基于粗糙集-BP神经网络的机车滚动轴承故障诊断

论文提出了一种基于粗糙集理论与BP神经网络相结合的机车滚动轴承故障诊断方法.首先对原始故障诊断样本的连续属性进行离散化处理,然后利用粗糙集理论,对条件属性进行约简,删除冗余信息,最后将约简的最小属性集作为BP神经网络的输入,并设计BP神经网络对滚动轴承进行诊断.仿真结果表明粗糙集-BP模型不仅简化神经网络结构,而且提高了收敛速度和故障诊断正确率.     

一种热工过程RBF神经网络模型辨识方法

针对模型辨识中模型阶次难以辨识的问题,提出了一种RBF神经网络剪枝算法。基于该算法,对RBF神经网络隐节点和输入节点进行剪枝,不仅可以精简网络的结构,而且可以减少网络的输入节点,从而确定模型的阶次。同时,为了避免误删输入节点,在对输入节点剪枝时,将过程的输入和输出分开剪枝。将该算法应用于热工过程辨识中,仿真结果表明,提出的基于RBF神经网络剪枝算法是有效的。     

主成分分析与神经网络结合的黄山毛峰茶品质检测

研究了利用主成分分析与BP神经网络结合的方法对黄山毛峰茶进行品质检测。首先应用主成分分析法对反映茶叶香气信息的原始特征变量进行分析,提取出前5个主成分,再以这些主成分作为BP神经网络的输入,建立3层BP神经网络预测模型。试验结果表明,该模型相对于未经过主成分分析的BP神经网络模型,建模效率大大提高,判别准确率也由92.5%提高到97.5%。说明主成分分析与BP神经网络结合应用于黄山毛峰茶品质检测是有效的。     

基于粗糙集神经网络的燃煤发热量预测模型

通过对粗糙集和BP神经网络的分析研究,以专家系统为核心,提出了一种基于粗糙集神经网络的燃煤发热量预测模型;选取影响燃煤发热量的6个参数,利用粗糙集理论对原始信息表进行约简操作,去除冗余的属性和属性值,得到约简规则,并将其作为BP神经网络的输入,对燃煤发热量进行预测;通过分析对比线性回归方法和粗糙集神经网络方法,说明该模型能有效地简化神经网络的网络结构,减少网络的训练步数,提高网络的学习效率,能够较准确地对燃煤发热量进行预测。     

层次分析法和神经网络相融合的教学质量评价

为提高教学质量评价准确性,提出一种基于层次分析法和神经网络相融合的教学质量评价方法（AHP-BPNN）。采用层次分析法构建评价指标体系,筛选出对评价结果有重要影响的指标作为BP神经网络输入,采用神经网络建立教学质量评价模型。仿真结果表明,AHP-BPNN不仅简化神经网络的结构,而且提高了教学质量的评价精度和评价效率,是一种可行、有效的教学质量评价方法。     

基于改进的卷积神经网络的道路井盖缺陷检测研究

道路井盖缺陷检测对于道路维护与安全至关重要,论文提出了一种改进的卷积神经网络算法,可实现井盖缺陷的快速、准确检测。算法对卷积神经网络的激活函数模型进行了改进,针对Relu激活函数在输入小于零时输出设为零,导致部分缺陷信息丢失问题,设计了MReLu和BReLu两种改进激活函数。在此基础上,为了增强神经网络模型的特征表达能力,提出了双层激活函数模型。最后,在公共数据集MNIST,CIFAR-10上进行了比较实验,网络主要参数有批处理大小(batch size)为32,最大迭代次数为1000次,学习率为0.0001,每经过5000次迭代衰减50%。实验结果表明,基于改进后的激活函数和应用双层激活函数所构造的卷积神经网络,大大减少了训练参数,不仅收敛速度更快,而且可以更加有效地提高分类的准确率。     

结合粗集和神经网络的图像识别模型

通过对粗集和神经网络在图像识别中的作用分析,以及对两者结合的可能性研究,将粗集和神经网络进行了有机结合,提出了一个基于粗集和神经网络的图像识别模型。该模型先对原始图像数据进行预处理,然后用粗集进行特征选择,减少了神经网络的输入维数,提高神经网络学习和识别速度,也提高了识别正确率。最后将该模型应用于手写体数字图像识别之中,实验结果表明,该模型是有效的、可行的。     

一种新的BP神经网络预测金融相关系数

提出了一种改进的神经网络预测两个金融时间序列的交叉相关（cross-correlation）系数。为了得到金融数据集的波动，对传统BP神经网络进行了改进得到了一种指数BP神经网络，通过计算输入向量与其权值向量之间的点积，不仅对每个神经单元进行局部信息处理，还通过在输入向量的指数型函数及其相应的新权向量之间增加点积来进行处理。该预测模型改进了神经网络的激活函数，并对特定输入输出变量的交叉相关预测进行了探讨。实验证明，所提模型有利于提高预测精度。     

未标识样本分类的模糊神经网络分类器OFMM

为了解决未标识样本的分类问题,提出一种基于多维度收缩的、新的排序-模糊神经网络分类器模型OFMM.该模型首先利用多维度收缩法对输入的所有样本进行排序,然后获得样本间的相似性测度值.并利用该相似性测度值指导随后的分类器超盒扩张与压缩过程,从而使得该模型不仅提高对未标识样本进行有效分类的性能,而且无论是在网络结构方面,还是在训练时间方面都有所改进.有关标准数据集的实验结果表明,该模型明显优于传统的通用模糊神经网络,是一种较实用且有效的分类器.     

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在-定的局限性.为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型.首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型.进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度.     

