基于C#．NET与Matlab接口和BP网络的汽车产量预测

为了提高软件预测系统的开发效率和精度,研究了误差反向传播神经网络(Error Back Propagation Neural Network,BPNN)在Madab 2006a环境下的实现方法,采用迭代法选择神经网络训练参数.探讨了Matlab与C#.NET开发平台的接口技术,能成功实现C#.NET对Matlab神经网络工具箱的调用.以汽车产量预测为应用案例,开发了基于C#.NET和Matlab接口的神经网络预测系统.实验结果表明,该预测系统对汽车产量预测有着良好性能,接口技术的应用提高了软件开发效率.     

基于.NET的C#网络数据传输

首先介绍了基于.NET和C#的网络编程技术,然后根据作者实际的开发经验对网络数据传输的具体实现给出了较为详细的分析和阐述.     

基于改进BP网络的空调系统负荷预测

本文针对BP模型收敛速度慢、易陷入局部极小点等缺点,基于遗传算法的思想,对训练算法进行了改进,提高了收敛速度和预测精度。应用表明这种改进模型在空调系统的负荷预测方面是有效的、可行的。     

BP网络在催化剂活性预测中的应用

为了更好的掌握炼油企业实际生产中催化剂的用量,节约能源,减少不必要的浪费,将BP神经网络应用于催化剂活性的预测上,建立预测模型,进行训练并进行检验.该BP网络预测模型给工艺操作人员提供了一个观察催化剂活性及反应再生状态变化的窗口,使操作人员可以更好的掌控生产过程,随时调整催化剂的用量,让催化裂化装置在最优的状态下实现稳定工作,提高生产效率,增强催化裂化装置的抗干扰能力.     

基于BP模型的商业银行贷款风险预测

国有商业银行不良贷款严重束缚了商业银行的发展.防范金融风险,降低不良贷款,增强商业银行的风险识别能力,其关键是风险预测.商业银行贷款本身是一个复杂的非线性系统,用一般的线性理论难以客观反映其规律,为此,采用人工神经网络方法进行研究.在简述概念的基础上,通过反向传播网络(BP模型)对贷款企业的经营能力进行预测,从而对商业银行的贷款决策提供理论支持,使商业银行贷款风险能被控制在可控范围内.并对代表性的A股份有限公司进行预测,所得结果表明:建立的预测模型具有良好的风险预测能力.     

基于改进BP网络的广义预测控制快速算法

提出了一种改进的全局寻优自适应快速BP算法并把其应用于广义预测控制（GPC）算法中，解决了限制GPC实时控制的快速性问题。仿真结果表明其有效性。     

基于BP神经网络的非线性网络流量预测

传统的流量分析建立在线性模型的基础上,但是由于复杂的拓扑结构和网络行为,网络流量表现为一个非线性的系统。根据实际网络中测量的大量网络流量数据,建立一个时间相关的基于神经网络的流量模型,预测和分析网络流量状况。相对于传统线性模型该模型具有较高的预测精度、自适应性和鲁棒性。     

C#语言和.NET揭秘

本文介绍了C#语言和.NET的发展和功能特点。     

基于BP与RBF神经网络经济预测模型的研究

该文结合经济预测理论和BP神经网络算法和RBF神经网络的特点,研究浙江省基于BP神经网络算法和RBF神经网络算法的人工神经网络的经济增长预测.实证研究数据结果表明,人工神经网络具有较好的预测精度,但是各种神经网络进行经济增长预测的数据不一样,有些误差非常大.人工神经网络可以为宏观经济部门决策提供很好的参考依据.     

基于C#.NET的数据备份与恢复编程

通过分析数据备份和恢复所要做的准备工作,详细介绍数据库和关联支持文件备份与恢复的方法,提供了实现主要功能的代码.     

