基于混沌神经网络的建筑节能综合评价

目的 构建建筑节能综合评价指标体系,对建筑节能进行综合评价.方法 针对神经网络BP算法收敛速度慢且容易陷入局部极小值问题,在常规神经网络中引入混沌神经元,建立混沌神经网络建筑节能综合评价模型.结果 根据建筑节能综合评价指标体系各量化指标,得出科学合理的评价结果 .通过实验仿真验证了该混沌学习算法的有效性和先进性.在输入参数相同的情况下,训练收敛到相同精度,CNN模型的训练次数少于BP网络模型,CNN模型用于建筑节能评价精度高.结论 运用混沌神经网络进行建筑节能综合评价的方法 是有效的.     

ERP系统实施效果的BP神经网络评价研究

神经网络具有自学习、自适应能力和容错性强等特点,本文应用BP神经网络模型建立综合评价系统,应用人工神经网络方法对ERP系统实施效果进行评价作了一定的探索。     

基于改进BP神经网络算法的多指标综合评价方法的应用研究

研究利用误差反向传播人工神经网络(BP网络)的多指标综合评价问题，以建设工程项目招标评标为背景，建立了多指标综合评价的BP模型，引入附加动量法和变步长算法，对BP神经网络算法改造，大大提高了学习训练速度，运用这种神经网络来解决实际问题，并给出了结果．     

基于神经网络理论的电气安全综合评价模型

为了提高电气安全综合评价水平,依据人工神经网络的基本原理,分析了BP神经网络模型建构和优化策略,将其应用于电气安全评价之中．提出了基于神经网络理论的综合安全评价模型及实现方法,并以电气安全评价实例论证了此方法的可行性．     

基于BP神经网络的湖泊旅游资源综合评价--以杭州西湖为例

本文在分析BP神经网络概念和原理的基础上,从阈值角度出发,生成适用于BP人工神经网络模型的训练样本,并建立了自然环境指标、社会支持系统指标、社会经济文化指标三个指标体系,用于构建湖泊旅游资源综合评价的BP神经网络模型。运用此模型将杭州西湖与喀纳斯湖旅游资源综合评价结果进行对比分析,验证模型的合理性,从而说明该模型对湖泊旅游资源的综合评价具有较好的客观性、通用性和实用性。     

BP神经网络在上市公司综合评价中的应用

分析了多目标综合评价的特点，提出了一种基于BP神经网络的上市公司综合评价方法，以高科技板块为例，在对该板块上市公司财务指标的原始数据进行无量纲化处理后，用经过训练的BP神经网络对其进行综合评价，得出较满意的综合评价结果。     

动量法改进的BP神经网络及其在疲劳裂纹预测模型中的应用

BP神经网络是人工神经网络中的一个典型代表,分析了BP神经网络算法收敛速度慢的原因,研究了一种提高其收敛速度的方法,即将动量法和批处理方法结合起来对BP算法进行改进。建立了低碳钢疲劳裂纹神经网络预测模型,并将改进后的算法应用在模型中,结果表明改进后的算法可以提高学习速度,提高仿真测试结果可靠性。BP神经网络是描述疲劳裂纹演化行为的有效工具,并且可以取得较好的预测精度。     

基于神经网络的UTRAN网络质量综合评价

为了评价3G无线网络UTRAN的运行质量,给出了3G无线网络UTRAN质量用户感知关键指标, 提出了利用基于前向单隐层BP神经网络方法的UTRAN网络质量综合评价模型. 该模型采用模糊综合评价算法构造训练样本集. 对比模糊综合评价算法对3G试验测试数据和该模型的评价结果可以看出,该模型能稳定、一致、可重复地评价UTRAN网络质量.     

模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理，分析了一般BP神经网络在研究复杂性问题时存在的局限性，根据模糊人工神经网络模型的构建方法，探讨了该模型在矿井构造定量评价中的应用，结合鲍店煤矿的实际资料，对建立的模糊人工神经网络模型进行了学习训练，对未采区的构造复杂程度进行了预测，结果表明：模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果．     

烧结料加水混合过程的改进神经网络建模

针对烧结料加水混合过程自动控制,采用改进的BP神经网络建立该过程的模型。仿真结果证明了改进BP神经网络建模可以很好地逼近实际烧结料加水混合过程,并克服基本BP神经网络学习时间长的缺陷。     

BP神经网络优化模型在水体富营养化预测的国内进展

在湖泊富营养化已成为世界性的水污染治理难题的今天,富营养化预测模型应用广泛,已取得较大发展。文章介绍了运用BP人工神经网络预测水体富营养化的计算过程,综合论述了学者们在预测水体富营养化时水体中BP人工神经网络模型联合各种算法的优化情况,由此可以看出,足够多的样本是BP神经网络进行学习训练的关键;各种联合模型比普通BP人工神经网络模型更加准确、有效;多种联合模型并未运用于水体营养化评价方面;联合模型优化的BP人工神经网络必将具有巨大的价值和发展前景。     

