基于BP神经网络的成本预测

分析了人工神经网络解决成本预测的可能性。介绍了BP神经网络用于非线性预测的基本原理和算法步骤。采用matlab试验方法,对某企业总产量与总成本进行仿真,对比了回归分析法和BP神经网络的预测结果。实验结果表明,BP神经网络预测算法具有较高的预测精度。     

电子元器件加速寿命试验方法的比较

加速寿命试验作为可靠性试验的一个组成部分,是控制、提高电子产品可靠性的常用方法.目前有三种加速寿命试验方法:恒定应力、步进应力和序进应力加速寿命试验.简要介绍了加速寿命试验的概念,举例说明这三种方法的实施方案及数据处理,从实际操作角度比较了三种方法的优、缺点,并对其应用情况做了介绍.     

基于BP神经网络的浙江台风损失预测

通过对新中国成立以来影响浙江的台风为样本,在对台风的数据资料整合后,以台风属性等指标作为输入向量,以台风造成的损失作为输出向量,建立了预测影响浙江地区台风损失的理想人工神经网络模型。实验结果表明运用BP神经网络对某一区域某一类型台风的灾害损失进行预测是可行的。其在一定程度上可以为气象部门和政府部门提供制定和实施抗台方案的依据,减少灾害损失。     

基于BP神经网络的地震预测研究

以地震特性的研究为出发点,以预报震级为最终目标,通过BP(Back Propagation)神经网络实现地震震级的预测算法,用仿真方法模拟个体行为对系统的影响,研究了地震震级的预测技术,并通过测试数据预测了系统的整体运行情况.     

基于BP神经网络的PM2.5预测

自进入工业化社会以来,空气污染逐渐成为全球最大的环境问题之一。空气中的悬浮粒子对人类身体健康产生有害影响,减少空气污染的重要前提就是预测PM2.5的浓度。因此,对大气质量污染的监测以及预测研究显得尤为重要。本文采用openstack云计算组件,部署了大数据平台,通过历史数据加实时抓取的数据来完善BP神经网络,以实现自我学习来提高预测数据的准确度。     

基于BP神经网络的路面性能预测方法

文章提出了一种改进的BP算法以优化神经网络连接权，并把它应用于路面性能预测系统中，对路面性能进行预测。实验证明该网络具有广泛的映射能力和快速全局收敛性，具有良好的应用前景。     

电子元器件加速寿命试验的挑战与对策

加速寿命试验是评价和提升高可靠长寿命电子元器件长期工作可靠性的有效方法.详细介绍了电子元器件加速寿命试验方案设计和实施中需要考虑的主要问题;通过一个实例,说明了不充分的加速寿命试验最终可能在现场应用中引起严重的事故;探讨了如何基于上述挑战,改进加速寿命试验设计的措施,以期促进我国电子元器件加速寿命试验技术的发展.     

基于遗传算法的BP神经网络的LED寿命预测模型

提出了一种新型的基于遗传算法(GA)优化的误差反向传播(BP)神经网络的寿命预测模型.选取不同公司生产的LED,以LED光源光通量维持率测量方法(LM-80-08)测试报告中的电流、结温、初始光通量和初始色坐标作为神经网络的输入,LED在网络输入的应力条件下的寿命为输出,可以预测LED在任意电流和结温下的寿命.研究结果表明,该GA-BP模型相比于LED光源长期流明维持率的预测方法(TM-21-11)更具灵活性,预测误差较传统BP神经网络降低了65.5％,平均相对误差达到1.47％,优于Adaboost模型的54％和3.16％,训练样本相关系数达到99.4％,GA-BP模型预测LED寿命误差更小,普适性更高,在LED的寿命预测中具有实际意义.     

基于BP神经网络的流量预测分析

为提高校园IP网络流量预测的准确度,本文基于BP神经网络对未来时刻流量大小与历史数据间存在的相关性进行了拟合分析,通过数据预处理、模型参数选择、网络权重阈值训练等流程实现了对预测模型的建立,并利用仿真结果对比验证了该模型在网络流量值的预测中具有很好的准确度.     

