泛的资料收集，确定了通风系统安全指标评价体系；运用Matlab2014软件进行训练，建立矿井通风系统综合评价模型；对矿井通风系统安全进行总体的评价。确定其安全等级为1级合理。

简介：为了提高非线性动态系统辨识精度，提出一种基于多新息理论的PID神经网络改进算法。对具有时间延迟非线性动态系统，由于采用多新息，充分利用了系统的当前数据和历史数据，较传统的BP算法，本文所提算法在辨识精度和收敛速度方面具有更好的效果。仿真结果表明该算法的有效性。

简介：当前主流的运动目标检测方法存在计算量大、计算速度慢和无法实时检测等问题。本文以室外场景下的视频作为研究对象,在特征提取方面利用HOG特征和颜色特征相结合的特征融合方法,使用主成分分析法对特征维度进行降维,克服了单特征描述能力不全面的问题和多个特征数据量大的问题;在分类器设计方面,本文使用经过调优结构后的BP神经网络,克服了模式识别检测时间长的问题。实验结果表明,该算法相对于当前主流的HOG+SVM算法,在INRIA运动目标数据库上对运动目标的检测率达到92%,且速度较快。

简介：目的:面对我国人参价格涨跌频繁的现状,基于历史价格数据探索一种人参价格预测方法,进而有预见性的指导人参的种植、经营,防范伤农、伤商事件的发生。方法:以生晒55支规格的人参为代表,选取2012年6月至2018年5月的历史价格为实验数据,以2012年6月至2017年8月的价格为训练集,以2017年9月到2018年5月的价格为验证数据集,分别基于BP神经网络与ARIMA方法,构建人参(生晒55支规格)的价格预测模型,并将二者的预测效果进行比较。结果:ARIMA模型在平稳期的预测较为精确,BP神经网络能应对价格的突变预测。结论:BP神经网络预测模型整体优于ARIMA模型,进一步证实了BP神经网络用于价格预测的优越性。

简介：本文对签名技术的研究背景和发展状况做了简单介绍,描述了在线和离线鉴定系统的优缺点。考虑大部分人对自己的签名有独特的写法和设计,并不同于其对平常文字的书写,综合比对了国内外笔迹鉴定公开数据库,针对个人签名设计、开发了一套基于Android离线签名鉴定系统,并建立了更具实用性的签名数据库xtu_302sg。本文使用深度卷积神经网络（ConvolutionalNeuralNetwork,CNN）提取签名图片特征做身份鉴定,相对于传统方法取得了不错的效果。

简介：吴超羽教授首次将人工神经网络模型应用于水文预报研究中，并取得卓越成果。自此，研究人员和学者开始将研究方向转换到人工神经网络模型上来，多年的探索和研究，也使得人工神经网络模型在水文预报中的应用取得了全面的发展和进步。本文旨在通过对人工神经网络模型的研究，深入解析其在水文预报中的应用。

简介：摘要本文主要研究基于BP神经网络的电力负荷预测，首先对BP神经网络理论进行了分析，阐述了BP神经网络结构和学习算法，然后重点研究基于BP神经网络的电力负荷预测，包括历史数据的选取及预处理、负荷数据的归一化处理、BP神经网络的拓扑结构、BP神经网络学习参数的选取以及预测误差的分析，在实际验证中取得了良好的效果。

简介：应用BP神经网络对网店销售模型进行了研究,建立了基于店铺访客数、下单转化率、客单价和商品收藏次数来预测网店销售额的BP神经网络模型,模型的训练样本为五皇冠淘宝网店2016-04-21至2016-07-09时间段销售数据,应用构建的模型预测该网店2016-07-10至2016-07-19时间段店铺销售额,仿真模拟实验结果表明其能准确地预测店铺销售额,从而验证了模型的有效性和准确性.

简介：汽车油耗直接影响着汽车的经济性，真实油耗数据的准确检测对汽车产品管理的科学化以及建设资源节约型社会具有积极的意义。根据行车电脑往往不能准确显示油耗值的缺点．提出油耗值的RBF神经网络标定方法。实验表明，该方法能取得较好的标定效果，并且标定方法简单实用可行。为汽车油耗值的实时监测提供了一种有效的方法。

简介：摘要：本文主要针对高等教育问题进行了相关研究，利用BP神经网络以分数评价国家高等教育系统的健康状况。首先收集了多个国家教育影响因素的数据，选择出“国家人均GDP”、“国家高校升学率”等八个指标初步建立简单的指标体系。其次对八个国家进行模型应用，对模型进行进一步的优化，对其提出优化后的合理蓝图。最后建立时间序列的BP神经网络预测模型，预测出原状态下2020年中国评分从而得知此模型稳定性较好。

简介：针对进出口总额数据的非线性,并为了更充分挖掘时间序列所隐含的数据规律,建立了基于灰色预测模型、神经网络算法以及最小方差准则的最优组合预测模型。仿真分析结果显示,最优组合方法能更有效提高非线性时间序列的预测精度。

简介：在传统神经网络的基础上,引入小波函数而构成的小波神经网络具有极强的函数映射能力,在图像压缩领域有着较多应用.为了进一步提高图像的压缩质量,引入了遗传算法对传统小波神经网络算法进行改进,在对小波基平移和伸缩参数系数进行寻优时,将其作为种群初始化,经过选择、交叉和变异,获得最佳染色体,最后将最佳染色体转化成对应的权值、伸缩系数和平移系数从而进行小波神经网络映射.实验结果表明,改进后的小波神经网络图像压缩方法相较传统小波神经网络法,均方误差分别降低了14.8%和16.7%,图像信噪比分别提高了9.15%和7.11%,图像压缩质量有了较大提高.

简介：阐述了神经网络方法在城市投资环境评价领域中的应用模型及其操作算法,并给出了应用实列.指出了该方法较之传统方法有其优越性,但不能取代传统方法.

简介：摘要人工神经网络具有智能化的特点，可以解决传统信息在处理上无法解决的问题，在自动化、信息等领域应用广泛。近些年来，它在遥感图像处理中也发挥着重要的作用，对于图像的分类、压缩、复原和重建等都有着较大的帮助。本文以BP人工神经网络为例，探究了它在图像压缩中的具体应用。

简介：提出了一种基于模糊观测数据的RBF神经网络（FORBFNN），用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得；隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定，即首先初始生成一个隐层单元，然后根据一定的规则逐步加入新的单元，该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的，且建立的模型具有较高的预测精度．

简介：摘要随着我国电力行业逐步推进智能电网建设，电网管理问题变得愈发重要，电网管理的主要内容就是负荷预测。通过分析电力负荷预测的重要性，分析电力负荷预测中人工神经网络的应用。

简介：针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。

简介：小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度.从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生.

简介：为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型.将模糊神经网络（FNN）技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能.