基于GA-BP网络的声发射检测储罐底板腐蚀评价

采取声发射技术检测获得储罐底板声发射信息,结合储罐本身参数,用遗传算法(GA)与BP神经网络相结合的方法建立模型对储罐腐蚀情况进行了评估,分别建立了BP神经网络评价模型和GA-BP网络评价模型,并将两模型结果进行对比。结果表明, GA-BP储罐底板腐蚀网络评价模型较单独使用BP神经网络的评价模型具有更好的适应性和更高的预测精度,对声发射检测常压储罐腐蚀情况的评估具有参考价值,为我国自主研发常压储罐在线声发射检测评估系统提供了支持。     

一种改进的电网信息系统自动化故障融合监测技术

在电网系统中,故障检测是关系到电网正常运行的关键。采用小波变换实现对原始电网信息系统采样信号的特征提取,然后使用遗传算法对最为重要的特征的进行优化和搜索,优化后的数据输出至神经网络模型,神经网络模型对接收到的数据信息进行状态识别、特征分类,有效地提高了分类的准确性和故障诊断的可靠性。试验数据显示本设计的方案大大提高了计算速度,有利于用户快速从电网数据中把握重要信息,分析影响电网信息自动化系统故障数据信息,从而从根源上解决智能电网运行过程中存在的问题。为智能电网的健康、绿色运行提供较为有价值的技术保障,同时也具有较好的学术研究意义以及工程应用价值。     

基于IM遗传算法和神经网络的风险管理模型及应用

根据企业多类风险权重评估管理策略,提出一种基于投资理论的多层神经网络模型,并结合IM（Insertion Mutation）算子的遗传算法,以提高精确度和收敛速度。设计并实现基于IM神经网络和遗传算法的软件包。运行结果表明该系统能满足客户需求,对它的应用前景作了展望。     

一种面向关系型数据的可视质量分析方法

由于信息系统所提供数据的质量不高(如数据残缺、数据不一致、数据重复等)导致管理者决策过程中经常面临“数据丰富,信息匮乏”的困惑是目前企业普遍存在的现象.为了切实提高信息系统所提供数据的可用性,研究了影响关系数据库数据质量的主要因素,提出了面向多数据源的统一元数据模型和数据库数据质量评估模型,构建了用于数据质量评估的交互式可视形态集.建立了一个面向关系数据库的数据质量可视分析系统,并结合具体企业应用实例进行验证.结果表明,该系统能够有效分析数据质量,提高企业分析决策的可靠性和准确性.     

一个基于神经网络的信息系统安全性综合评估模型

本文提出了一个将神经网络技术与模糊综合评价法结合的评估模型。首先根据信息系统资产的组成以及安全性因素建立层次性的安全性指标体系,使用层次分析法确定指标权重;然后借助安全工具的测试结果,使用模糊综合评估法构造前向神经网络;最后,使用神经网络的反向传播算法调整指标权重。在此模型的基础上,设计并实现了一个信息息系统安全性评估系统。     

基于优化神经网络的云计算环境下供应链伙伴选择

针对云计算环境下供应链伙伴的动态性,提出一种基于优化神经网络的云计算环境下供应链伙伴选择模型.首先构建计算环境下供应链伙伴评价指标体系,并采用层次分析法计算每一个指标的权值,然后采用神经网络对采集的企业评估训练样本进行学习,并采用遗传算法对神经网络参数进行优化价,建立企业综合评估模型,最后进行了仿真模拟实验.结果表明,本文模型可以准确描述供应链伙伴的动态性,能够对云计算环境下的供应链伙伴进行全面、公正的评价.     

基于深度学习的系统日志异常检测研究

系统日志反映了系统运行状态,记录着系统中特定事件的活动信息,快速准确地检测出系统异常日志,对维护系统安全稳定具有重要意义。提出了一种基于GRU神经网络的日志异常检测算法,基于log key技术实现日志解析,利用执行路径的异常检测模型和参数值的异常检测模型实现日志异常检测,具有参数少、训练快的优点,在取得较高检测精度的同时提升了运行速度,适用于大型信息系统的日志分析。     

模糊聚类在信息化厂商质量评价中的应用研究

针对目前供电企业信息化厂商质量评价的不完善性,以供电企业信息化厂商运行评价与分析为平台,就如何将数据挖掘技术与供电企业信息化厂商质量评价相结合的问题进行研究。通过对供电企业信息化厂商运行评价指标数据的有效挖掘,利用最大最小法建立相似矩阵,用传递闭包法作聚类分析,为供电企业信息化厂商质量评价结果分类提供模型和方法的支撑。实验结果表明该模型操作简便、有效,能更加客观真实地反映供电企业信息化厂商质量水平。     

基于BP神经网络代理模型的交互式遗传算法

针对交互式遗传算法存在用户评价噪声和审美疲劳的问题,提出一种基于误差反向传播神经网络用户认知代理模型的交互式遗传算法。通过构建用户评价噪声模型,形成进化个体动态模糊区间适应值,以刻画用户认知随机不确定性;在用户认知确定阶段历史评价信息基础上,构建误差反向传播神经网络代理模型,给出一种新的适应值估计策略;通过度量均方误差,实现代理模型的管理与更新。将所提方法应用于蜡染风格图案设计,并与其他典型算法对比。结果表明,该方法能够有效优化进化个体适应值质量、降低用户审美疲劳。     

机动式指挥信息系统可靠性评估方法研究

根据机动式指挥信息系统的组成及系统可靠性模型,对系统的可靠性进行合理评估,对提高系统的可靠性和作战效能具有十分重要的意义。论述了机动式指挥信息系统的可靠性模型与指标,分析了机动式指挥信息系统可靠性评估的数据来源,并结合具体实例对评估方法进行了探讨。     

基于AHP-SVM的信息系统风险评估

风险评估保证信息系统安全的一种重要技术,信息系统风险受到众多影响,具有动态性和时变性,为了提高信息系统风险评估的精度,提出一种层次分析法和支持向量机的信息系统风险评估模型（AHP-SVM）.首先对当前信息系统风险研究现状进行分析,并根据专家构建评估指标体系,然后利用层次分析法对评估指标权重进行估计,并根据支持向量机建立信息系统风险的评估模型,最后利用信息系统风险数据对对评估结果的可靠性进行测试.结果表明,本文模型可以合理确定评估指标的权重,可以描述信息系统风险因子与期望值间的变化关系,获得了理想的信息系统风险评估结果,具有一定的实际应用价值.     

