简介：基于城市产业结构发展现状及其变化趋势，建立BP神经网络模型和灰色GM（1，1）等维新息模型的组合模型，对城市产业结构演变趋势进行预测分析，以提高预测的精确性，并对城市产业结构演变过程中各产业比重进行权重修正，以保障城市产业结构比重之和恒定为常数1，为正确认识城市产业演变趋势和内部关系提供准确的信息。

简介：

简介：摘要电力系统短期负荷预测是实现电力系统优化运行的基础,对于电力系统运行的安全性、可靠性和经济性都有显著影响。因此,寻求有效的负荷预测方法以提高预测精度具有重要意义。

简介：摘要：本项目提出了一种基于卷积神经网络的端到端MOOCs学习者辍学预测模型。卷积神经网络的广泛应用证明了其强大的特征提取能力，本课题尝试将卷积神经网络用以对MOOCs学习者的学习行为数据进行有效特征的提取，并将特征提取和分类整合到一个框架中，通过它们的协同学习来提高模型的预测能力。

简介：摘要：在深度学习技术的帮助下，手语识别的创新进展为聋哑人士提供了新的交流可能性。本研究基于ResNet101——一种深度卷积神经网络模型，通过迁移学习的策略，对模型进行了细致的调整和优化，使其更贴合手语的视觉特征。实验包括对部分网络层参数的冻结，输出层的重新设计，以及利用交叉熵损失函数和Adam优化器进行多轮次训练迭代。经过严格的实验验证，调整后的模型在手语图像数据集上表现出优异的准确率，显著提高了手语识别的实用性，进而为聋哑群体的社会融合和交流开辟了新的道路。

简介：摘要：针对近期“新型冠状病毒”在全球大流行的现象，文章参考生命周期理论，基于微博平台，结合数据与文本信息，构建了突发传染病网络舆情热度评价指标体系，选择“新冠”事件，利用无监督学习模型概率潜在语义分析和深度学习模型BP神经网络，对舆情发展趋势进行分类及预测，验证模型的可行性。为突发传染病网络舆情管控提供参考。

简介：所以生物的记忆过程就是建立特定连接方式的神经网络的过程,但在认知若干个具体苹果的过程中,可以由单个神经元、神经链路或是神经网络来承担

简介：摘要将人工神经网络（ANN）技术引入磨削加工领域，研究预测切向磨削力和法向磨削力，来提高磨削力的预测精度。以多层前反馈神经网络为基本结构，以误差逆传播算法（BP算法）为网络的训练方法。通过分析，以砂轮速度vs、工件速度vw和磨削深度ap为输入，以切向磨削力Ft和法向磨削力Fn作为网络输出，选定网络的层数、隐含层神经元个数、训练函数、传递函数等内容，建立预测磨削力的BP神经网络模型。然后比较不同网络模型，来确定最优的预测模型。

简介：研究了BP神经网络的收敛问题。基于随机理论，提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答，而且收敛速度很快。

简介：摘要本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模，并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例，将一段时间内的激励力作为网络的输入参数，对应于该段时间内由振动产生的挠度作为网络的输出参数，然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比，误差甚小。该结果表明所建立的神经网络模型合理、有效，可利用其对该类问题进行预测并应用于工程实践中。

简介：摘要：在日常的生活中,人们会遇到很多不确定性,比如运动物体发生了变化、工作环境发生变化等。这些都需要大量数据进行研究和分析。循环神经网络就是一种能够快速收敛并能自动消除系统误差，并且对信息处理速度比较快的新型算法之一，而且在网络研究中,循环神经网络具有非常重要的作用,它可以通过学习和计算来处理复杂系统，具有非常广阔的发展前景,在很多领域得到了广泛运用与关注;但是目前存在许多问题需要解决。

简介：主成分分析可以提取形变主要信息，BP神经网络具有很强的预测功能，提出将两者相结合用于形变监测数据处理。通过MATLAB编程实现了该算法，并用实测数据进行验证，证明此方法能够提高预测数据的精度和可靠性。结果表明：与其他方法相比，基于主成分分析的改进BP神经网络能取得更好的预测效果。

简介：本文采用人工神经网络原理，对山西省入境旅游市场需求进行预测。论文以人工神经网络理论为基础，对旅游市场需求预测指标的选择、神经网络预测模型的选择、旅游需求神经网络预测模型的建模流程和实现方法进行了初步探讨，构建了基于人工神经网络的旅游需求预测模型。

简介：摘要：BP神经网络，即误差反向传播神经网络，其算法包括信号的前向传播和误差的反向传播两个过程。即计算误差输出时按从输入到输出的方向进行，而调整特征向量权值和阈值则按从输出到输入的方向进行。正向传播时，输入信号通过隐含层作用于输出节点，经过非线性变换，也称激励函数变换，产生输出信号，若实际输出与期望输出不相符，则转入误差的反向传播过程。误差反传是将输出误差通过隐含层向输入层逐层反传，并将误差分摊给各层所有单元，以从各层获得的误差信号作为调整各单元特征向量权值的依据。

简介：随着经济的飞速发展，城市化进程的加快，建设用地已成为城市发展的稀缺资源，科学合理的安排城市建设用地规模显得尤为重要。文章以南昌市2005-2010年有关城市建设用地规模的社会经济统计数据为依据，利用主成分分析方法，筛选出影响城市建设用地规模的主要因素有GDP、人口、城市化水平、园林绿地面积、财政收入、固定资产投资、工业总产值等。在此基础上建立BP神经网络预测模型，测算出南昌市2020年城市建设用地规模，并对其进行验证分析，以期对南昌市土地利用总体规划中建设用地的指标划分提供科学依据。

简介：摘要：近年来，我国能源供应方式已呈多元化方向发展，相较于火力发电，其他发电方式由于受到不同限制因素的影响，深度调峰的灵活性远不如火电机组，同时为了保护环境，大容量、清洁型发电机组的发展刻不容缓。火电机组的负荷大范围变动时，会引起温度、压力等诸多参数的变化，固定的PID参数已经不能作为高品质的控制对象，而在线调整PID参数既浪费时间还耗费精力，很难满足机组运行要求，由此提出神经网络逆模型控制方法。

简介：通过构造Lyapunov—Krasovskii泛函，获得了时滞周期神经网络模型周期解指数稳定性的一个充分条件。

简介：对电力客户的信用进行分析评估对于供电企业将电力输送给可靠的电力用户、提高企业经济效益具有重要意义。在分析影响电力客户信用影响因素的基础上,构建了电力客户信用评价指标体系,将遗传算法和神经网络原理引入电力客户信用评价领域,提出了基于遗传算法和神经网络的电力客户信用评价模型。实证结果表明：模型具有较强的自组织、自学习和自适应能力,模型评估结果比较客观合理。

简介：针对系统误差的不确定性可能会引起滤波精度降低或发散的问题，提出一种新的基于模型预测滤波的前向神经网络算法。首先，采用模型预测滤波估计网络在正向传递过程中的模型误差，并对其进行修正，以弥补模型误差对隐含层权值更新的影响；然后，利用模型预测滤波为神经网络提供精确的训练样本，学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统，并与扩展卡尔曼滤波进行比较，仿真结果表明，提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内，滤波性能明显优于扩展卡尔曼滤波算法，表明该算法能提高组合导航定位的解算精度。

简介：摘要本文提出一种基于相似日和改进BP神经网络的光伏发电预测模型，将相似日的历史逐时发电量、温度和湿度以及预测日温度和湿度的预报信息作为改进BP神经网络输入对预测日直接预测，效果良好，值得参考。