Powell-Beale重开始算法在水质评价中的应用

建立了基于Powell-Beale重开始算法的改进BP网络水质综合评价模型.该模型在网络权值训练中,以共轭梯度方向取代了标准BP网络的负梯度搜索方向,并通过设定的重新开始准则,适时调整搜索方向,加快了网络运行速度.实验结果表明,新模型改善了标准BP网络模型收敛速度较慢、易陷入局部极小或中断训练的缺陷,泛化能力较强,评价结果客观合理..     

基于BP神经网络的战场网络攻击效能评估

战场网络攻击效能评估是网络攻击研究的重要内容.为了评估战场网络攻击效能,构建了战场网络攻击能力评估指标体系,提出了基于BP神经网络的评估方法,给出了构造样本的方法,并用构造的样本对BP神经网络进行训练,最后利用Matlab软件对该网络进行了仿真.通过与模糊综合评判法得出的评估结果相比较,验证了该方法的有效性.该方法减少了评估中人为因素的影响,使评估结果更可信.     

GIS与人工神经网络在水质评价中的应用

水环境质量评价是水环境管理保护和治理的一项重要基础性工作 .在分析目前用于水质评价主要模型及其存在主要问题的基础上 ,引入了人工神经网络理论来解决自动定权问题 ,应用BP改进模型及GIS开展了东湖水质、富营养化综合评价 ,结果表明该方法在客观性、实用性及适应性等方面具有明显的优点 .     

PCA-BP神经网络在流域水质评价中的应用

针对BP神经网络法在进行多污染特征的流域水质评价时面临的训练样本、验证样本的稀缺问题,提出一种基于主成分分析PCA - BP神经网络的水质评价模型.首先利用污染分担率算法筛选出能够全面反映流域整体超标情况的一组水质指标,然后利用主成分方法获取流域水质污染特征,解决训练样本过少的问题,并通过设计模型的验证条件,解决没有验证样本的问题.通过实例研究,表明主成分PCA - BP神经网络适合用于流域的水质评价,评价结果较为精确、可信.     

Application of functional-link neural network in evaluation of sublayer suspension based on FWD test

Several methods for evaluating the sublayer suspension beneath old pavement with falling weight deflec-tormeter(FWD), were summarized and the respective advantages and disadvantages were analyzed. Based on these methods, the evaluation principles were improved and a new type of the neural network, functional-link neural net-work was proposed to evaluate the sublayer suspension with FWD test results. The concept of function link, learn-ing method of functional-link neural network and the establishment process of neural network model were studied in detail. Based on the old pavement over-repairing engineering of Kaiping section, Guangdong Province in G325 Na-tional Highway, the application of functional-link neural network in evaluation of sublayer suspension beneath old pavement based on FWD test data on the spot was investigated. When learning rate is 0.1 and training cycles are 405, the functional-link network error is less than 0.0001, while the optimum chosen 4-8-1 BP needs over 10000 training cycles to reach the same accuracy with less precise evaluation results. Therefore, in contrast to common BP neural network, the functional-link neural network adopts single layer structure to learn and calculate, which simpli-fies the network, accelerates the convergence speed and improves the accuracy. Moreover the trained functional-link neural network can be adopted to directly evaluate the sublayer suspension based on FWD test data on the site. En-gineering practice indicates that the functional-link neural model gains very excellent results and effectively guides the pavement over-repairing construction.     

基于BP神经网络算法的手写数字识别技术研究

BP神经网络由于具有高度的并行结构和并行处理能力,以及固有的非线性特性和自学习、自组织、自适应能力等,特别适合应用于模式识别。以BP神经网络为背景,研究手写数字识别技术,在考虑诸多因素的情况下,最终设计一种能够提供良好识别的方法。根据研究目标,设计BP神经网络模型,并针对BP神经网络的缺陷提出BP神经网络算法的改进,提高了神经网络的性能。MATLAB仿真实验表明,改进后的BP神经网络可以对手写数字进行快速、准确地识别,具有广泛的应用前景.     

基于粗糙集和神经网络的炮兵装备效能评估

建立了炮兵装备效能评估模型,首先利用灰色关联分析以及欧氏距离加权法实现了不完备信息表的空值填补;然后引入粗糙集理论对评估指标进行约简;最后利用BP神经网络确定了指标与效能间的关系并与指数模型进行比较,BP神经网络模型的精度明显高于指数模型.