基于ARIMA和BP神经网络模型的舆情情感预测

针对重大事件网络舆情数量的激增,网络舆情安全监管和预警形势严峻的情况,提出一种基于ARIMA和BP神经网络组合模型的网络舆情情感预测模型,进而对新浪微博上采集的"余姚水灾事件"进行文本情感值计算,并对其情感变化趋势进行综合分析和预测。预测结果表明,也组合预测方法相对于单一预测方法具有更高的精度,进而说明该模型在网络舆情情感预测中的应用是可行的。     

基于BP神经网络的成本预测

分析了人工神经网络解决成本预测的可能性。介绍了BP神经网络用于非线性预测的基本原理和算法步骤。采用matlab试验方法,对某企业总产量与总成本进行仿真,对比了回归分析法和BP神经网络的预测结果。实验结果表明,BP神经网络预测算法具有较高的预测精度。     

基于BP神经网络的教学质量评估模型研究

教学质量评估对于学校的建设发展具有重大意义和促进作用,是学校面临的机遇和挑战。我们应当采取适当的对策,通过建立适当的评估模型对教学进行评估,通过改革、建设促进学校建设发展上新台阶。     

基于BP神经网络的嘴型分类算法

针对传统嘴型分类中医生肉眼观察主观性大且无法量化等问题,文中提出一种嘴型分类算法。该算法在人脸特征点标定ASM的基础上,提取嘴型模板,经过一系列旋转、二值化以及重采样构建特征向量,然后利用BP神经网络进行训练完成嘴型分类。实验结果表明,该算法可以实现较为准确的嘴型分类,对临床医疗整形具有一定的参考价值。     

基于BP神经网络的模拟电路诊断系统研究

以现代测试技术、信号处理、信息融合等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,详细讨论BP神经网络在模拟电路故障诊断中的应用和故障特征提取方法.采用多频组合法建立了故障样本集.对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性.     

基于PCA和BP神经网络的步态识别系统研究

步态识别是生物特征识别技术中的一个新兴领域,它根据人们走路的个体特点进行身份识别,具有非侵犯性、难以隐藏、对系统分辨率要求低、远距离识别等优点,已成为基于视觉的人体运动分析的研究热点。该文提出了基于主成分分析(PCA)的特征提取方法,有效地对高维步态轮廓特征进行降维,再利用BP神经网络进行特征分类识别。实验结果表明,算法达到了较高的识别率。     

基于BP神经网络-Monte Carlo法的结构可靠性分析

提出通过人工神经网络拟合极限状态函数的方法来解决结构可靠性问题。根据多层神经网络映射存在定理,对于任何在闭区间内的一个连续函数都可以用含有一个隐含层的BP网络来逼近。应用此定理,通过人工神经网络拟合极限状态方程,借助神经网络的函数映射关系产生大量的极限状态函数值,作为下一步的分析数据。此过程并不像Monte Carlo法时每一点都做确定性计算,因而达到减少计算工作量的目的。该方法仅采用Monte Carlo法随机抽样的思路,对大范围的数据进行概率分析,通过概率分析得到极限状态函数值的均值和标准差,以便求得结构系统的可靠性指标,进行结构系统可靠性分析。     

基于BP人工神经网络的GPS高程异常拟合方法研究

近几年来在GPS水准高程拟合方法的研究成果的基础上,对基于BP人工神经网络的GPS高程异常拟合方法进行了研究.利用实际工程数据,对BP网络模型和BP神经网络组合算法进行了试验研究,通过比较分析,给出了拟合模型的精度评价.     

基于BP神经网络的4G话务预测方法研究

目前常用的话务预测算法主要有移动平均法和指数平滑法,虽然可以达到一定精度的话务趋势预测,但对于短期话务量的周期性变化,例如潮汐效应等场景,传统的话务预测算法存在一定的缺陷。因此需要运用BP神经网络算法,进行更为精准智能的话务预测,以便支撑目前广东公司正在试点的载波动态调度,为潮汐载波调度提供算法依据。本文将对BP神经网络用于话务预测进行研究,并对模型的预测性能进行评价。     

基于改进BP神经网络图像边缘检测的研究

针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文中将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进,并利用该方法对二值图像进行了边缘检测,然后使用神经网络的并行处理模式对灰度图像的8个位面分别进行了检测,最后将提取的结果综合成灰度图像的边缘,实验结果表明,该方法对二值图像和灰度图像的边缘检测较传统的检测方法具有更好的效果.     

