半参数方法在缺失数据中的研究及应用

为了更多的利用缺失数据提供的信息,采用经验似然给出缺失协变量的条件分布的半参数方法对数据的缺失部分进行处理,并与几种比较常见的数据缺失处理方法——均值插补、多重插补、EM方法等进行了比较。模拟和实证研究中,在不同的缺失率下,运用Logistic模型,对几种方法的缺失处理效果加以比较,结果表明,随着缺失率的增加,几种方法的性能都受到影响,而半参数方法较其他几种方法更好。     

优化BP神经网络在非均衡数据分类中的应用

基于预处理结果将降噪BP神经网络方法应用于非均衡数据分类。通过SGD方法获取最小代价的函数损失值。引入学习率自适应更新方法对SGD方法中的学习率进行更新,给出非均衡数据分类流程,实现非均衡数据分类。     

BP神经网络在经济研究中的应用

讨论误差逆传播学习算法模型（BP）在经济研究中的应用。建立第三产业就业的BP神经网络模型,以1978—2003年我国人均GDP和第三产业就业人员比重的历史数据为样本,运用该模型和回归方程进行处理。比较结果发现,前者在拟合精度上高于后者。运用模型对经济变量进行仿真和预测,结果表明BP神经网络能够对训练样本进行精确的拟合,在样本数据区间范围内获得良好的拟合结果,特别适合于分析经济发展规律,在经济预测上也具有较大的应用价值。     

基于BP神经网络的高密度电阻率数据反演方法

目的 对高密度电阻率数据反演计算,解决传统局部线性化迭代反演时求解容易陷入局部模型极小解和依赖初始模型的选择等问题.方法 采用二维改进有限元法计算不同地电模型的视电阻率,利用所得结果训练BP神经网络,神经网络的自学习能力将使最终输出为全局最优解.结果 将神经网络与最小二乘法的反演结果作以比较,BP神经网络能够得到全局最优解,因此能较好地反映地电模型,并且计算过程中不需要选择初始模型.结论 神经网络训练成功后,能够克服传统反演方法的不足,因此适合解决复杂的非线性反演问题.     

BP神经网络在汽车故障诊断中的应用研究

深入研究了BP神经网络技术在汽车故障诊断系统应用中出现的问题,解决了网络收敛速度慢,准确率低的实际问题,并且提出了一些新的理论与方法。     

BP神经网络在回归分析中的应用研究

通过实例比较，分析了神经网络在回归分析和预测中的应用。与传统的回归方法相比在某些方面有一定的优势。     

BP神经网络在醋酸乙烯生产中的应用研究

介绍了醋酸乙烯合成反主应器BP神经网络模型的建立及有关参数的选取;提出了采用LevenbergMarquart优化法来训练BP神经网络,通过将BP神经网络用于醋酸乙烯合成反应器操作优化的研究表明,对于机理不明确或精确模型难于建立的过程,人工神经网络是一种有效的方法。     

BP神经网络在醋酸乙烯生产中的应用研究

介绍了醋酸乙烯合成反应器BP神经网络模型的建立及有关参数的选取;提出了采用LevenbergMarquart优化法来训练BP神经网络. 通过将BP神经网络用于醋酸乙烯合成反应器操作优化的研究表明,对于机理不明确或精确模型难于建立的过程, 人工神经网络是一种有效的方法.     

BP神经网络在图像信息提取中的应用研究

本文阐述BP神经网络在图像信息提取中的运用,包括：遥感技术、图像识别原理和模式识别常用的神经网络模型．针对目前在目标识别中应用最多的前馈神经网络模型研究其采用的BP算法,讨论了由于标准的BP算法存在训练时间长、收敛速度慢和易陷入局部极小值等问题,提出了BP神经网络分类器的设计方法、样本的选择及组织的改进方法．     

小波与BP神经网络在零件识别应用中的研究

针对目前在线零件识别系统在速度和精确度上存在的缺陷,采用小波多尺度边缘检测技术,结合BP神经网络的识别系统,提出了一种新的基于小波和BP神经网络的零件识别技术.实验结果表明,该方法不仅提高了识别准确率,还使目标识别具有更好的抗噪能力.     