基于误差反向传播的入侵检测系统的研究

构建了一种基于误差反向传播神经网络的入侵检测系统总体架构,分析了该系统的各组成模块和功能要求.重点阐述了基于误差反向传播的入侵检测分析模块的设计方案,研究入侵分析过程中的几个关键问题并给出了解决方法.最后给出了基于误差反向传播网络的检测算法流程.     

基于神经网络的传播预测模型浅析

传播预测模型是网络规划和频谱资源合理利用的基础。在分析了现有模型不足的基础上,介绍了人工神经网络的结构及其传播预测模型的构建,并对该模型进行了改进,提出了应用反向传播(Back-Propagation,BP)神经网络的混合传播模型。人工神经网络具有良好的非线性逼近能力和泛化能力,非常适用于特定地区传播损耗的预测。通过对试验数据的分析处理,验证了此方法能够更真实地反映该区域的无线电波传播环境,得到更高的预测准确度。     

基于BP神经网络的社团分类研究

社团分类对研究复杂网络及其特性具有重要意义,为此提出将神经网络的分类特性应用于社团分类中,以BP神经网络为模型,以Zachary研究的俱乐部成员关系网络为测试数据,利用社团节点与神经网络节点之间关系的相似性模拟社团分类结果,根据成员关系图建立邻接矩阵,利用邻接矩阵关系进行实验设计建立BP神经网络,通过已知样本学习和检验样本检验,实现成员关系网络的分类模拟,数值实验结果表明文章运用的仿真方法是可行有效的.     

Pseudo Random Number Generator Based on Back Propagation Neural Network

Random numbers play an increasingly important role in secure wire and wireless communication. Thus the design quality of random number generator（RNG） is significant in information security. A novel pseudo RNG is proposed for improving the security of network communication. The back propagation neural network（BPNN） is nonlinear, which can be used to improve the traditional RNG. The novel pseudo RNG is based on BPNN techniques. The result of test suites standardized by the U.S shows that theRNGcan satisfy the security of communication.     

Brain Image Segmentation Based on the Hybrid of Back Propagation Neural Network and AdaBoost System

Journal of Signal Processing Systems - The segmentation of brain magnetic resonance (MR) images can provide more detailed anatomical information, which can be of great help for the proper diagnosis...     

基于反向传播神经网络估算大气光学湍流廓线

大气光学湍流是与光电工程系统设计、应用密切相关的基本参数.通过仪器实地测量大气光学湍流廓线时会受到人力、物力、财力等多种条件的限制,因此依据常规气象参数估算大气光学湍流强度具有十分重要的意义.提出一种结合遗传算法的反向传播(GA-BP)神经网络.首先,基于Tatarski大气光学湍流参数化方案,利用HMNSP99外尺度...     

基于BP神经网络的Web页面分类算法

提出了一种基于BP神经网络的Web页面分类算法。在搜索引擎的结构中提取页面标题、内容标题和内容摘要来表示页面，采用向量空间模型计算分类组合与页面组合的相关性对页面进行矢量化，将训练后的BP神经网络用于对Web页面进行分类。实验结果表明，该分类算法有一定的实用价值。     

基于谱回归特征降维与后向传播神经网络的识别方法研究

采用后向传播(BP)神经网络对空间目标进行识别时,高维的输入特征导致网络结构复杂,识别性能降低。针对上述难点,该文提出一种基于谱回归(SR)特征降维与BP神经网络的识别方法。该方法首先对空间目标进行HOG特征提取,然后将提取的高维HOG特征进行SR降维,最后把降维后的数据通过BP分类器进行训练识别。实验结果表明：该方法的降维和识别特性优于传统降维方法PCA, KPAC, LPP, KLPP等,能够兼顾实时性和准确性,提高了识别性能。     

基于改进反向传播神经网络代理模型的快速多目标天线设计

针对传统天线设计方法计算代价较大的缺陷,该文构建基于反向传播神经网络(BPNN)的新型天线代理模型。为解决BPNN训练易陷入局部最优的问题,采用粒子群优化(PSO)算法来改善神经网络初始结构参数,进而构建PSO-BPNN天线代理模型,并基于该模型提出多参数天线结构的快速多目标设计方法。设计实例表明,该方法在预测精度以及计算代价等方面优于现有的常用天线设计方法。所提方法对处理复杂高维参数空间天线设计问题具有实用价值。