葡萄酒评价

本文针对葡萄酒质量的分析,建立了线性回归模型和主成分分析模型,通过分析与讨论酿酒葡萄的理化指标,酿酒葡萄与葡萄酒质量之间的联系,得到对葡萄酒质量进行合理评价的标准。运用多元逐步回归的方法,分析葡萄酒理化指标与酿酒葡萄理化指标的关系,充分考虑各项指标之间的主次关系,使评分具有客观性。     

基于不同神经网络模型预测体测成绩

为更加准确地反应当前学生的身体素质情况,基于多个不同的神经网络模型构建体测成绩预测模型,为降低体测成绩中各项目数据之间的相关性,使用主成分分析法对数据集进行处理。使用BP神经网络结合脉冲神经网络构建一个预测模型,加强模型处理分析数据集的能力,提高预测的准确性。在长短期记忆神经网络中加入注意力机制构建另一个预测模型,使模型更加关注数据集中的关键信息。通过实验,预测模型输出的预测值与实际值的重合率高达90%以上,预测准确率整体在95%以上。     

基于PCA和BP神经网络算法的车牌字符识别

文章采用了双重PCA算法链接BP神经网络的方法对车牌字符进行识别.先由主成分分析法对原始样本数据进行分类,然后由BP神经网络法对拒识样本进行识别.研究结果表明,与传统的单一识别方法相比,提高了识别正确率,减少了训练时间.     

基于PCA融合神经网络的移动设备威胁研究

为了提高移动设备存在威胁风险分析的准确率和抗干扰能力,进而降低投诉率,提出一种基于PCA融合BP神经网络风险分析模型.通过核主成分分析将设备威胁类型从10个特征量降低到3个主特征量,提取了原始数据的主信息,并以降维后的特征量作为BP神经网络的输入特征量,建立设备威胁风险分析模型.最后通过实验对比了多种模型算法, 结果表明采用PCA结合BP神经网络的风险分析模型具有更好的风险识别准确率.     

基于PCA的BP神经网络在信息安全中的应用

本文基于PCA方法,详细阐述了基于PCA的BP神经网络的信息安全管理方法。文章先分析了PCA技术的基本内容,之后基于BP神经网络的信息安全需求,详细讨论了该技术的应用方法与路径。从本文研究结果可知,在信息安全管理中PCA技术具有明显的优势,所以技术应用阶段,需要进一步了解PCA技术的特征,并创新技术应用路径,这样才能有效杜绝信息安全事件的发生。     

基于BP神经网络的优质课评价模型研究

针对当前优质课评价机制尚不完善的现象,提出一种基于BP神经网络的优质课评价模型。首先,建立教师优质课评价指标体系,然后设计BP神经网络模型,并利用神经网络工具箱对模型进行了实现。     

基于模糊神经网络的精品课网站评价模型研究

随着各大高校精品课建设热潮的兴起,各种精品课的网站建设应运而生。然而对该网站的评价机制尚不完善,文章提出一种基于模糊神经网络的评价模型,对精品课建设网站进行评估。同时提出了一种新的模糊神经网络算法,克服了原有的神经网络算法的缺陷,并评估精品课网站的性能。首先,文章设计了一种基于模糊BP神经网络理论的新的计算结构,并选取改进的模糊神经网络算法的新的自我训练方法;其次,对算法的性能从四方面进行理论性评估;最后,基于分析和构建评价指标体系,改进的模糊神经网络算法应用于评价精品课网站的性能,实验结果表明,改进算法的优势包括较高的评价精度,收敛速度快,振动小,算法过程简单。     

一种基于GA-BP神经网络结合PCA的LCD显示器光谱特征化模型

为实现LCD显示器的光谱特征化,本文提出一种基于遗传算法优化(Genetic Algorithm,GA)的BP神经网络(GABP)结合PCA(Principal component analysis)的光谱特征化模型。首先对显示器色空间进行子空间划分,同时采用PCA对光谱数据进行降维,接着在各子空间中采用遗传算法对BP神经网络的权值阈值进行优化,建立显示器驱动值与光谱数据之间的神经网络模型,实现了显示器的光谱特征化。实验结果表明子空间划分后,在子空间中进行模型参数的优化有利于模型整体精度的提高,GA的优化有效改善了BP神经网络的极值问题,提高了模型的精度,PCA在不影响模型精度的同时提高了算法的运行效率。由此说明该模型是一种高精度显示器特征化模型。     

基于PCA的相机响应函数模型标定算法

许多计算机视觉应用的算法都需要对拍摄场景高动态范围的幅亮度信息进行精确的测量,成像系统的相机响应函数能够建立拍摄图像强度信息与场景辐亮度之间的严格映射关系,是高动态范围图像融合的关键技术。文中分析相机响应曲线的共同特点,结合相机响应函数固有的约束条件,建立相机响应函数的理论空间模型。首先,利用主成分分析法对已有的相机响应数据库进行分析,结合相机响应函数的约束条件建立响应函数的低参数经验模型;然后,根据输入图像选择合适的参数数量;最后,利用不同曝光量的输入图像通过最小二乘法求解建立响应函数模型的系数,从而对相机响应函数进行标定。该算法能够通过对少量的采样点进行插值获得精确的相机响应函数,同时能够对任意的场景通过拍摄多曝光量图像精确地标定相机响应函数。通过对实际拍摄的图像进行相机响应函数标定实验,验证了该算法的有效性,并证明该算法保持高精度的同时计算效率也较高。     

基于神经网络的计算机网络安全评价仿真模型研究

在计算机技术及网络技术方便了人们的日常生活同时,也具有一系列的网络安全问题,这个问题也成为了相关人士及人们广泛关注的话题.在计算机网络安全评价中,神经网络的应用尤为广泛,其能够使计算机网络安全评价更加稳定及安全,并且能够有效提高评价的精准度.基于此,本文就针对神经网络的计算机网络安全评价仿真模型进行深入的研究.     

