基于BP神经网络的产品造型设计评价

为了对产品的造型设计进行评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价产品造型设计的方法.根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了产品造型设计BP神经网络评价模型,选择某一产品造型设计的13款方案作为样本,利用Matlab软件进行了BP网络的实例训练和验证.实验结果表明,BP神经网络模型可以较准确的对产品造型设计进行评价.     

基于改进型BP神经网络的信用评估系统研究

通过研究企业信用评估中的模型问题,为企业经营活动和决策过程提供信息支持。介绍了几种常用的信用评估模型,通过分析它们在评估中的缺陷,提出基于改进型BP神经网络的信用评估模型。在建立指标体系和输出机制的基础上,讨论了基于信用评估模型的评估系统的设计与实现。对模型和评估系统的不足进行了分析,并提出了改进建议。     

基于BP神经网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程研究的一个重要方面.如何在缺乏可靠性数据的情况下,选择合适的软件可靠性模型是对软件可靠性进行量化分析的关键.参照软件可靠性模型评价准则,根据聚类思想,对失效数据编码,采用反向传播神经网络进行聚类计算,从而实现了软件可靠性模型的选择.最后通过仿真实验证明了该方法的正确性和有效性.     

基于MATLAB的软件可靠性BP神经网络模型

研究并分析了BP神经网络的结构和特点,针对不足之处提出改进方法.在改进的基础上建立神经网络软件可靠性新模型.通过MATLAB仿真工具进行了实例仿真,证实该新模型比传统模型预测精度高,泛化能力强.     

A cooperation model based on CVaR measure for a two-stage supply chain

In this paper, we introduce a cooperation model (CM) for the two-stage supply chain consisting of a manufacturer and a retailer. In this model, it is supposed that the objective of the manufacturer is to maximise his/her profit while the objective of the retailer is to minimise his/her CVaR while controlling the risk originating from fluctuation in market demand. In reality, the manufacturer and the retailer would like to choose their own decisions as to wholesale price and order quantity to optimise their own objectives, resulting the fact that the expected decision of the manufacturer and that of the retailer may conflict with each other. Then, to achieve cooperation, the manufacturer and the retailer both need to give some concessions. The proposed model aims to coordinate the decisions of the manufacturer and the retailer, and balance the concessions of the two in their cooperation. We introduce an s* ? optimal equilibrium solution in this model, which can decide the minimum concession that the manufacturer and the retailer need to give for their cooperation, and prove that the s* ? optimal equilibrium solution can be obtained by solving a goal programming problem. Further, the case of different concessions made by the manufacturer and the retailer is also discussed. Numerical results show that the CM is efficient in dealing with the cooperations between the supplier and the retailer.     

基于肤色模型与BP神经网络的手势识别

针对基于视觉的手势识别率不高,鲁棒性欠佳的问题,提出了一种基于YCb Cr椭圆聚类肤色模型分割手势结合反向传播(BP)神经网络识别的手势识别方法。对采集到的图像序列利用离散余弦变换(DCT)去噪处理和边缘检测,根据人体肤色在YCb Cr空间聚类紧凑的特性提取出手势的形状轮廓,将边缘检测与肤色模型分割结果相与得到分割出的手势,利用加速稳健特性(SURF)算法提取构建手势的特征向量,最后通过BP神经网络对手势图分类和识别。实验结果表明:针对复杂背景下的手势,该算法具有较强的鲁棒性,效率高,识别的准确率可达到96%。     

Optimization of supply chain efficiency management based on machine learning and neural network

Neural Computing and Applications - Supply chain management is of great significance to business operations and socioeconomic development. However, the current supply chain efficiency management...     

基于BP神经网络的人脸表情识别

在BP神经网络及算法的基础上,提出了将其用于人脸表情识别的方法,不对人脸表情图像作特征提取,直接把图像数据作为神经网络识别器的输入.利用Matlab完成了网络的训练与测试.结果表明,本方案简单、快速、正确率高、识别时间短、泛化能力较强,可满足实时处理要求.     

BP神经网络在股票预测中的应用

介绍了时间序列和BP神经网络算法,并给出信号正向传播和误差反向传播的公式,在此基础上运用BP算法对股票时间序列短期的走势进行预测分析.实验结果表明此方法效果良好,识别率高,具有一定的实用价值.     

