基于BP神经网络的春夏女装流行色预测

应用科学的CIELab色度测量方法,对国内权威机构发布的2001-2011年度春夏女装流行色色卡进行量化,色卡量化样本分项统计和图表分析结果显示,春夏女装流行色属性存在不变、渐变与突变的三重特征.在此基础上,进行2011年春夏流行色色相、色调频数以及红色调L*、a*、b*对应的最小和最大值估计下色调分布的BP神经网络预...     

成人化童装流行元素的市场分析

在现代童装设计中，越来越多地运用成人设计手法，人们对童装的观念开始改变，已不再停留在卡通造型、可爱等传统的印象中了，童装的设计元素正逐步趋于成人化。     

成人化童装流行元素的市场分析

在现代童装设计中，越来越多地运用成人设计手法，人们对童装的观念开始改变，已不再停留在卡通造型、可爱等传统的印象中了，童装的设计元素正逐步趋于成人化。     

流行让童装走开?

我国每年都要进行服装流行趋势预测发布，但这其中，来自童装的声音却微乎其微，究竟是我国童装的流行趋势没有受到重视。形成气候？还是我国童装产业不需要流行趋势？[编者按]     

基于BP神经网络的大气中CO浓度的预测

大气污染物浓度的检测是一个复杂的系统,影响因素较多,本文引入非线性分析的有效工具——BP神经网络,利用BP神经网络中的误差反向传递算法对大气中CO浓度进行分析,建立基于BP神经网络的CO浓度预测模型,并利用淮安市环保局和气象局2013年的相关数据对模型进行训练与测试,取得较好结果,证明该模型在预测大气中CO浓度方面具有较好的效果,并误差小。     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

基于BP神经网络算法的汇率价格短期预测研究

随机信号预测在金融行业有着重要应用。文章基于Back Propagation Network的随机信号预测方法,利用三种国际货币汇率价格的历史数据作为参考,对未来汇率价格进行短期预测,与实际价格进行比较分析,并得出结论。有助于对外汇市场的发展方向和趋势分析,无论是对监管层进行决策还是对投资者提供投资选择,都将会具有非常重要的现实意义。     

BP神经网络预测棉织物悬垂性能

采用BP神经网络技术建立和训练反应织物结构参数与织物悬垂性能之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测棉织物悬垂性能有相当的准确性。     

BP神经网络模型在纺纱质量预测中的应用

论述了配棉工艺系统中纺纱质量的预测建模与算法实现。通过分析数据仓库的各方面特性，面向纺纱质量设计数据仓库；通过BP算法，对纺纱质量进行网络建模，实现纺纱质量的预测。该系统在某纺织公司运行良好。     

基于BP神经网络及其改进算法的织机效率预测

为准确预测纺织厂织布车间的织机效率,提出利用BP神经网络、主成分分析结合BP神经网络(PCA-BP)、遗传算法改进BP神经网络(GA-BP)3种模型预测织机效率,并将GA-BP预测模型与传统BP神经网络和PCA-BP预测模型的预测结果进行对比分析。结果表明:GA-BP对原始数据的拟合度最好,相关系数为0.946 87, 比BP增加了6.42%,比PCA-BP增加了2.61%;GA-BP、PCA-BP、BP这3种网络十万入纬的经停仿真值与期望值间的平均误差分别为0.341 2、0.303 1、0.234 1,误差百分率分别为8.63%、7.67%、5.92%,不同网络结构下织机效率仿真预测值与期望值间的平均误差分别为3.010 9、2.688 4、2.118 9,误差百分率分别为3.51%、3.13%、2.47%;3种模型的预测准确度顺序由大到小为GA-BP、PCA-BP、BP。     

基于BP神经网络的仓储小麦的生理生化指标预测

BP神经网络算法在粮食仓储领域拥有巨大的应用价值和潜力。本研究尝试将BP神经网络引入仓储小麦品质预警模型,以天津储粮抽检数据为对象,通过对室内温度的记录,样品水分、淀粉、蛋白质等11项生理生化指标的定期检测,利用BP神经网络算法进行仓储小麦的品质预测与影响分析。仿真结果表明,基于BP神经网络的数据预测方法具有较小的过程误差和较高的结果准确性,为仓储小麦的品质预测提供了一种有效的研究方法。     

