人工神经网络在材料研究中的应用

简略介绍了人工神经网络的基本思想及特点,综述了人工神经网络在材料性能预测、工艺参数优化、相变规律的研究、微观组织模拟等领域的应用情况.对人工神经网络研究中存在的问题进行了分析,展望了其应用前景.     

神经网络用于电热响应曲线的分析

瞬态脉冲试验是一种对桥丝式电火工品进行无损检测的方法.通过瞬态脉冲试验得到火工品的电热响应曲线,正常的电热响应曲线是光滑的,而非正常的电热响应曲线往往有较大的波动,出现非正常电热响应曲线的火工品一般都存在某种疵病.该文将神经网络技术用于对电热响应曲线的分析,以区分正常的电热响应曲线和非正常的电热响应曲线.研究结果表明,该方法可以比较准确地区分这两种电热响应曲线,实现自动判断.     

基于BP神经网络的企业标准化综合评价方法研究

神经网络作为解决当前大多数非线性科学和计算智能领域问题的主要工具,对解决一些定性问题定量处理发挥了重要的作用.标准化是介于社会科学和自然科学之间的一门复杂性科学,其具有非线性的典型特点,对一些指标进行量化就显得尤为困难,目前对一些单位和项目进行标准化评价,主要采用的方法是专家打分法,对相关的管理工作带来了一定的不便.本文借助于神经网络在处理非线性问题中的优势,通过标准化工作综合评价指标体系,建立了三层BP神经网络模型,并给出了相关的算法,从性能分析可以发现,该方法对于标准化工作的综合评价具有一定的先进性,对后续提升标准化工作的科学性具有一定的参考意义.     

基于BP神经网络的冷水机组能效预测方法

针对冷水机组能效物理模型及辨识模型结构复杂,模型参数难以获取等特点,提出了基于BP神经网络的冷水机组能效预测方法,并以某酒店离心式冷水机组为例,建立了其冷水机组能效预测模型,并利用实际运行数据对模型进行了训练及验证,同时介绍了该模型神经网络结构参数的设计及冷水机组能效预测方法实现过程,线性回归分析结果表明：提出的能效预测方法能够准确地预测冷水机组的能效,方法简单、实用,具有一定的适用性。     

气淮两相流流型BP网络识别

解决气液两相流流型的客观、自动识别一直是工业界和学术界所关注的问题。本以U型科垂直上升段内空气水两相流为例,采用压力、压差波动的不同特征参数的组合,深入研究了对流型自适应BP网络识别的准确率的影响,获得了能够满足工种精度要求的参数波动特征组合方式,本的结果表明,该方法需要建立大量的流型特征的数据库,适用于流型的离线识别。     

两种神经网络模型在材料领域中的应用

简要介绍了基于BP反向误差传播算法和自组织特征映射算法的神经网络模型的基本原理和在材料领域中的应用。     

BP神经网络在备货型企业销售预测中的应用

结合BP神经网络能学习和存贮大量的输入-输出模式映射关系,无需事前揭示描述这种映射关系的数学方程的特点,分析了BP神经网络在备货型企业销售预测中算法实现过程,根据某备货型企业的销售记录情况,建立了基于BP神经网络的销售预测模型。实例结果表明,此方法计算结果误差较小,结果明显优于移动平滑法等方法,可用于指导实际生产决策。     

基于生态位理论的虚拟企业BP神经网络评价模型研究

借鉴了生态学中生物生态位的概念和理论,分析了虚拟企业生态位概念的内涵.从虚拟企业生存、进化和竞争的三维生存空间角度,建立了基于"态"、"势"、"位"概念的虚拟企业生态位评价体系.构建了基于BP神经网络的虚拟企业生态位评价模型,利用MATLAB神经网络软件包进行仿真计算,并通过典型算例验证了该方法的有效性.     

正交试验协同BP神经网络模型预测充填体强度

为准确预测充填体强度,基于18组混合水平的正交试验样本,以水泥熟料、脱硫灰渣、芒硝和钢渣的掺量作为4个输入因子,以充填体的7d和28d抗压强度作为输出因子,建立4×Y×2的BP神经网络充填体强度预测模型,并通过训练误差和预测强度误差的对比获得当隐含层神经元的个数Y取值为9时,模型的预测强度误差最小,其平均误差为0.7%。研究表明,该预测模型拟合的相关系数R高达0.999 89,7d和28d预测强度的最大相对误差分别为4.33%和0.84%,通过正交试验协同BP神经网络模型预测充填体强度可行性较强、准确度较高。该方法具有输入数据均匀分散、齐整可比和非线性优化的优点,为充填体强度的准确预测提供了新思路。     

BP神经网络在大型超市选址中的应用

针对选址决策方法现有研究的不足,从基础、介质、参考、约束、量度五个方面,建立了时间帧下分维度、分粒度的大型超市选址影响因子模型;引入BP神经网络,设计出了基于BP神经网络的大型超市选址分析模型.在通过一定样本学习和训练建立了稳定神经网络的基础上,实例验证了该模型在大型超市选址分析中的可行性和有效性.     

