资源分配网络的研究及其在企业资信中的应用

提出一种基于资源分配神经网络的企业信用评价模型,主要思想是当神经网络在学习过程中发现未建模的样本时,分配新的计算节点,不断对网络模型进行完善.该模型以企业信用评价体系的参量作为输入,以企业的信用评价等级作为输出,具有广阔的运用前景,为企业信用评价提出了一种新的解决方案.     

基于BP神经网络的机器翻译自动化评判模型设计

机器翻译评价模型内评价体系的不同会导致评价结果出现较大差异，为保证评判的精度，基于BP神经网络设计机器翻译自动化评判模型。计算词句翻译相似度，获取词向量与共现矩阵的关系式，对权重函数分段表达，得到相似度结果。基于BP神经网络构建翻译结果评价体系，通过神经网络模型的输入层、隐含层以及输出层节点，建立神经网络的向量指标，并对连接权数与阈值的输出值进行计算。设计自动化评价算法，判断“输入层-隐含层”、“隐含层-输出层”两个节点是否成功传输，得到机器翻译的自动化评判模型。结合四种不同语料库中的词句进行机器翻译的评价，在不同的评判模型中，BP神经网络模型的评判一致性程度均大于其他三种模型，可见该方法的评判精度最高，评判结果最准确。     

BP神经网络在教学质量评价中的应用

结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法.利用BP神经网络方法建立高校教学质量评价系统的模型,将教学评价指标概念量化成确定的数据作为其输入,教学效果作为输出,并利用MATLAB系统加以实现.     

基于PSO-BP神经网络的企业信用风险评估模型研究

企业信用风险评估是金融领域的重要课题.本文针对单独运用BP神经网络评估信用风险时存在的不足,提出了一种基于PSO-BP神经网络的企业信用风险评估模型.该模型首先应用主成分分析方法降低输入BP网络的信用评估指标维数,并且采用粒子群优化算法优化BP神经网络的权值.实验表明,新模型采用的算法具有收敛速度快,预测精度高的优点,是一种有效可靠的企业信用风险评估模型.     

灰色神经网络在MBR曝气强度中的应用研究

曝气是MBR膜污染的操作条件影响因子中的一个重要参数,曝气强度过大易造成膜丝断裂,过小又不能减缓膜污染。针对该问题,本研究首先运用灰色模型对中空纤维膜不同使用阶段中的最佳曝气强度值进行粗略预测。再将影响膜过滤性能的三个因素作为BP神经网络的输入,不同膜清洗次数后的最佳曝气强度作为输出,进行曝气的BP网络模型预测。最后将灰色模型的预测值及影响膜过滤性能的三个因素作为灰色神经网络的输入,最佳曝气强度作为输出,进行曝气的灰色神经网络预测。通过对两个神经网络模型的预测结果对比分析,得出结论灰色神经网络模型优于BP神经网络模型。     

基于BP神经网络的壁挂式充电桩产品形态研究

通过对壁挂式充电桩感性意象与形态设计要素的分析,建立两者间对应的BP神经网络设计模型,从而得到各感性意象对应的产品形态。利用感性工学中的李克特量法对收集到的壁挂式充电桩形态样本和感性词汇进行设计评价并得到感性评价结果,将形态设计要素作为BP神经网络模型的输入层参数,感性评价结果数值作为输出层参数,利用Matlab软件进行壁挂式充电桩BP神经网络模型的反复训练和测试,最终得到壁挂式充电桩形态设计要素BP神经网络模型。最后通过MSE度量该BP神经网络模型准确性,研究表明建立的壁挂式充电桩感性意象和形态设计要素间的BP神经网络模型具有可行性。     

BP神经网络合理隐结点数确定的改进方法

合理选择隐含层结点个数是BP神经网络构造中的关键问题,对网络的适应能力、学习速率都有重要的影响.在此提出一种确定隐结点个数的改进方法.该方法基于隐含层神经元输出之间的线性相关关系与线性无关关系,对神经网络隐结点个数进行削减,缩减网络规模.以零件工艺过程中的加工参数作为BP神经网络的输入,加工完成的零件尺寸作为BP神经网络的输出建立模型,把该方法应用于此神经网络模型中,其训练结果证明了该方法的有效性.     

BP神经网络用于器乐演奏评价的研究

人工进行器乐演奏的评价容易受主观因素影响,BP神经网络可模拟多输入的非线性系统,利用它可以很好地建立器乐演奏评价系统.根据乐理知识将各个评价特征客观化作为输入,将所要得到的各种评价结果作为输出,经过BP神经网络进行模拟打分得出一个较为合理的分数.实验表明BP神经网络可以模拟一个稳定的评分系统.     

