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.

简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.

简介：人工神经网络技术现已成为近年来的热点研究领域，由于神经网络具有很强的自学习性、自组织性、容错性、高度非线性、高的鲁棒性、联想记忆功能和推理意识功能等，能够实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作。本文介绍了采用人工神经网络进行模式识别的方法，并给出了应用实例。

简介：人工神经网络是基于对人脑神经结构模拟而设计的一种数学计算方法,它是用一定量的神经元互联形成的一种计算结构,具有学习、记忆和计算等功能,及非线性和自适应的特点。在数据处理、模式识别、推断预测等方面具有明显优势,这是传统数学方法所不及的。[1]也正是这样的特点神经网络被广泛应用于工程问题的处理,本文基于矿山巷道围岩稳定性判别的工程背景,通过Matlab软件采用神经网络的方法对巷道围岩稳定性的类别进行判断。

简介：通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析，确定了各因素与通货膨胀之间的领先、一致和滞后关系；然后结合人工神经网络原理，以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型，最后根据模型预测结果，提出了控制通货膨胀的相关政策建议。

简介：为了能够客观地对海水水质进行综合评价，在分析人工神经网络概念和原理的基础上，从阈值角度出发，通过对各类海水水质污染指标浓度生成样本的方法，生成了适用于BP人工神经网络模型训练的样本，并应用基于误差反向传播原理的前向多层神经网络，建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价，通过模型的计算，得到该海域的水质类别。结果表明，2004-2007年，渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高，2005年和2006年污染较为严重，2007年有所好转。经训练的评价模型应用于实例的评价结果表明，该模型设计合理、泛化能力强，对海水水质评价具有较好的客观性、通用性和实用性。

简介：由于煤层地质条件复杂多变,煤矿开采中的通风构筑物较多,造成矿井通风困难。本文基于人工神经网络法的理论与计算方法,对麻黄矿通风系统进行实例评价,通过对比人工神经网络法的计算结果与矿井通风评价的实测值,人工神经网络法对于矿井通风评价具有较高的可靠性。

简介：摘要：基于卷积神经网络的隐写分析能够实现更高维特征的表达，提高检测精度方面取得了突破性的进展。本文首先阐述了隐写分析的历史背景、研究意义和研究现状，然后对隐写分析目前使用的两种主要方法进行了归纳和总结。最后，详细阐述了目前基于卷积神经网络的隐写分析技术存在的不足和面临的威胁，并以此为基础，讨论了下一步隐写分析可能的研究方向。

简介：摘要：随着科技的发展，我国进入互联网时代，这便使得互联网中的大数据被越来越多的人使用和重视。信息时代，群众可以从互联网中了解到自己想要的讯息，不管所属何种领域，都会挖掘大数据的经济价值以及科技价值。在目前对于分析大数据的方法来说，难度系数较高，是需要研究出一种新的分析方案，帮助挖掘大数据中存在的更多经济价值和科学价值。在当前可以采用无限深度神经网络方法来分析大数据，这种方法可以对大数据中的信息进行综合、整理、分析，为人们筛选出具有价值的信息。在本文中，将会对大数据分析的无限深度神经网络方法进行分析，希望对有需要的人有所帮助。

简介：BP神经网络分类器在信号识别领域得到了比较广泛的应用，针对其低信噪比环境下识别率相对较低的问题，引入人工蜂群算法（ABC），将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变，最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法（ABCBP算法），并以2ASK，2FSK，2DPSK信号为例，对信号进行小波包分解后，将信号各频段的能量值数据作为实验样本，对其进行了信号分类。仿真结果表明：基于人工蜂群算法的优化BP神经网络分类器，即使在5dB的信噪比环境下，仍可达到94％以上的识别率，并具有较好的稳定性，这为信号识别领域中分类器的设计提供了一个很好的理论依据。

简介：摘要：随着我国经济的快速发展，企业财务方面出现诸多问题，企业财务面临着巨大的风险，需要对于风险问题有及时的预测机制。企业发生财务危机是一个逐步显现、缓慢恶化的过程,它的发生具有一定的先兆,因此具有可预测性.为了规避和防范财务风险,企业有必要对财务风险进行充分的认识和分析。本文在深入分析财务预测面临的关键问题和比较各种财务风险预测方法的基础上，探讨利用BP神经网络对财务风险进行分析和预测的可行性。

简介：摘要：随着我国经济的快速发展，企业财务方面出现诸多问题，企业财务面临着巨大的风险，需要对于风险问题有及时的预测机制。企业发生财务危机是一个逐步显现、缓慢恶化的过程,它的发生具有一定的先兆,因此具有可预测性.为了规避和防范财务风险,企业有必要对财务风险进行充分的认识和分析。本文在深入分析财务预测面临的关键问题和比较各种财务风险预测方法的基础上，探讨利用BP神经网络对财务风险进行分析和预测的可行性。

简介：