BP神经网络的内场驾考电子教练系统设计

针对驾考人员在校考方面训练时间、场地大小的不足以及自考方面缺乏合理指导的问题,设计了基于BP神经网络的内场驾考电子教练系统,该系统以S3C2440微处理器为核心硬件平台,介绍了采集(视觉模块和速度模块)、处理(Canny算子、单目摄像头测距算法和Harris算子)、分析判定(BP神经网络算法)、结果输出(语音模块)的流程化方法.最后,结合各模块算法和C-Free5软件对核心控制算法进行了仿真,得到了满足驾驶考试中触边、启停和夹角分析等相关设定的实验结果.     

基于MATLAB的BP神经网络在猪等级评定中的应用研究*

为了客观评估猪肉各项指标和猪肉等级,采用MATLAB神经网络工具箱中的BP人工神经网络,利用猪胴体图像特征参数和活体猪图像特征参数建立BP神经网络模型。分别用猪胴体图像特征参数样本60个和活体猪图像特征参数样本80个进行了网络训练,并采用不同的BP神经网络隐含层的传递函数和隐含层神经元数量,得到 BP神经网络模型。通过仿真,将仿真结果与人工评估结果进行对比,结果表明BP人工神经网络模型可以评估猪肉各项指标和等级识别。在猪肉胴体图像特征指标下评价猪肉等级准确率达到98%,在活体猪图像特征参数评价猪肉等级准确率达到80%。说明猪肉胴体图像特征比活体猪图像特征参数更能代表猪肉质量品质也符合客观现实;同时也表明MATLAB神经网络工具箱中的BP人工神经网络可以应用在猪的等级评定中。     

基于模糊综合评价的优秀教练选择

优秀的大学教练在竞技运动比赛中担任着重要的作用。本文建立了一种基于模糊综合评价的优秀教练选择模型,根据专家的评价对教练划分等级来筛选出评价等级高的教练,通过模糊综合评价确定每一位教练的等级。再用层次分析处理等级最高的教练,即可评选出最优秀的教练。     

基于径向基函数神经网络的泥石流危险性评价*

泥石流危险性的主要评价指标与危险程度之间有着某种复杂的非线性的关系,通常采用统计分析、模糊评价、BP神经网络等评价方法,但这些方法均存在不足之处,难以进行准确评价。为了克服以上方法的不足,结合泥石流危险性评价指标,建立了基于径向基函数神经网络的泥石流危险性评价模型,并将该模型结果与BP神经网络的评价结果进行了对比。实验结果表明,径向基函数神经网络的模拟结果比BP神经网络更接近测量数据,精度更高,训练所需时间更少。因此,径向基函数神经网络经过充分训练后,能够较为准确地对泥石流的危险性进行评价,具有较好的应用     

基于BP神经网络的壁挂式充电桩产品形态研究

通过对壁挂式充电桩感性意象与形态设计要素的分析,建立两者间对应的BP神经网络设计模型,从而得到各感性意象对应的产品形态。利用感性工学中的李克特量法对收集到的壁挂式充电桩形态样本和感性词汇进行设计评价并得到感性评价结果,将形态设计要素作为BP神经网络模型的输入层参数,感性评价结果数值作为输出层参数,利用Matlab软件进行壁挂式充电桩BP神经网络模型的反复训练和测试,最终得到壁挂式充电桩形态设计要素BP神经网络模型。最后通过MSE度量该BP神经网络模型准确性,研究表明建立的壁挂式充电桩感性意象和形态设计要素间的BP神经网络模型具有可行性。     

基于BP神经网络的机器翻译自动化评判模型设计

机器翻译评价模型内评价体系的不同会导致评价结果出现较大差异，为保证评判的精度，基于BP神经网络设计机器翻译自动化评判模型。计算词句翻译相似度，获取词向量与共现矩阵的关系式，对权重函数分段表达，得到相似度结果。基于BP神经网络构建翻译结果评价体系，通过神经网络模型的输入层、隐含层以及输出层节点，建立神经网络的向量指标，并对连接权数与阈值的输出值进行计算。设计自动化评价算法，判断“输入层-隐含层”、“隐含层-输出层”两个节点是否成功传输，得到机器翻译的自动化评判模型。结合四种不同语料库中的词句进行机器翻译的评价，在不同的评判模型中，BP神经网络模型的评判一致性程度均大于其他三种模型，可见该方法的评判精度最高，评判结果最准确。     

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。     

遗传BP神经网络在泥石流危险性评价中的应用

泥石流危险性的评价是地质灾害预测的重要研究课题之一,根据泥石流危险性评价因子,建立了遗传BP神经网络评价模型。模型利用BP神经网络的函数逼近能力,模拟泥石流某些主要评价指标与危险程度之间的非线性函数关系,实现对泥石流危险性的评价。为克服BP神经网络收敛慢、易陷入局部极小、泛化能力差等缺陷,引入遗传算法和对比分析方法优化BP评价网络的权值、阈值和网络结构。实验证明,采用所述方法优化后的BP神经网络的拟合精度、准确度、效率大幅提高,泛化能力也得到增强,该方法可作为解决泥石流危险性评价问题的一种新思路。     

主成分分析与BP网络结合的教学质量评价

为了进一步提高教学质量评价精度,提出了一种基于主成分分析和BP神经网络相结合的教学质量评价模型。首先利用主成分分析对教学质量评价体系中的12个评价指标的原始特征变量进行分析,然后作数据降维处理,提取出前4个主成分,再以这些主成分作为BP神经网络的输入,构建了3层神经网络评价模型。仿真结果表明:与标准BP神经网络相比,PCA-BP网络模型的结构更为简化,收敛速度更快,评价精度更高且泛化能力强。     

神经网络在计算机网络安全评价中的应用研究

研究计算机网络安全评价问题,计算机网络安全评价是一个多指标系统,计算机网络受到漏洞、病毒等人侵是一个复杂的非线性问题,传统线性评价方法不能准确描述各指标对评价结果影响且评价结果的精度低.为了提高计算机网络安全的评价精度,提出了一种粒子优化神经网络的计算机网络安全评价方法.首先通过专家系统挑选计算机网络安全评价指标,然后采用专家打分方法确定评价指标权重,最后将指标权重输入BP神经网络进行学习,BP神经网络参数通过粒子群算法进行优化,获得计算机网络安全评价等级.仿真结果表明,相对于传统计算机网络安全评价模型,粒子优化神经网络加快计算机网络安全评价速度,提高了计算机网络安全的评价精度.