基于Levenberg-Marquardt算法改进BP神经网络的卷烟销量预测模型研究

针对一般时间序列分析方法中预测方法的不足,采用改进的BP神经网络对卷烟销量进行预测。介绍说明改进的BP神经网络Levenberg-Marquardt算法原理,对卷烟销量数据进行归一化处理,建立卷烟销量神经网络预测模型,利用Matlab软件对数据进行训练、仿真。与实际销量进行对比分析,证明采用改进的BP神经网络预测结果准确。     

基于BP神经网络方法的高大平房仓温度场预测研究

国家粮食储备多以平房仓为主要存储仓型,储粮粮堆在夏季时受到外界持续传热而会达到较高温度,而且微生物生长繁殖会进一步引起粮堆内部发热,对安全储粮产生危害。为了确保储粮品质,控制储粮温度,粮仓温度场预测系统的研究与应用就愈显重要。基于神经网络模型,以BP神经网络预测模型为主要研究对象,并选取典型高大平房仓实际粮情监测数据为实例,在MATLAB平台进行仿真,通过实测数据进行训练,构建实测模型。分析了粮食温度场的影响因素,采用SPSS统计学软件确定了影响因素的权重大小,并采用神经网络方法验证了主成分分析的结果。     

基于BP神经网络的织物斜向弯曲性能的预测

针对织物斜向弯曲刚度传统数学模型预测精度较低的实际情况,选择若干块织物沿纬向到经向每隔100测试弯曲性能,应用基于梯度降算法的BP神经网络对织物斜向弯曲刚度进行预测,并用误差平方和作为指标进行检验和比较.结果表明:这种网络模型能够有效预测织物斜向任意角度的弯曲刚度;与传统的数学模型相比,该网络模型的精准度和泛化能力更高,可为织物斜向弯曲刚度的预测提供一种新的客观评价方法.     

基于改进粒子群算法的平房仓粮温BP神经网络预测模型建立

在传统的BP神经网络预测模型的基础上引入改进的粒子群算法对神经网络中的权值和阈值进行不断优化,针对平房仓内部不同温度监测点处的粮食温度建立预测模型,改进后的粒子群算法拥有更好的局部寻优能力和全局寻优能力,较传统的BP神经网络预测拥有更精确的预测精度,更小的预测误差,使优化后的BP神经网络能快速的从历史粮温中总结平方仓粮温变化规律,实现平房仓粮温的预测。     

基于BP人工神经网络的数字字符识别

提出一种基于BP人工神经网络来识别含有噪声的数字字符的方法.通过对BP网络模型进行训练,并选择纯净和带有噪声的数字字符组成样本,借助Matlab7.0实现数字字符识别,识别率为96%,达到了设计要求.     

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。     

基于BP网络的成纱质量预测的数据挖掘

通过对原棉性能及成纱质量历史数据的分析,建立了用于数据挖掘的样本库。在此基础上设计了成纱质量预测的BP神经网络模型,并对成纱的强力、条干CV值和毛羽等质量指标进行了预测分析,仿真结果表明该方法具有很好的预测效果。     

BP神经网络下的智能化合体服装样板生成

为快速得出符合顾客体型的服装样板,以男西裤为基准样板,腰围和臀围部位的变更规则为研究对像,格柏CAD 为技术开发平台,依据大量人体数据对样板原有的变更规则进行优化和重建,采用BP 神经网络算法建立了人体腰围、臀围尺寸变化量与相应的变更规则之间的神经网络模型。直接采用数据与数据的匹配归档,最终实现男西裤腰腹部和臀部变更规则的参数化设计,即给定一个腰围、臀围的变化量就得到一个相应的变更规则,通过调用此变更规则就会自动得出符合这个尺寸的样片,初步实现一人一板,提高了服装的合体度,减少了对样板师的依赖性。