基于BP的地类林种预测知识获取

利用知识获取技术,根据森林资源连续清查的固定样地调查资料,建立地类林种预测,并对所建立的模型进行适应性检验。检验结果表明用人工神经网络的方法对地类林种的动态变化是可以满足林业生产经营的精度要求,即该神经网络获取的知识是可行的。     

基于BP神经网络的福州港集装箱吞吐量预测与分析

基于集装箱吞吐量是在制定港口集装箱运输发展策略的重要定量决策依据,本文利用神经网络,对福州港未来三年的集装箱吞吐量进行预测,并就预测的结果进行简要分析。     

基于BP的食品中污染物残留量预测

利用神经网络,根据食品卫生监测部门日常对市场上食物的检测数据,建立污染物分布模型,并对所建立的模型进行适应性检验。     

基于人工神经网络的知识获取方法

知识获取是研制和开发专家系统的瓶颈。本文从三个方面研究了基于神经网络的知识获取方法,即通过实例学习获取知识、基于神经网络的知识求精以及从神经网络提取规则知识,分析了各自的原理及其存在的问题。     

基于神经网络的专家系统的应用研究

本文论述了传统专家系统的缺点及神经网络专家系统的功能，并给出了应用实例。     

基于BP神经网络在专家系统知识获取上的应用

提出电力线路故障诊断专家系统中基于BP神经网络知识获取的方法,利用神经网络的自学习功能,解决知识更新的问题,并在一定程度上弥补了专家系统在知识获取上的不足。     

智能诊断技术在稠油开采中的应用与实现

本文以稠油热采井为例提出了一种油田抽油井智能故障诊断技术 ,并给出了具体模型及具体实现方法。     

基于模型的知识获取及其一个范式

一、引言 知识获取被认为是知识工程的瓶颈,正如NIIs-。n田所指出的:“·…系统所需的成百条规则和上千个事实往往都是靠访问有关应用领域的专家来获取的,要把专家们的知识表示成事实和规则(或者任何其它形式的表达式)往往是一个枯燥而费时的过程,使这种知识获取过程自动化将是人工智能技术的一大进步.回顾历史,第一代知识获取技术是七十年代所广泛采用的“会晤”方式,即由计算机专家与领域专家长期交流;第二代知识获取技术则以八十年代计算机的辅助应用为特色;进入九十年代后,人们提出了高度集成的知识获取环境,这种环境提供从编辑、有效…     

应用人工神经网络进行DCS故障诊断知识学习的研究

介绍了应用人工神经网络进行DCS故障诊断知识学习的研究成果,并用实例对所采用的人工神经网络结构组成和学习算法进行了验证。     

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BP网络的神经计算机系统设计

人工神经网络具有许多优良的特性,如具有学习能力、自适应能力、容错与自修复能力等,这使得它可以应用和多领域中。但它的运算量大、收敛速度慢,若仅用普通的ＣＰＵ去实现,则很难满足实时计算的要求。鉴于ＤＳＰ具有高速运算能力,本文设计了ＰＣ机与ＤＳＰ构成的订／从式系统,并以ＢＰ网络为模型,提出了一种切实可靠的神经计算机设计方案。     

基于BP神经网络的城市污水泵站预测模型

针对污水流量受降雨径流、管网汇流等自然因素和生活污水、工业废水及泵闸开关等人为因素的影响,具有不确定性、非线性及滞后性,难以建立准确的城市污水泵站系统模型,采用人工神经网络方法建立了城市污水泵站预测模型,通过对污水泵站运行机理过程的理解以及对各变量进行相关性分析从而确定模型的输入,并对不同预见期污水泵站水位进行预测,通过与实际比较及有效性验证,该模型具有较高的精度,可指导城市排水的安全运行控制.     

基于BP神经网络的工作量估算模型

为了能够对敏捷开发项目进行有效的工作量估算,提出了一种基于BP神经网络的工作量估算模型。考虑到数据集中存在的一些噪声数据以及错误数据,并且软件开发工作量与其影响因子之间存在着复杂的非线性关系,基于人工神经网络,提出了适合该问题的工作量估算模型;并针对该模型给出了具体的实现和验证,与其他估算方法进行了比较,证实了本文中所提出的工作量估算模型具有良好的性能。     

基于改进的BP网的图形符号识别

提出了一种改进的 BP人工神经网络的图形识别算法 ,以达到加快识别过程和收敛速度的目的 ,可有效地处理断线、模糊图线、字线粘连等多种退化图纸的情况 ,既可获得线的逼近 ,又使识别具有自学习与自适应的智能性。     

基于BP神经网络的高速公路交通事件检测

回顾了几种传统的交通事件检测算法，提出基于多层前向人工神经网络的检测模型，并运用BP算法予以实现。在将BP算法与传统算法进行比较之后，发现BP算法具有检测率高、误报率低、平均检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。     

基于BP神经网络的农村用电量预测的研究

农村用电量预测是县级供电部门的重要工作之一，其受国民生产总值和上年度用电量的影响，具有一定的随机性。利用BP神经网络建立了农村用电量预测模型。通过应用实例分析表明，预测结果和实际结果有很好的一致性。     

基于BP人工神经网络的胆固醇含量诊断系统

临床研究已证明,血清总胆固醇水平增高是导致冠心病的独立危险因素.血清总胆固醇越高,发生动脉粥样硬化的风险越大,时间也越早.血清总胆固醇每降低1%,发生冠心病的危险性可减少2%.目前一般采用从血样的光谱组成得到血清的胆固醇含量级别.本文使用BP人工神经网络的算法,对几百例血清样本数据进行了训练、确证与测试,结果表明:该方法对胆固醇含量级别HDL、LDL和VLDL的分析取得了较为理想的效果.     

基于BP人工神经网络的车牌字符识别优化算法

车牌识别是电子警察系统重要的功能模块, 字符识别是车牌识别的关键步骤。目前,BP（Back Propagation）人工神经网络因其优越的性能而广泛应用到车牌识别中,但是BP神经网络在局部极值、假饱和、收敛速度缓慢等方面存在着不足。针对这些局限性,从网络的层数、节点数、动量项、学习因子方面进行分析和改进,构建了一个优化的BP人工神经网络,进行字符识别。仿真结果表明,该优化的识别算法识别准确率高,具有良好的识别性能。     

一种基于神经网络的不确定知识获取方法

本文介绍一种基于神经网络学习算法获取专家系统不确定知识的方法。文中给出神经网络的连接网络与专家系统的推理网络之间的可转换性,以及证明了它们的权值构成的学习矩阵与可信度构成的规则矩阵之间存在着一种等价性的关系。