多元线性回归与BP神经网络预测模型对比与运用研究

对多元线性回归模型及BP神经网络模型的理论及运用方法进行研究,采用SPSS及MATLAB软件分别建立多元性回归和BP神经网络预测模型,通过农村居民纯收入预测的算例,对多元线性回p-3和BP神经网络预测模型的拟合优度、初始数据的仿真与模拟能力和新数据的预测能力进行对比,数据结果表明BP神经网络预测模型优于多元线性回归预测模型．     

BP神经网络集成挖掘方法在财务预警中的应用

分析了基于加权的集成预测,研究了一种基于贝叶斯的BP神经网络集成挖掘方法,通过R平台实现算法,成功地应用于上市公司财务预警。各种预测方法实验结果对比得出,集成预测可以提高财务风险预测的准确率。     

BP神经网络预测压裂井施工参数的研究

介绍了BP神经网络模型和网络具体计算过程。以江汉油田黄场区块45口已压裂井为训练样本,孔隙度、渗透率、含油饱和度、声波时差、射孔段深度、有效厚度、共小层数、压前日产油量、压前日产水量等9个指标作为网络输入,砂量、砂比、排量、破裂压力、施工压力等5个施工参数为网络输出,建立了压裂井施工参数预测的BP网络模型,重点研究网络参数变化对预测精度的影响关系。另外选5口未训练井进行预测,通过适当调整各参数,预测结果与现场施工结果吻合程度很高,为压裂施工设计提供有力支持。     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.     

BP神经网络在蒸汽流量测量中的应用研究

本文介绍了BP人工神经网络在蒸汽流量测量中的应用研究,对网络的创建及其实现过程进行了详细的阐述,并通过采用非线性网络和动量BP算法实现了蒸汽流量的测量.仿真结果表明:通过神经网络的自学习功能来测量热力公司所需求的蒸汽流量,精度较高,方法有效可行.     

BP神经网络在工程测井反演中的应用研究

BP神经网络是一种涉及计算机科学、生物学、认识科学、物理学和数学等多门学科的一门崭新信息学科。经过多年的探索和研究,BP神经网络在岩土工程测井反演中有广泛的应用前景。本文介绍了BP神经网络以地震数据为输入,测井参数为输出的多井多参数非线性反演的基本理论基础和实施策略,并结合具体的岩土工程实例,说明BP神经网络在工程中取得了很好的应用效果。     

改进的BP神经网络在医疗中的应用研究

鉴于传统BP神经网络存在诸如收敛速度缓慢和易陷入局部极小值的缺陷,提出在BP神经网络中引入动量因子、陡度因子、自适应学习速率和改进粒子群算法优化BP权值等对传统BP进行改进,使其达到预测误差小、精度高、训练快的目的。改进后用来预测区域内各个年龄段患糖尿病人数百分比。由仿真实验结果可知,改进后的BP神经网络比传统BP神经网络收敛更快、误差更小。     

半参数回归模型在测量数据处理中的应用

考虑半参数测量模型，利用核函数并综合最小二乘法建立了参数β和s的估计量β^^，s^^其次，用一个模拟的平差算例从估值的稳定性、均方差等方面与最小二乘法进行了比较，最后，将所得结果应用到自由网平差和GPS测量中。结果说明，半参数测量模型比参数模型更能反应真实情况。     

BP神经网络在渠系自动控制中的应用

就渠系自动控制的问题,比较分析了常用的两种渠系建模方案,提出利用改进BP网络进行渠系辨识,然后在线自动控制。通过改进BP网络算法及模糊技术,克服BP网络所存在的容易陷入局部极小点、对初值要求高、训练时间长等缺点。仿真研究表明,在渠系自动控制中,利用神经网络技术是一种比较理想的方法。     

BP神经网络在变压器故障诊断中的应用

介绍了电力变压器内部常见的故障,采用BP神经网络算法建立了变压器的神经网络故障诊断模型,通过与传统的IEC三比值法相比较,表明基于BP网络的诊断方法达到了较好的故障识别与分类,诊断准确率也有显著的提高,在变电设备故障诊断中具有良好的应用前景.