BP神经网络法确定工程材料评价指标的权重

针对工程选材综合评价中评价指标的权重难以合理确定这一问题,构建了BP神经网络法赋权模型。在此基础上,以汽车车身用有机涂层材料评价指标权重的确定为例,以经加权平均法合理评价的15种有机涂层材料作为网络训练样本(8个评价指标和加权平均法所得评价结果作为具体的样本数据),根据上述赋权模型,确定汽车车身用涂层材料8个评价指标的权重。以所得权重,根据改进理想解法对5种候选汽车车身用涂层材料进行综合评价。评价结果表明,最佳候选材料为丙烯酸树脂,与实际应用一致。说明评价所采用的权重客观合理,即采用BP神经网络法确定工程材料评价指标的权重合理可行。     

BP神经网络在产品配色中的应用研究

目的实现产品配色设计的自动化。方法以感性工学为理论基础,采用神经网络为关键技术来研究产品配色。首先确定产品色彩的感性词汇与色彩设计要素,然后利用BP神经网络模型建立色彩编码与感性意象评价值之间的关系,最后结合豆浆机实例,设置BP模型中的输入层、输出层、隐含层的相关参数来进行豆浆机配色感性意象设计的实验仿真。结果测试验证了BP神经网络在产品配色设计中应用的有效性。结论表明了产品感性意象与产品配色之间的关系,论证了利用BP神经网络建立产品配色辅助设计系统的可行性。     

基于BP神经网络和DEA的物流供应商选择

把交叉模型的评价结果设定为样本的期望值,将BP神经网络和交叉评价模型有机结合起来,构建了物流供应商选择模型。以2006年22家上市物流供应商的数据为样本进行了研究。该方法从统计数据出发,避免了主观因素对评价结果的影响,使物流供应商选择结果具有相对客观性。实例表明,该选择模型能够确定出备选物流供应商的评价等级和大小,为物流供应商的选择提供了一种新方法。     

基于神经网络响应面法的随机结构动力可靠度分析

在对神经网络响应面法的原理和算法进行研究的基础上，建立了基于神经网络响应面法的随机结构动力可靠度分析方法。首先，基于首次超越破坏准则，参照静力可靠度的功能函数模式，建立了随机结构的动力可靠度功能函数；然后引入响应面法，以三层BP神经网络作为拟合函数，推导了功能函数的拟合表达式；最后结合一次二阶矩方法求解可靠指标。算例分析表明了本文方法有较好的计算精度和计算效率，在复杂结构的动力可靠度分析中有较强的实用价值。     

BP神经网络的宇航服多维意象造型评价方法

目标 为适应宇航服造型设计对“大国形象”多维意象识别的需要,提出了以“大国形象”为导向的宇航服造型设计评价模型构建方法。方法 在大量用户调研的基础上,对“大国形象”意象集进行筛选,并采用认知实验与聚类分析相结合的方法获得宇航服产品的代表样品。采用语义差异法,对“大国形象”感性意象集中初步筛选词和宇航服产品代表样本之间的映射数据进行检验和分析,对得到的数据结果进行主成分分析,以获得宇航服产品对“大国形象”感性意象的认知空间。同时,根据全局HIEs解构原则和宇航服产品的功能约束清单建构宇航服产品造型特征空间。采用语义差异法和认知测试,得到宇航服造型多维意象认知空间。利用BP神经网络,以样本关键HIEs评价经数字编码后作为输入层,以各意象词下样本的感性意象均值作为输出层,构建宇航服造型意象评价模型。随后,采用留一交叉训练法对评价模型的准确性进行验证。结论 该评价模型能够有效解决造型特征与多维意象之间的映射及匹配,论证了造型意象和认知空间之间存在的关联性,探索出设计目标和设计意象关联判断的实践方法。     

于GA-BP模糊神经网络的商业银行信用风险评估

研究了商业银行信用风险评估的现状,针对单独应用BP神经网络评估信用风险时存在的缺陷,提出了基于遗传算法优化模糊BP神经网络的信用风险评估新模型.通过遗传算法训练模糊BP神经网络,克服网络建模中产生的局部极小的缺点,提高了风险评估的准确性.最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的评估模型预测误差非常小.     

BP 神经网络在显示器色空间转换中的应用

用色彩管理软件以及分光光度仪对显示器的屏幕进行了校准和特性化,采用BP 神经网络法建立了从RGB 色空间到Lab 色空间的转换模型。通过对实验数据进行对比分析,结果表明这种算法对色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

基于BP神经网络的引信贮存可靠性预计

根据引信贮存可靠性的特点和BP神经网络结构．建立了引信贮存可靠性预计的神经网络模型;结合库存引信可靠性的实测数据,应用BP神经网络的误差反向传播算法．对引信贮存可靠度进行了训练并预计出引信贮存可靠度下限值,并与极大似然估计的可靠度下限值进行了比较,结果相吻合．神经网络在引信贮存可靠性预计中的应用．对处理目前库存引信的决策具有重要意义．     

神经网络对结构地震反应的预测及试验研究

本文基于神经网络对非线性系统具有辨识和预测功能，并结合具有二阶收敛效应的Levenberg—Marquardt算法，采用一多层前馈网络对建筑结构的地震反应进行了预测。首先以一三层钢筋混凝土结构的振动台试验数据对网络结构进行批量训练，然后用未曾训练的地震波数据对结构进行地震反应预测，并与试验数据进行对比，分析结果表明：Lev—enberg—Marquardt算法能快速收敛，神经网络能准确地预测结构的地震反应。     

基于BP神经网络的喇叭嘴机构动平衡优化方法

目的为了提高烟支端面的切割质量,对喇叭嘴机构的动平衡性能进行优化。方法以两平衡块的设计角度为设计变量,惯性力和惯性力矩的均方根植为优化目标,建立喇叭嘴机构的动平衡优化函数。基于BP神经网络建立喇叭嘴机构动平衡预测模型,利用遗传算法优化该神经网络,以提高其预测精度,且获得最优值。结果优化后的机构动平衡性能得到明显改善,其中惯性力均方根值减小了37.16%,惯性力矩均方根值减小了8.33%。结论采用神经网络与遗传算法对喇叭嘴机构进行动平衡优化效果较好,提高了机构的工作稳定性。