基于BP神经网络辨识模型的PEMFC系统建模

为分析燃料电池系统特性,采用BP神经网络结构辨识质子交换膜燃料电池系统模型,模型输入为系统实际输入,模型输出为电堆输出电压和电堆工作温度。由于PEMFC系统是一个时变非线性系统,采用一种串-并联前向神经网络辨识结构模型,将模型前几个时刻输出作为模型输入,使得静态网络结构具有动态特性。BP网络模型通过PEMFC系统所得到的实验数据进辨识。训练完成后BP网络模型输出与实际系统输出基本一致,结果表明BP网络模型能够有效反映质子交换膜燃料电池系统输出电压和电堆温度特性。     

一种基于模糊BP神经网络的TDOA定位算法

提出了一种以TDOA量测作为网络输入,定位目标三维空间坐标估计值作为网络输出的模糊BP神经网络定位算法。描述了基于模糊神经网络进行定位的模型结构以及关于BP神经网络待调整参数的递归学习算法。通过仿真实验,分析了输入层节点数目和模糊If-then规则数目对定位精度的影响并将提出的算法与CRLB进行了比较。     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

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.     

数据挖掘技术在个人信用评估模型中的应用

为了能够及时、恰当地进行个人信用评估分析,加快信用卡发卡机构的决策速度,介绍了数据挖掘技术在信用卡公司对用户评估中的应用,对比分析了数理统计模型、分类-聚类个人信用评估模型等几种个人信用评估模型建模方法的优缺点。建立了一种决策树-神经网络个人信用评估模型,针对该模型提出了一种近邻聚类算法。该算法不需要事先给定聚类的类别数,可以进行无监督学习。通过对比分析可知,该算法在个人信用评估应用中可以得到较理想的结果。     

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。     

IP网络质量的主客观评价融合模型

针对IP网络质量评价问题,利用BP神经网络构建一种主客观特征融合的评价模型。主客观2个评价网络分别进行自适应学习,在学习输出稳定后,2个BP神经网络通过相互共振学习使主客观评价数据融合,由此获得一致的评价结果。结合用户感知的主观评价和多种客观性能评价指标对该模型进行仿真,实验结果表明,模型具有较强的抗噪性能,可以较好地满足IP网络质量的综合评价要求。     

利用模糊-BP神经网络评价高校教师教学质量

为提高高校教师教学质量评价的科学性和合理性,简单分析了传统线性方法进行教师教学质量评价的缺点,介绍了一种基于模糊理论与BP神经网络的高校教师教学质量评价模型。该模型将教学评价指标概念量化成确定的数据作为BP网络的输入,模糊综合评价结果作为输出。运用Matlab进行实证研究发现,将该方法用于高校教师教学质量评价中,既克服了评价主体在评价过程中的主观因素,叉得到了满意的评价结果,具有广泛的适用性。     

基于反馈神经网络的动态化工过程建模

针对非线性动态化工过程建模存在的问题,提出了一种新的反馈神经网络结构,并将状态反馈、时间序列延尺以及集中节点的概念结合起来,用于提高反馈神经网络的性能,同时又使得网络结构不至于太复杂,在用此网络结构建模的时间,成功地将BP算法用一网络模型的训练。文中将这种反馈神经网络结构分别对一个单输入单输出（SISO）的非线笥动态系统和一个多输入单输出（SIMO）的连续全混釜（CSTR）模型进行建模,并将所得模型与基于表态BP神经神经所得的模型在模型输出精度和抗干扰性等方面进行了比较,证明了该反馈神经在动态过程建模中能够比静态BP模型更好地反映出动态过程的输入输出关系,并具有一定的抗干扰能力。     

基于BP神经网络的信用卡违约风险预测

利用BP(Back Propagation)神经网络模型实现信用卡申请人自然信息对违约风险的预测,确定了违约风险的指标体系,通过对小样本数据的训练和仿真,实现了模型输出与目标输出的高度吻合.     

模糊神经网络在纳税信用评估中的应用研究

由于纳税评估过程中存在不精确、模糊以及冗余信息,传统评估模型多数采用经验法和比较法,缺乏科学性和公正性,评估结果正确率低。为了提高纳税信用等级评估的正确率,提出了一种采用模糊神经网络的纳税信用等级评估模型。首先利用模糊逻辑推理对纳税评估过程中的不精确、模糊的信息进行有效的处理,然后利用训练数据对神经网络模型进行训练学习,获得纳税评估指标和信用等级间的评估模型,最后通过利用测试集对模型进行验证,结果表明,模糊神经网络方法提高了纳税信用等级评估的正确率,为税收信用评估提供有效的依据。     

基于神经网络的摄像机平面模板标定方法

根据立体视觉原理,提出了基于神经网络摄像机标定方法,该方法的特点是采用平面模板作为标定物.由于传统的标定算法在考虑各种非线性畸变时计算十分繁琐,利用BP神经网络来直接学习图像信息与三维信息之间的关系,可实现从输入到输出的任意非线性映射.为了提高BP神经网络训练速度和避免陷入局部最小解,采用引入动态因子的学习算法.实验结果表明,该算法具有较高的标定精度,而且可行.