基于BP神经网络的运动文胸肩带属性与乳房振幅的函数关系

为确定运动文胸肩带的3种属性在人体跑步时对胸部振幅的影响,选取8名被测人员,在其左胸上标记6个测量点,更换不同的肩带进行人体运动测试,记录这些测量点动态的三维坐标,进而得到乳房运动的振幅;利用BP神经网络模型,通过更换不同的网络模型参数,确定运动文胸肩带的3种属性与乳房振幅之间的权值关系。结果表明,选取BP神经网络的传输函数为tansig函数,隐含层神经元个数为21个,训练函数为traingdm作为网络参数时,网络拟合出的乳房振幅值达到了真实值的99.44%;在该网络参数下,分别求得网络输入层到隐含层和隐含层到输出层的权值和阈值,最终得到肩带的3种属性与胸部振幅的正向推理关系式。     

人工神经网络在电力营销系统中的应用与实现

在电力行业信息化发展背景下,收集与存储大量电力数据,可为电力企业营销决策制定提供依据。该文提出采用人工神经网络构建电力营销系统BP神经网络模型,通过智能决策树分类算法预处理模型数据,得到最优化的模型数据,并改进神经网络隐含层节点数目算法,结合应用分时段预测方法及共轭梯度算法分别进行网络训练及网络结构优化,为网络收敛速度加快提供保障,得出相对准确的电力营销年度电量预测结论,说明电力营销系统中人工神经网络具有较高的应用价值。     

近红外光谱协同BP神经网络的泰国茉莉香米掺伪含量快速鉴定

利用近红外光谱协同BP神经网络算法,对泰国茉莉香米及其掺伪样品的近红外光谱进行多元散射校正预处理,挑选出48个特征波长;以特征波长的吸光度为BP神经网络输入层神经元,以样品中泰国茉莉香米的含量为输出层神经元,获得BP神经网络算法的最优结构模型,即为单层隐含层、隐含层神经元数7、隐含层传递函数logsig、输出层传递函数...     

BP神经网络在织物疵点识别中的应用

采用3层BP神经网络对织物疵点进行识别,提出织物疵点识别网络不适宜规则,将其应用于隐含层神经元个数选择和训练方法筛选,以优化网络结构,提高训练速度和网络识别精度,设计出较优的织物疵点识别网络。将丝织物中常见的断经、断纬、重纬、档疵、破洞和油污6类疵点作为识别样本,对按照网络不适宜规则设计的网络进行测试。从识别结果来看,BP神经网络可以满足织物疵点识别需要,且具有正确识别率高,识别速度快的优点。     

基于BP神经网络的色纺纱配色

针对传统配色模型实用性差的问题,利用神经网络强大的非线性映射能力,探讨基于人工神经网络的色纺纱配色方法。构建了色纺纱BP神经网络配色模型,研究了多种BP算法,隐含层节点数对仿真效果及泛化能力的影响。实验结果表明:基于BP 神经网络的色纺纱配色方法可以实现色纺纱反射率与配方之间的非线性映射,新型算法（Levenberg-Marquardt、拟牛顿、共轭梯度算法）在迭代次数和仿真时间上有较大的优势,隐含层节点数对仿真结果影响较小,训练样本的平均预测色差DEcmc(2:1)为0.18,但训练样本范围外的预测色差较大,因此提高该神经网络的泛化性能是下一步研究的关键。     

一种基于遗传算法优化BP神经网络的电网故障诊断方法

提出了一种基于遗传算法优化BP神经网络的电网故障诊断方法,利用神经网络的非线性问题处理能力进行故障诊断。针对BP神经网络在运算过程中易陷入局部极小的问题,结合遗传算法计算网络参数初始值,寻找最优的隐含层节点数,对网络进行优化。结合实例验证,该方法相对于传统BP神经网络在解决电网故障诊断问题上,收敛速度和准确率都有所提升。     

基于Stacking集成学习的服装网络直播销量预测

为了解决单一模型对直播销量预测效果不佳的情况，提出利用Stacking集成学习模型对4种单一机器学习模型进行融合。利用Spearman相关性分析和3种树模型的特征贡献度来进行特征选择，选用网格搜索以及贝叶斯优化算法进行模型参数选择。利用抖音直播李维斯品牌牛仔裤品类数据对算法进行实例验证。对比不同组合模型的MAE、MSE、RMSE和SMAPE值，实验证明：选用随机森林、支持向量回归、Xgboost为基学习器，线性回归为元学习器的两层Stacking集成学习模型对服装网络直播销量的预测效果优于单一机器学习模型以及其他组合模型，SMAPE的误差较单一模型最高下降6.97%，最低下降2.53%。     

