用神经网络算法建立钢丝拉拔过程强度模型

将人工神经网络算法引进材料科学处理实验数据，在一定范围内，能较好地对实验数据进行预报。神经网络模型比经验公式预测钢丝拉拔过程的抗拉强度有效。     

基于信息熵的决策树挖掘算法在智能电力营销中的应用

针对目前电力营销管理系统缺少有效的营销数据决策支持的问题,将基于信息熵的决策树挖掘算法应用于电力营销中,并建立电力客户分类模型.实际应用结果表明,该分类模型具有较好的预测分类能力,能够满足电力营销工作中的客户及时准确分类的需要.     

BP神经网络在毛织物风格评价中的应用研究

评述了人工神经网络和织物风格评价的特点，提出人工神经网络在毛织物风格评价中的工作原理和网络构建方法。基于反向传播神经网络模型(BP)建立了3层网络系统用于处理织物风格信号。经过学习训练，系统具有较强的自适应预测能力。     

人工神经网络模型在纸机设计中的应用研究

人工神经网络是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。本文构建了流浆箱中纤维所受流体剪切力的人工神经网络非线性模型，为神经网络在流浆箱设计中的进一步应用做铺垫。     

预测织物拉伸性能的 BP 网络方法

在介绍织物结构力学研究途径和人工神经网络模型建立方法的基础上,提出织物拉伸性能研究的ＢＰ神经网络方法,建立织物拉伸性能预测的ＢＰ算法模型,给出该模型的评价方法。     

利用神经网络与AFIS纤维测试系统预测纱线质量

评述了人工神经网络以及AFIS纤维测试系统的特点，提出利用人工神经网络和AFIS纤维测试系统进行纺纱质量预测的工作原理和网络构建方法，并提供了实例，说明神经网络可以有效地解决纱线质量预测问题，指出人工神经网络技术在纺纱质量预测和控制中的广泛应用前景。     

基于高速动车组重联网络控制系统时延的研究

文章首先建立高速动车组重联网络控制系统模型并分析前向通道与反向通道时延,基于BP神经网络递推预测的方法对网络控制系统未来的输出进行预测。然后提出一种快速隐式广义预测控制算法(IGPC)对预测的时延进行补偿,IGPC算法的原理是根据系统输入与输出数据,并利用广义预测控制(Generalized Predictive Control,GPC)算法与动态矩阵控制律(DMC)的等价性,直接求解最优控制律。IGPC算法比GPC算法的计算量更小且效率更高,既能节省时间成本又能保证高速动车组网络控制的实时性。最后将BP神经网络递推预测的方法与IGPC、GPC结合起来,分别采用无时延补偿基于BP神经网络预测的GPC算法、有时延补偿基于BP神经网络预测的GPC算法及有时延补偿基于BP神经网络预测的IGPC算法进行实验仿真,实验结果表明:相比较于其它两种算法,有时延补偿基于BP神经网络预测的IGPC算法可较好地跟踪标准参考方波,在初始阶段的震荡时间最短且超调量也最小。故有时延补偿基于BP神经网络预测的IGPC算法为最优算法。     

卷烟制丝环节关键工序水分预测模型的建立与检验

以卷烟制丝环节的松散回潮工序、加料回潮工序、热风润叶工序以及制丝全线为研究对象,利用人工神经网络及多元回归建模方法,考察不同建模方法对各工序水分预测精度的影响,并对其进行运行测试。结果表明:松散回潮工序水分预测选择多元回归方法建模,其预测误差绝对值的均值为0.24%;加料回潮工序水分预测选择人工神经网络方法建模,其预测误差绝对值的均值为0.20%;热风润叶工序水分预测选择人工神经网络方法建模,其预测误差绝对值的均值为0.10%;制丝全线水分预测选择人工神经网络方法建模,其预测误差绝对值的均值为0.05%;模型运算系统基于C#语言开发,使用SQLSERVER数据库存储数据;开发的模型运算系统具有很强的数据分析能力和生产预测能力,可用于卷烟制丝环节各关键工序的水分预测。     

ANN在镁合金性能预测中的应用

简述人工神经网络的原理和特点,详细介绍近年来人工神经网络算法在镁合金力学性能、晶粒尺寸、抗拉强度等性能预测中的应用情况,并对进一步提高神经网络预测精度的研究方向进行展望。     

GA-BP算法下的管材滚切预测模型

为了满足管材滚切高质量的要求,本文利用遗传算法优化BP神经网络模型,实现对管材切口质量的预测。通过数值模拟得到管材滚切预测网络模型的输入输出样本数据,以此数据在GA-BP神经网络模型上进行仿真最终得到管材滚切预测的GA-BP网络模型。通过一系列的实践应用,得知GA-BP算法模型具备良好的预测精度及其稳定性。以建立的管材滚切预测的GA-BP网络模型,在MATLAB的GUI环境中建立了管材滚切过程中所需的工艺参数直接从界面输入,通过所建模型的预测,输出结果直接从界面上读取,实现了管材滚切预测模式的人机交互。     

人工神经网络在化学中的应用进展

简述了人工神经网络的主要特点和最常用的类型——误差反向传递网络(BP网络)，将人工抻经网络在化学中的应用分为7个方面：过程控制与故障检测、蛋白质结构预测、谱图分析、优化问题、化学反应产物及产率的预测、定量构效关系、模式识别，并分别讨论了人工神经网络模型算法研究的基本情况。     