基于BP神经网络的交通标志识别

对神经网络理论和神经网络分类器进行了研究,提出了基于BP神经网络分类器的交通标志识别模型。通过大量实验和比较,得到了识别效率高的模型,并将这一模型应用到所研究的交通标志识别系统,从而对系统作了初步的实现。     

基于BP神经网络的手势识别系统

给出了采用ADXL335加速度传感器来采集五个手指和手背的加速度三轴信息,并通过ZigBee无线网络传输来提取手势特征量,同时利用BP神经网络算法进行误差分析来实现手势识别的设计方法。最后,通过Matlab验证,结果表明,该系统在测试中识别率较高,系统稳定。     

基于BP神经网络的传感器交叉敏感性抑制

多传感器系统通常都存在交叉敏感性问题,传感器静态性不仅受某一个环境参量的影响,有时甚至受多个非目标参量的影响,致使测量精度低。提出一种基于BP神经网络的传感器的交叉敏感性抑制的方法,并应用到实际的检测系统中。通过对应用神经网络前后的数据进行比较分析,表明该方法大大降低了交叉干扰,提高了测量精度,达到了预期效果。     

BP神经网络在射频识别定位系统中的应用研究

为了提高采用射频识别技术进行定位的精度,针对无源标签射频识别技术及采用BP神经网络对其定位精度的改善进行了研究。首先建立了基于无源标签的射频识别定位系统,之后建立了相应的BP神经网络,并通过实验进行了验证。实验结果表明,在60 cm×50 cm的区域内,通过四角布置四个天线,利用信号强度作为输入信号,采用BP神经网络可以将定位误差控制在2 cm以内,平均欧几里得误差控制在1以内。说明采用BP神经网络可以改善射频识别定位技术的精度。     

基于BP神经网络技术的车辆通行时间预测研究

为进一步提高交通调度效率,解决日益严重的交通拥堵现状,提出基于BP神经网络模型预测车辆通行时间的方案。根据交叉路口特征,建立了三层BP(Back Propagation)神经网络模型,并确定模型的输入层和输出层神经元数目均为4个。采用MATLAB软件对采集的车辆通行数据进行仿真分析,最终确定隐含层神经元数目为9个。利用预测样本对BP神经网络模型进行了可行性验证。结果表明,BP神经网络模型能够用于预测排队车辆通行时间,误差在10%以内,可以作为交通控制器配时方案的依据,提高车辆通行效率。     

目视检测损伤检出概率BP神经网络预测模型

为了获得更可靠的检出概率,提高目视检测结果准确性,保证航空维修安全,根据检测环境影响因素实验结果,选取照明条件、检测距离、检测角度、损伤深度作为检测结果影响因素,采用反向传播（ BP）神经网络,以4个影响因素作为输入层神经元,检出概率作为输出层神经元,通过网络训练对样本数据进行仿真,建立检出概率预测模型,通过比较预测和实验数据对模型进行检验。结果表明,模型预测与实验所得检出概率值均方百分比误差为4.79',模型预测结果是有效可行的。根据目视检测损伤检出概率BP神经网络预测模型可以选择符合要求的检测条件。     

双目摄像机定标的神经网络方法

研究基于反向传播神经网络的摄像机双目立体视觉定标新方法。传统方法基于三角测量原理技术,会带入成像畸变非线性误差,而这种新方法可以消除非线性因素的影响。该方法利用了BP网络良好的非线性映射能力以及学习、泛化能力,通过采用高精度样本数据训练BP网络,最终建立起立体视觉定标的网络模型。由于不需要考虑视觉模型误差、光学调整误差、广角畸变等因素对视觉检测系统测量精度的影响,因而能够有效地克服常规建模方法的不足,保证了检测系统具有较高的精度。     

基于BP网络模型的立项评估研究与应用

在项目管理立项评估数据的基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件将BP算法的评估模型首次应用在科研项目的立项评估中。通过科研项目立项评估模型的实际运行,证明了该评估算法的有效性,有力提高了科研部门的立项评估水平。     

基于改进BP神经网络私家车保有量的预测研究

根据某地区1996年-2007年连续12年私家车的保有量,提出了一种改进的BP神经网络的私家车保有量的预测模型,以人均国内生产总值、公交车营运总里程、居民人均可支配收入等10个指标作为网络的输入因子,以私家车保有量作为输出因子,利用1996年至2007年的数据进行训练和检验,得到了预测仿真的结果,预测值与实际值的误差比传统的神经网络预测的误差更小,达到了预期的目的.     

A multi-objective optimization for green supply chain network design

In this paper, we study a supply chain network design problem with environmental concerns. We are interested in the environmental investments decisions in the design phase and propose a multi-objective optimization model that captures the trade-off between the total cost and the environment influence. We conduct a comprehensive set of numerical experiments. The results show that our model can be applied as an effective tool in the strategic planning for green supply chain. Meanwhile, the sensitivity analysis provides some interesting managerial insights for firms.     

基于遗传算法优化神经网络的产品造型设计评价

为全面科学地评定、筛选最佳设计方案,借助遗传算法的全局寻优能力对BP神经网络进行优化,构建混合GA‐BP算法,并将其应用于笔记本产品造型设计评价中。在建立笔记本造型二级指标评价体系的基础上,利用18款设计方案中的15款对混合GA‐BP评价系统进行训练,利用其余3款设计方案对训练后的系统进行验证。验证结果表明,模拟值与实际值的相对误差分别为3?6％、－1?7％和2?8％,显示了较高的精度,反映了混合GA‐BP产品造型设计评价系统能对设计方案进行科学的评价。