基于GA—BP神经网络的股票预测研究

股票市场是国民经济发展变化的“晴雨表”,股票价格的涨跌也是政治、经济、社会等诸多因素的综合反映。近几年来,神经网络取得较大发展已经成为热点研究并在各个领域中得到应用。针对此,基于遗传算法和BP神经网络,以中国石化100天股票技术指标历史数据作为训练样本对收盘价进行预测,10天数据进行检验,并通过图像拟合来验证神经网络股票预测的可行性和准确性。     

基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.     

一种基于改进BP神经网络的物体识别方法

提出基于自适应学习速率动量梯度下降的BP算法进行物体识别,并以修正的Hu不变矩特征作为BP神经网络的输入,通过训练对网络的权值和阈值进行调整.该算法使BP神经网络在学习速率和稳定性上有了进一步的提高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.     

基于BP神经网络的文本验证码破解

以某游戏网站的验证码为例,介绍了基于文本图像验证码的识别和破解过程。破解过程分为字符提取、字符修正和字符识别。在字符提取阶段需要对图片进行预处理降低提取难度,提取主要采用了近似颜色统计法;在字符修正阶段对比了传统的旋转算法和改进旋转算法,然后归一化字符;在字符识别阶段采用了BP神经网络方法,对验证码的识别正确率达70％,每个验证码的平均破解时间为1．625s。     

基于BP神经网络的玻璃缺陷识别技术研究

为了准确、快速地对玻璃质量进行分类,提出一种基于BP神经网络的玻璃缺陷识别方法。由于不变矩与灰度共生矩阵分别可以描述图像的形状与纹理,在分析了缺陷灰度图像特点的基础上,将图像的纹理特征和不变矩特征融合,综合提取出一个分类能力更强的特征向量,再使用一个拟牛顿改进算法的三层前向BP网络。作为分类器,对常见的玻璃缺陷进行了识别。通过实验对比该方法和传统的单一特征识别法,证明该方法不仅具有更高的识别率,并且实时性较好,为玻璃缺陷的自动识别提供了一种新的途径。     

基于BP神经网络的汽车图片车牌识别

高速公路的不断发展和车辆管理体制的不断完善,为以图像处理为基础的智能交通管理系统进入实际应用领域提供了契机。主要是对该系统中采集的车辆图片进行车牌识别的研究,主要分为牌照区域提取、图像二值化、牌照字符分割和牌照字符识别几个步骤。其中前三步是图像预处理部分,主要为后面的牌照识别提取特征向量,核心部分的字符识别部分采用BP神经网络。通过大量数据训练调整网络权值,达到理想的识别效果。     

基于BP神经网络进行云相态识别方法的研究

根据MODIS图像中8.5μm、11μm、12μm三波段的亮温判断云相态的原理,建立一个三层的BP人工神经网络算法.利用该算法分别对中国高纬度区域(N30°～N55°)和低纬度区域(N0°～N30°)的2008年1月15日和2008年7月15日的两景MODIS图像进行了云相态的识别,并把识别结果与NASA中心的MOD06云相态结果进行了对比,对比结果表明利用该方法反演云相态的正确率在90%以上,且利用该算法反演得出的云相态结果中,无法确定的云相态范围减少.     

基于BP神经网络锅炉压力预测方法研究

锅炉压力控制是热源厂系统控制的重要组成部分。本文结合BP神经网络的特点,对锅炉的压力进行控制,提高了系统的性能,节约了能源。本文还借助于数据库里存储的数据,再依据MATLAB仿真软件对系统进行了模拟仿真。通过仿真得到的有效数据使系统控制更加精确。     

基于BP神经网络的车牌识别技术研究

车牌识别（LPR）是智能交通中关键技术之一。针对目前车牌识别技术存在的一些问题,详细分析基于BP神经网络的车牌字符识别方法,对BP神经网络收敛速度慢且容易陷入局部极小点的缺陷进行改进。经仿真实验结果表明效果良好。