基于量子—BP神经网络的教学评价研究

将量子计算和BP神经网络相结合,产生一种新的量子—BP神经网络的方法,并将该方法应用于教学评价中,应用量子—BP神经网络的方法构建教学评价系统模型,进而对教学质量进行评价。通过实证分析,得到了满意的评价结果,说明该方法具有一定的可行性和实用性。     

基于小波PCA与BP神经网络的人脸识别算法

特征提取和分类器设计是人脸识别算法中的两个关键问题。提出一种基于二次小波变换、PCA算法与BP神经网络的人脸识别算法。该算法采用二次小波变换与PCA相结合的算法提取人脸图像的主要特征,并运用加入动量项的改进BP神经网络算法进行人脸图像分类识别。在MATLAB环境下,利用ORL人脸图像数据库进行了仿真实验,实验结果表明,该算法实现简单、识别速度快、识别率较高。     

基于神经网络的高速飞行体定位技术研究

在对远程高速运动目标进行定位的过程中,如何提高定位精度是工程研究的重要内容之一。本文提出了一种基于RBF神经网络的多站无源时差定位方法,针对4种常见布站方式（星形、菱形、倒三角形和平行四边形）的定位误差进行了分析比较并给出了曲线仿真结果。仿真实例验证,该方法具有较高的定位精度且操作简单,为实际工程设计提供了参考。     

基于人工神经网络的交通流量预测模型的研究

介绍了人工神经网络的BP算法，建立了基于Matlab神经网络工具箱的交通流量预测模型，并以实际道路交叉口为例进行2小时40分，分时段的数据采集，利用模型进行短时流量预测。     

基于卷积神经网络的网络隐写分析方法研究

针对现有网络隐写分析算法特征提取难度大、算法适用范围单一的问题,文章提出了一种基于卷积神经网络的网络隐写分析方法。对网络数据流进行预处理,将所有数据包处理成大小相同的矩阵,最大限度地保留数据特征完整性;使用异构卷积进行特征提取,减少模型计算量及参数数量,加快模型收敛速度;取消池化层,提高模型训练效率。与传统网络隐写分析方法相比,模型能够自动提取数据特征,识别多种网络隐写算法。     

基于FPGA的RBF神经网络的硬件实现

介绍了RBF神经网络,并采用CORDIC算法实现了其隐层非线性高斯函数的映射。同时,为缩减ROM表的存储空间并提高查表效率,本设计还采用了基于STAM算法的非线性存储。最后,以Altera公司开发的EDA工具QuartusⅡ作为编译、仿真平台,采用Cyclone系列中的EP1C6Q240C8器件,实现了RBF神经网络在FPGA上的实现,并以XOR问题为算例进行硬件仿真,得出仿真结果与理论值一致。     

Aggregate volumetric estimation based on PCA and momentum-enhanced BP neural network

This paper proposes a Back Propagation (BP) neural network with momentum enhance-ment aiming to achieving the smooth convergence for aggregate volumetric estimation purpose. Net-work inputs are first selected by optically measuring the eight geometry-related parameters from the given particle image. To simplify the network structure, principal component analysis technique is applied to reduce the input dimension. The specific network structure is finalized based on both em-pirical expertise and analysis on selecting the appropriate number of neurons in hidden layer. The network is trained using the finite number of randomly-picked particles. The training and test results suggest that, compared to the generic BP network, the training duration of the proposed neural network is greatly attenuated, the complexity of the network structure is largely reduced, and the es-timation precision is within 2%, being sufficiently up to technical satisfaction.     

基于GM-RBF神经网络的光伏发电功率预测

为了提高光伏发电功率预测的精度,本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上,提出一种基于灰色径向基函数（Radical Basis Function, RBF）和神经网络光伏发电功率预测模型。该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。最后,运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证,得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%,其预测精度均高于灰色预测算法和RBF神经网络预测算法。     

基于BP神经网络的雷达干扰效果评估

雷达干扰效果是衡量雷达干扰措施是否有效和雷达干扰设备性能优劣的重要指标,如何准确、客观、快捷地评估雷达干扰效果,对雷达干扰双方均具有重大的现实意义。本文主要研究一种了基于人工神经网络的雷达干扰效果评估的方法,并进行了举例说明。     

基于RBF神经网络的混沌保密通信的研究

提出一种径向基函数神绎网络(RBFNN)参数调制混沌保密通信方法。在通信系统的发射端设计一个RBF神经网络跟踪器RBFNN1，将信息信号隐藏在混沌系统状态量参数中，再进行混沌掩盖。在接收端，相应的设计一个RBF神经网络跟踪器RBFNN2，则RBFNN2的输出就是解调出的原信息信号。该方法结构简单、易于实现、同步快。通过Chua混沌系统仿真，实验结果表明是可行的。