基于遗传神经网的沙尘暴预测模型的研究

神经网络结构和学习算法在很大程度影响模型建立的时间和预测结果的准确性,论文针对现有BP神经网络的缺陷,提出了基于遗传算法的神经网络预测模型,并利用该模型研究了沙尘暴的预测问题。仿真预测研究表明,提出的方法无论是收敛速度方面还是预报准确率方面,都取得了比较满意的结果。     

基于Matlab和C#的数显仪表数字识别系统

数显仪表中数字的识别技术在仪表自动识别领域中应用广泛,改善其识别准确率有助于提高仪表自动化水平。文中采用Otsu算法实现图像二值化,基于孤立像素连通域法对二值图像去噪,并利用垂直投影算法完成字符的分割,利用模块法进行特征提取。构建了3层BP神经网络,采用自适应带动量项的方法对BP神经网络进行参数调整。基于动态链接库方法,文中设计了结合Matlab和C#的数字识别系统。测试结果表明,单字符图像识别准确率可达98%,多字符图像识别准确率可达92.5%。     

基于Matlab神经网络的图像识别

神经网络是信息科学、脑科学、神经心理学等诸多学科近年来共同关注的研究热点.由于神经网络具有良好的抽象分类特性,使其成为解决图像识别相关问题的有效工具.在简述图像识别过程的基础上重点讨论利用BP神经网络对图像进行识别,用Matlab完成对神经网络的训练和测试,获得满意的结果.     

电力电量预测的神经网络方法

本文依次将前六个月用电量作为输入值,第七个月用电量作为输出值,建立BP神经网络结构,根据历史数据对神经网络进行训练,并通过预测试验,对预测网络进行检验,结果表明利用神经网络方法对全国用电量进行预测是可行的.     

基于XGBOOST-DNN的中期电力负荷预测

精准的负荷预测是电力工作者重要的工作之一,而负荷预测以预测周期的不同,一般可以划分为短期电力负荷预测与中长期电力负荷预测.其中中长期电力负荷预测相较短期电力负荷预测而言,该领域缺乏大量前沿工作者的探索.因此本文提出一种可应用于中期电力负荷预测领域且基于XGBoost-DNN的算法.该算法将树模型和深度神经网络相结合,并...     

基于HP-LSTM模型的股指价格预测方法

股指价格时间序列受到长期和短期不同因素的影响,且具有非平稳、非线性等特点,传统计量模型的预测精度较低。为提高预测精度,一些研究将人工神经网络模型用于金融时间序列预测,取得了比传统计量模型更好的效果。提出了一种融合了HP滤波（Hodrick-Prescott Filter）和LSTM神经网络模型的股指价格预测模型,模型使用HP滤波将股指价格时间序列分解为长期趋势和短期波动,利用LSTM神经网络模型分别学习长期趋势和短期波动序列的特征,并分别进行长期趋势和短期波动预测,将预测结果融合得出股指价格预测结果。实验结果表明,提出的HP-LSTM混合模型不仅可以有效捕捉到股指价格时间序列的长期趋势和短期波动的变化规律,提高了股指价格预测精度,并且长期趋势和短期波动都具有相应的经济含义,提高了模型的可解释性。     

基于加权K-Means和局部BPNN的票房预测模型

电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络（BPNN）的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预测的精度：（1）构建基于随机森林的影响因素影响力测量模型,并以此为依据对票房影响因素进行筛选,以此来简化后续预测模型的输入;（2）考虑到不同影响因素对票房的影响力不同的现实情况,为了解决以往研究中对影响因素权重平均分配的问题,本文构建了基于加权K-均值和局部BP神经网络的票房预测模型,以因素影响力为依据对样本数据进行加权的K-均值聚类,并基于子样本构建局部BP神经网络模型进行票房预测.实验证明,本文所构建的模型平均绝对百分比误差（MAPE）为8.49%,低于对比实验的10.39%,可以看出本文构建的基于加权K-均值以及局部BP神经网络的票房预测模型的预测结果要优于对比模型的预测结果.     

C#.NET环境下基于SerialPort实现SR23与PC机的通信

在介绍SR23温控仪的通信协议的基础上,详细叙述在C#.NET环境下利用SerialPort类实现SR23温控仪与PC机间的数据通信的原理与方法。通过串口通讯实现多点温度的远程监控与记录,实验表明该方法可行且具有良好的可传性和人机操作性。     

基于Matlab与．Net的神经网络推理应用

介绍了人工神经网络技术的基本概念,及其在Matlab6.5环境下的实现方法,探讨了Matlab与.Net开发平台的接口。最后以机械故障诊断为应用案例,说明了如何开发基于两个不同环境的故障诊断系统,得出了结合.Net框架和Matlab6.5环境解决工程技术领域问题的具体方法,并展望了此方法的应用前景。