12Cr13马氏体不锈钢热处理工艺参数的ANN-GA模型

12Cr13马氏体不锈钢淬火和回火工艺参数对其力学性能影响较大,测定其热处理工艺对力学性能的影响周期长且成本高。在神经网络与遗传算法基础上建立12Cr13马氏体不锈钢热处理工艺参数与力学性能的预测模型。模型输入单元为淬火温度、淬火保温时间、冷却方式及回火温度,输出单元为抗拉强度、屈服强度、延伸率及断面收缩率。采用Traincgf算法的神经网络收敛速度快,误差小。隐含层节点单元为6,动量因子为0.6,学习速率为0.2时,网络测试的均方误差值均最小。经过网络测试的抗拉强度、屈服强度、延伸率及断面收缩率的最大相对误差绝对值分别为3.24%,2.48%,9.45%和8.82%。12Cr13马氏体不锈钢的预测模型具有结构简单,拟合精度高的特点。可利用12Cr13马氏体不锈钢热处理工艺参数预测其力学性能,为工艺优化设计提供参考。     

基于神经网络的三层织物结构消防服装的热防护性能预测

制作了16种不同结构参数的三层织物结构消防服装试样,对试样的对流换热指数和辐射换热指数进行测量.构建了6种多层感知神经网络(MLPNN),每种神经网络均包含一个隐藏层,输入相同的数据,分别对三层织物的对流换热性能和辐射换热性能进行预测.结果 表明,6种网络的预测值与试验值均具有很好的相关性;所构建的MLPNN能够有效预...     

基于三网融合的河南联通IPTV建设方案

基于三网融合的背景,提出了河南联通IPTV建设方案:业务平台的架构采用层次化部署方式,分为省中心节点、地方中心节点和边缘节点;从骨干网、城域网和宽带接入网3个网络层面设计承载网络的实现方案;直播业务通过组播方式,点播业务通过单播方式进行业务部署和路由规划;采用IPoE方式进行认证计费.该方案为加速IPTV系统平台的建设提供了技术支持,满足了运营商IPTV业务发展的需要.     

浅析网络直播营销下的广告文化与品牌营销发展现状

在互联网高速发展与科技不断进步的时代背景下,由于资本、技术手段、娱乐方式等一系列的推动,网络直播发展成为网络文化的重要组成部分,也成为当今社会一种新颖的宣传方式、社交途径与生活乐趣之一,毫不夸张的说我们已进入全民直播的新时代。因网络直播拥有热度高、门槛低、投资少等特点且传统营销模式已不能满足广告与商品的营销需求,使得越来越多的企业和个人利用网络直播形式进行广告宣传与商品营销。网络直播营销为广告宣传提供了新渠道并且在很大程度上提高了宣传效率,促进品牌营销的同时提升了产品销量。本文通过分析直播营销形式对广告文化价值和商品品牌营销的影响现状,进而研究广告行业与品牌营销在直播营销中的发展新策略。     

基于网中网卷积神经网络的红枣缺陷检测

提出了一种基于网中网卷积神经网络对红枣进行缺陷检测的方法,在原有AlexNet卷积神经网络的基础上增加了1×1隐含感知层,增强了网络的非线性以提取更抽象的特征;并采用全局平均池化层的方式替换全连接层,减少大量参数的同时提升了识别准确率。对新疆骏枣进行了实测,可将红枣分为好枣、黑斑枣、皱枣、叠枣、脱皮枣、黄皮枣和裂枣7类,表明该方法与基于常规SVM的视觉检测方法和基于AlexNet网络的分类方法相比,分类效果得到了有效提升。     

基于自我联想神经网络的谷氨酸发酵在线故障诊断

探讨了利用自我联想神经网络(AANN)对谷氨酸发酵进行在线故障诊断的有效性和实用性.自我联想神经网络是一种带瓶颈层的、5层结构的特殊神经网络.通过对发酵过程的表观变量进行适当筛选,将某些变量输入到AANN网络中进行训练,发酵过程的关键特征特性可以在瓶颈层得到提取,不同性能的发酵过程可以得到聚类.优化得到的AANN网络可以对谷氨酸发酵进行及时、准确的故障预判,从而为排除故障、尽可能快地恢复发酵性能提供信息.     