基于人工神经网络的碱性蛋白酶水解乳清蛋白预测模型的建立

乳清蛋白水解物的生物利用价值高,水解度是衡量水解物的重要指标之一。基于人工神经网络方法建立了碱性蛋白酶水解乳清蛋白的水解模型。利用Matlab的nnet工具包中的nftool建立神经网络模型。实验中设置了15个隐藏神经元,选用Levenberg-Marquardt训练算法迭代计算。实验结果表明:测试值与输出值的误差平均较小,拟合回归得到的整体R2=0.97995,测试集合的R2=0.96239,表明神经网络拟合效果和预测能力良好,能够较好地完成水解度预测的目标,选用的测试组的实验结果与神经网络输出值之间的误差均在±3%以内,说明此神经网络预测模型具有较高的预测能力和精度。     

基于BP神经网络的仓储小麦的生理生化指标预测

BP神经网络算法在粮食仓储领域拥有巨大的应用价值和潜力。本研究尝试将BP神经网络引入仓储小麦品质预警模型,以天津储粮抽检数据为对象,通过对室内温度的记录,样品水分、淀粉、蛋白质等11项生理生化指标的定期检测,利用BP神经网络算法进行仓储小麦的品质预测与影响分析。仿真结果表明,基于BP神经网络的数据预测方法具有较小的过程误差和较高的结果准确性,为仓储小麦的品质预测提供了一种有效的研究方法。     

基于BP人工神经网络的纱线毛羽预测研究

研究基于BP人工神经网络的纱线毛羽预测问题.以棉纤维的7项品质指标作为输入参数,以棉纱的毛羽指数H指标作为输出参数,通过使用36组数据分别进行网络模型训练,最终将纱线毛羽指数预测模型的结构选定为7-10-1来进行纱线毛羽的预测,结果表明:BP人工神经网络模型的预测速度和精度较好.     

食品添加剂高效液相色谱分析的神经网络建模研究

以七种食品添加剂的高效液相色谱分析数据为基础,建立了一个预测保留时间的人工神经网络模型。模型采用BP网络的基本结构和算法,含有一个隐层的双层拓扑结构。确定了隐层节点数的最佳取值范围,不仅可以满足模型对仿真精度的要求,而且可以使模型的训练速度保持在合适的范围内,避免了过多的隐层节点数导致网络冗余和收敛速度下降。模拟结果表明,基本BP算法训练网络具有很好的稳定性,预测结果与实验数据有良好的一致性。     

基于人工神经网络的碱性蛋白酶水解乳清蛋白预测模型的建立

乳清蛋白水解物的生物利用价值高,水解度是衡量水解物的重要指标之一。基于人工神经网络方法建立了碱性蛋白酶水解乳清蛋白的水解模型。利用Matlab的nnet工具包中的nftool建立神经网络模型。实验中设置了15个隐藏神经元,选用Levenberg-Marquardt训练算法迭代计算。实验结果表明:测试值与输出值的误差平均较小,拟合回归得到的整体R2=0.97995,测试集合的R2=0.96239,表明神经网络拟合效果和预测能力良好,能够较好地完成水解度预测的目标,选用的测试组的实验结果与神经网络输出值之间的误差均在±3%以内,说明此神经网络预测模型具有较高的预测能力和精度。      

卷烟销量组合预测模型研究

  目的  为进一步提高卷烟月度销量预测精度,  方法  本文选择ARIMA模型、基于梯度下降算法的BP神经网络模型、基于Levenberg-Marquardt算法改进的BP神经网络模型等3种模型为单项预测模型, 并利用BP神经网络对各单项预测模型进行动态加权, 构建非线性组合模型对全国卷烟月度数据进行预测。首先, 利用各单项预测方法对卷烟历史数据进行仿真拟合, 并对2018年1~4月的销量进行预测; 其次, 构建非线性组合预测模型, 对3个单项预测模型的拟合及预测结果进行动态加权, 充分利用各个模型的优势, 获取销量数据的各方面的信息。  结果  研究表明, 相比于单项预测模型, 组合预测模型误差绝对值均小于当月的日均销售量, 预测误差更加均衡, 结果更加平稳, 适应性更强, 更符合卷烟销售的实际情况。      

人工神经网络在计算机辅助工艺设计中的应用

分析了CAPP系统工艺设计的特点,介绍了人工神经网络的定义及要点,以人工神经网络技术为基础,探讨了人工神经网络在CAPP工艺设计中的应用。以图利用人工神经网络技术,建立神经网络模型,自动生成零件的加工工艺路线。     

应用BP神经网络建立水射流粉碎模型

应用Matlab神经网络工具箱 (NNT)和BP神经网络理论 ,建立了水射流粉碎机优化设计的BP神经网络模型 ,应用该模型对水力粉碎机产量进行了预测 ,预测结果和实测结果基本吻合。为实现水力粉碎技术的工业化提供了一种优化设计方法。     

基于神经网络遗传算法优化棉粕挤压膨化脱酚工艺

本文应用人工神经网络模拟了棉粕的挤压膨化脱酚工艺,建立了一个3层网络结构的BP神经网络模型用以预测游离棉酚的降解规律,采用十折交叉验证表明:选择隐藏层神经元数为8、网络训练函数为\