神经网络在信息系统安全评价中的应用研究

针对传统的信息系统安全评价方法的单一性和主观性,提出了新的基于BP神经网络的信息系统安全评价方法。根据信息系统安全等级保护基本要求,建立了信息系统安全评价的指标体系．探讨了基于BP神经网络的信息系统安全评价方法,设计构建了评价模型,运用反向传播算法对神经元网络进行训练,并通过MATLAB仿真实验证明该方法能对信息系统的安全性做出准确的评价。     

基于层次分析涉密信息系统风险评估

信息技术的发展使得政府和军队相关部门对信息系统安全问题提出更高要求。涉密信息系统安全有其独特性,风险评估区别于普通信息安全系统。文章以涉密信息系统为研究对象,首先阐述涉密信息系统的特点,针对其独特性对现有信息安全风险评估方法进行分析评价。然后将基于层析分析法的评估模型引入到涉密信息系统安全风险评估中。为涉密信息系统进行风险评估提供一种新的技术思路。最后通过实例分析,所提模型在处理涉密信息系统评估过程中对得到的离散数据分布无要求,与德菲尔法以及 BP 神经网络相比,该模型具有一定实用性和可扩张性,适合用于实际地涉密信息系统风险评估中。     

军事工程毁伤评估的组合智能模型

鉴于军事工程毁伤的复杂性,提出了基于组合智能评估模式的军事工程毁伤评估模型。以军事工程毁伤评估体系结构及其特征与功能约束为基础,设计军事工程毁伤效果组合智能评估的构件化模式,建立军事工程毁伤效果组合智能评估机制;以智能优化算法提高军事工程毁伤效果评估效率为目标,设计了一种易于仿真推理的军事工程毁伤效果组合智能评估流程。以人工神经网络为主体,集成小波分析和遗传算法,建立军事工程毁伤效果评估的非线性智能组合评估模型,应用于军事工程抗精确打击毁伤分析。案例表明,非线性组合智能评估模型充分发掘不同算法的差异优势,仿真实验验证了组合设计的可行性。     

基于改进型BP神经网络的信用评估系统研究

通过研究企业信用评估中的模型问题，为企业经营活动和决策过程提供信息支持。介绍了几种常用的信用评估模型，通过分析它们在评估中的缺陷，提出基于改进型BP神经网络的信用评估模型。在建立指标体系和输出机制的基础上，讨论了基于信用评估模型的评估系统的设计与实现。对模型和评估系统的不足进行了分析，并提出了改进建议。     

改进神经网络煤矿安全评价模型仿真研究

研究煤矿安全评价准确性问题。煤矿生产安全问题一直是国内外研究的热点,针对传统的安全评价算法难以评价出煤矿安全生产中出现的情况,评价预测准确率低等问题,提出了基于BP神经网络算法煤矿安全评价模型。采用BP神经网络的特点是可以逼近任意的非线性函数,但是BP神经网络并非完美的神经网络,采用遗传算法优化BP神经网络可以克服其缺点,将改进的算法应用于煤矿系统安全评价之中,仿真结果表明,基于改进的BP神经网络煤矿安全评价模型方法有效性和实用性,能够正确评价安全生产状态。     

改进的LM神经网络工程地质综合评价模型

以可靠的遥感地质信息为基础,采用步长自适应调整的Levenberg-Marquardt神经网络建立了工程地质灾害综合评价模型,实现对地质条件和地质灾害危险性的有效评价。通过对地质灾害危险性评价单元进行分析量化,将评价结果集成在三维地理环境中,实现了评价结果的三维可视化,实现对地质条件进行直观分析和评价。实例验证表明,基于步长自适应调整的LM神经网络具有准确度高、速度快的优点,是一种较为理想的工程地质综合评价方法。     

多Agent协作的生物网络服务质量的智能评估模型

生物网络结构是为设计和实现可调整的、适虚的及可生存的网络应用的中间件.生物网络的服务和应用是通过多Agent之间的相互协作,动态地选择Agent所提供的服务来完成的.基于模糊逻辑、神经网络和遗传算法相结合的方法提出了多Agent协作的生物网络整体服务质量的智能评估和优化模型,它是一种基于五层模糊神经网络的模型,并采用遗传算法进行优化.仿真实验验证该模型的可行性.该智能评估模型能够高效地处理多Agent的模糊和非确定的服务质量评估问题.     

神经网络在环境质量评价中的问题

在环境质量评价中,神经网络被认为是一种客观而实用的评价方法.因为神经网络的最大特点在于不需要设计任何数学模型,具有自学习、自组织、自适应和容错性等优点,因而在模式识别和系统辨识等领域获得了许多成功的应用.但数据分析表明,网络输出结果并不完全符合实际情况,有时甚至严重失真,存在着一系列问题,而这些问题是由神经网络本身的性质所决定的.了解了这些问题,就能够使我们对神经网络计算的环境质量等级分类有更全面和深刻的认识.