基于PCA-BP网络的氯丁橡胶门尼黏度预测

为了准确预测氯丁橡胶门尼黏度,采用氯丁橡胶生产工艺机理及数据分析结果相结合的方法,选取影响门尼黏度的主要因素,提出了一种基于PCA-BP神经网络的氯丁橡胶门尼黏度的软测量预测方法,建立了双隐含层的神经预测网络模型。通过训练,确定网络结构为6-5-13-1。仿真显示,最大相对误差为4.1%,平均相对误差为1.8%,最大绝对误差为4.389,误差在允许的范围内,满足生产要求。     

遗传算法优化BP神经网络的纺熔无纺布性能预测

为进一步提高BP神经网络在预测纺熔无纺布性能时的精确度,提出利用遗传算法对前期构建好3层结构的BP神经网络进行优化.使用MATLAB进行网络训练和预测,结果表明,当遗传算法优化后,将BP神经网络应用于产品性能预测的数据与实际数据进行对比,产品强力和耐静水压的绝对百分比误差在5％以内,优于BP神经网络的6％,预测精度更高...     

基于智能优化型径向基神经网络的板形模式识别研究

针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.     

博弈视角下不同直播营销模式的服装电商决策分析北大核心CSCD

为探讨服装电商直播营销模式选择问题,本文使用博弈模型对比服装电商不开通直播、自主开通直播、邀请主播合作直播等不同模式下的预期销量和利润,并分析服装电商开通直播时利润随服装价格弹性系数、传统渠道市场份额变化情况。数值推导和仿真结果表明:1)服装电商开通直播时,利润随着价格弹性系数上升而下降,随传统渠道市场份额增加呈“U”型变化。2)实际转化率较低时,服装电商自主开通直播模式下的利润降低、邀请主播合作开通直播模式下的销量与利润都降低;实际转化率升高,开通直播模式下的销量与利润提高;实际转化率持续升高,邀请主播合作直播模式的销量与利润远高于不开通直播与自主直播模式。     

近红外技术结合SaE-ELM用于烤烟烘烤关键参数的在线监测

自适应进化极限学习机(SaE-ELM)是一种利用自适应差分进化算法优化隐层输入参数的单隐层前馈神经网络学习算法。为了解决烟叶密集烘烤过程中关键参数难以测定的难题,应用近红外光谱技术结合SaE-ELM,采用交叉验证选择隐含层节点个数,对烘烤过程中含水率,以及叶绿素和淀粉含量3个关键参数的动态变化进行了监测。结果表明:烟叶含水率、叶绿素和淀粉模型预测相关系数分别为0.931 2、0.917 6和0.916 7,与偏最小二乘(PLS)回归、BP神经网络、支持向量机(SVM)回归和极限学习机(ELM)模型相比,SaE-ELM模型参数自动优化、性能优越、泛化能力强、预测结果最好。因此,采用近红外技术结合SaE-ELM能准确测定烟叶烘烤过程中关键参数的变化规律,可为烟叶烘烤调控工艺提供技术参考。     

基于改进RBF网络的缝纫平整度模糊辩识系统

针对缝纫平整度主观评价易受人为不确定因素影响的问题,运用FAST系统测量服装面料的力学性能指标,通过主因子法对所测指标进行分析,提取6个主因子作为神经网络的输入。引入FCM聚类算法对RBF神经网络进行改进,并根据聚类结果确定网络的隐层节点中心和宽度,提出一种缝纫平整度模糊辩识系统。实验表明,系统可以根据中厚型精纺毛型织物的不同结构及力学性能快速准确地给出该织物成衣后的缝纫性能评价指标。     

"互联网+"时代网络直播著作权保护困境探析

"互联网+"时代网络直播的飞速发展对于知识产权法提出了新挑战,传统著作权保护在网络直播中暴露出既有理论的不适应.本文通过对网络直播著作权保护中的突出问题进行剖析,指出问题根源主要是网络直播著作权定性不清、游戏网络直播的著作权保护体系尚未构建、泛娱乐直播的著作权侵权凸显等,并结合目前实际提出网络直播著作权保护路径的具体思考.