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: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: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。