基于人工神经网络的软件质量评价

为了提高软件质量评价的准确性,参考各软件质量模型中的质量因素,构建评价指标体系并设计了BP网络结构。通过在MATLAB环境下实例仿真,基于人工神经网络的评价结果与期望的结果是一致的,表明该方法能够准确、科学和客观地评价软件质量。     

基于人工神经网络的板形模式识别方法

根据带钢板形控制的要求,运用人工神经网络理论,提出了一种新的板形识别方法,代替了传统的多项式最小二乘拟合法,该法具有很强的容错性和抗干扰能力,编制了板形模式识别软件,识别效果很好。     

辽宁省耕地土壤1979～1999年土壤养分肥力的变化

1979年土壤普查结束后,沈阳、锦州、朝阳等地又在耕地土壤上采集5551个监测土样,进行了土壤有机质、全氮、有效磷、有效钾等项目的测试分析。结果表明,在1979-1999的20年中,全省耕地土壤有机质、全氮、有效钾呈下降趋势,有效磷呈上升趋势。有机质年递减率约为0.06%,全氮年递减率为0.47%,有效钾年递减率约为1.27%,平均下降20.6mg/kg,有效磷年递增率约为5.31%,平均上升7.3mg/kg。     

香蕉园土壤养分肥力时空变化研究

对香蕉园土壤养分肥力的研究是制定香蕉养分管理策略的基础。本研究采集了广东省香蕉主产区果园土壤样本110个,评价土壤养分肥力现状,并与第二次土壤普查结果相比,探讨养分肥力的时空变化。结果表明香蕉园土壤养分肥力整体上较高,缺素少,而硼是普遍缺乏的元素;与20世纪80年代初相比,香蕉园土壤养分肥力已经发生很大变化,主要表现为有机质明显下降、有效磷和速效钾的显著提高。从化肥消耗量变化、施肥结构及香蕉种植模式三方面探讨了时空变化的主要原因。     

无人系统自主等级模糊评价方法

为了评价无人系统在处理任务时的自主等级,本文构造了一个自主等级评定模型.它首先对系统执行行为序列后产生的反馈值进行分析,建立了一套评价自主等级的指标体系,包括环境的变化量、任务的完成度、系统状态的稳定度以及操作者和系统的交互程度.然后.将模糊集合论的思想和方法引入其中,提出模糊决策的方法来计算出无人系统的自主等级.最后,给出一个实例并进行验证.     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中，存在着含有大量数字信息的文件，实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此，文中提出了一种神经网络的方法来实现数字识别。经实验结果表明，该系统取得了较好的识别精度。     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度。     

不同肥力等级氮磷肥施肥试验及其技术的比较

1989－1991年在辽宁省阜新县10多个乡、40多个点安排了配方施肥田间小区试验和示范田,建立了3个不同肥力等级的氮磷肥料效应函数模型,比较了常见的几种配方施肥技术。试验证明,全县最佳经济施肥量比习惯施用量平均增产粮食1696．5kg.hm^-2,增产率22．4％,粮食纯收入每公顷提高522．9元。     

基于人工神经网络的IT项目风险评价模型

[摘要]：首先本文在构建IT项目风险评价体系的基础上,提出一种基于人工神经网络的多指标综合风险评价模型。其次,利用神经网络的自学习和自适应能力,经过训练的神经网络系统能够将专家评价思想以连接权的方式赋予风险评价模型。最后,通过实际IT项目评价数据的验证,该风险评价模型能够准确地按照专家评价法进行工作。     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

基于BP神经网络的锅炉控制系统

神经网络的自学习、自适应和并行处理等特性，使得它们在现代控制系统中得到了广泛的应用。结合温度的时变、滞后和非线性的特性，提出了一种基于人工神经网络的控制算法，并经计算机仿真表明，该算法具有响应速度快、精度高和鲁棒性的特点。     

基于BP神经网络的数据挖掘方法

神经网络的高度参数化特征使它特别灵活,以至于它可以精确的对数据进行分类,成为目前公认的高精度分类器。本文介绍一种基于BP神经网络的数据挖掘的分类方法,并提出了改进思想。     

基于BP网络的信息安全风险评估量化研究

以国家《信息安全风险评估指南》为指导,并参考NISTSP800—30的安全控制思想,构建了一套风险评估指标体系,讨论了运用改进的BP神经网络方法进行风险评估的原理。实践结果表明．利用BP人工神经网络进行风险评估是有效可行的一种风险量化算法。     

基于BP网络的信息安全风险评估量化研究

以国家《信息安全风险评估指南》为指导,并参考NISTSP800-30的安全控制思想,构建了一套风险评估指标体系,讨论了运用改进的BP神经网络方法进行风险评估的原理。实践结果表明,利用BP人工神经网络进行风险评估是有效可行的一种风险量化算法。     

基于人工神经网络的非线性回归

探讨了人工神经网络在回归分析领域应用的理论基础,对基于人工神经网络的非线性回归进行了深入的实践分析。以BP网络为例给出了基于人工神经网络的非线性回归实例分析。结果表明利用人工神经网络进行非线性回归是一种良好的数据回归方法,可以方便地应用于解决非线性回归问题。     

一种基于BP神经网络的室内定位模型

室内定位技术是一种获取室内的人和物位置信息的技术,以位置信息为基础可为使用者提供多种服务,在军事和民用领域都有着广阔的应用前景.在分析几种常见的室内无线定位方法以及基于RSS的室内无线定位方法的基础上,提出一种基于BP神经网络的室内定位模型并借助MATLAB 7.0加以实现.采用该方法进行室内定位,不需要WLAN以外的其他资源.由于不需要知道定位节点和建筑物的详细特性,用户的隐私将会得到完全的保护.仿真实验证明该模型的有效性.     

基于BP神经网络的防火墙系统综合性能评估方法研究

建立防火墙系统综合性能评估指标体系,探讨了基于BP神经网络的防火墙系统综合性能评估方法,并给出评估模型及算法实现。在Matlab中的仿真实验证明该方法是可行的。     

基于BP神经网络的防火墙系统综合性能评估方法研究

本文建立了防火墙系统综合性能评估指标体系，探讨了基于BP神经网络的防火墙系统综合性能评估方法，并给出了评估模型及算法实现。在Matlab中的仿真实验证明该方法是可行的。