基于BP神经网络的高层建筑工程成本造价评估模型

针对高层建筑造价评估准确性低的缺陷,提出基于BP神经网络的高层建筑工程成本造价评估模型。根据建设项目总体投资组成,对成本造价指数分类,确定整体造价修正系数,利用灰关联分析方法构建评估指标体系;根据BP神经网络结构,计算网络误差,并通过梯度下降方法定义输出层、隐含层的误差信号,获取网络权值调整公式;最后利用自适应学习率调节公式设置网络参数,将建筑工程中关键参数引入到输入层,建立最终的成本造价评估模型。仿真实验表明,所提方法可以利用较少的信息量准确快速地评估出高层建筑工程成本的最佳方案,具有较强非线性信息处理能力。     

BP算法在网络性能评估中的应用

本文利用神经网络BP算法建立网络性能评估的数学模型,采用各性能指标作为其输入,网络性能作为输出,基于最小二乘思想,采用梯度搜索技术,以期使网络的实际输出值与期望输出值的误差均方值最小.经实验证明,该数学模型具有较好的辩识精度.     

基于神经网络的指标体系优化方法

针对现有指标优化方法在非线性系统应用中的不足，该文提出综合评价指标体系的神经网络指标优化方法。即以核心指标作为网络输出，其他因素指标作为网络输入，建立前向神经网络模型，通过网络刻画出输入和输出之间的相关性。进而选择与输出相关程度大的输入指标作为优化指标。这种方法不需先验假设、建模的过程简化、可以避免主观因素对变量选取的干扰，同时精度也有很大提高。     

基于网络层次分析法（AN P）的高职院校校企合作绩效评价研究

In this study, the index system of performance evaluation of school-enterprise cooperation in higher vocational colleges is established from three aspects of schools, enterprises and governments in terms of input cost and gain. The network Analytic Hierar- chy Process (ANP) is applied to carry out decision evaluation. The weight of the index system is calculated with the software Super Decisions, which is convenient and accurate. Taking one higher vocational college as an example, this paper makes an empirical study with the established performance evaluation index system. The research results show that with the increase of input costs of schools, enterprises and governments, the benefits brought by school-enterprise cooperation also increase.     

突发事件网络舆情传播与预警模型研究

随着网络的普及使用,我国网民数量不断上升,网络舆情无论是内容还是传播的速度都在不断攀升,突发事件 网络舆情的预警与控制,已经成为一道必须正视的问题。由于突发事件有其特定的生命周期,突发事件网络舆情也有其时段 性,要根据舆情传播的变化,注重对突发事件网络舆情传播的管控,避免群体极化现象和舆情的多级衍生。本文主要从构建网 络舆情研判指标体系,构建网络舆情预测模型和突发事件网络舆情预警措施三个方面进行了简要分析,对突发事件网络舆情 传播与预警模式进行研究。     

基于社区分析的网络分割

在并行计算中,网络分割的质量会极大地影响并行计算的效率,然而在网络分割时并没有一个统一的质量评价指标,因此网络分割评价指标的定义以及最佳网络分割方法的构造,成为大规模网络中并行计算的一个核心问题.根据对影响并行计算效率的各种因素的分析,给出了一个网络分割评价指数的定义,并利用并行最短路径的计算验证了该评价指数的定义的正确性;并且基于社区分析,给出了一个全新的网络分割方法,理论分析表明:该网络分割方法是最优的.     

基于灰色层次模型的计算机网络安全评估

针对计算机网络安全评估中主观因素多、指标难以量化、评估方法繁杂的问题,建立了一种基于灰色层次分析法(A HP)的网络安全评估模型.首先,根据综合评价指标体系构建原则,结合目标网络实际情况,建立由目标层、指标层、子指标层构成的层次化网络安全评估指标体系;其次,为减小主观因素的影响,采用层次分析法和德尔菲法构造判断矩阵,结合加权平均和方根法确定指标权重系数;然后,根据灰色系统理论,对目标网络进行综合评估,得到最终的综合评估值;最后,通过对某电子实验室专用网络进行仿真分析,计算得到定量的评估值.评估结果能反映评估对象的真实情况,对网络的下一步建设有指导作用.     

基于高斯模糊的CNN的单幅图像超分辨率重建算法

近几年卷积神经网络在单幅图像超分辨率重建工作中取得了很大的进步,但是大部分基于卷积神经网络(CNN)的单幅图像超分辨重建算法是建立在低分辨率图像由高分辨率图像通过双三次插值法下采样取得的前提下,当这个假设不成立时,图像重建的客观评价指标PSNR以及主观的视觉效果就会较差。针对此问题,提出一种基于高斯模糊的CNN的单幅图像超分辨率重建算法,通过在图像输入网络前,将原始低分辨率图像与高斯模糊核进行卷积,并进行低频信息融合以增强网络的泛化能力,使用亚像素卷积法把图像上采样到目标图像大小,进而消减网络的参数数量,提升运算速度。实验结果表明,该算法在不同放大倍数下的重建效果均优于传统算法。     

不确定环境下的Ad-hoc网络可信性评价模型研究

运用不确定理论解决了Ad-hoc网络可信性模型的评价问题。运用不确定理论对Ad-hoc网络的信任度进行分析、评价和测试,提出了不确定综合评判方法,建立了Ad-hoc网络的可信性评价模型。该模型首先采用不确定变量表示各个评判因子的权重系数,增强了各因子权重的合理性;然后通过单因子评价模型对各因子进行评价;最后利用不确定综合评判模型确定Ad-hoc网络整体的可信度标准等级。通过实例运算得出综合评价结果。结果分析表明,该模型有效可行,且具有科学性和合理性。