基于遗传算法优化神经网络的产品造型设计评价

为全面科学地评定、筛选最佳设计方案,借助遗传算法的全局寻优能力对BP神经网络进行优化,构建混合GA‐BP算法,并将其应用于笔记本产品造型设计评价中。在建立笔记本造型二级指标评价体系的基础上,利用18款设计方案中的15款对混合GA‐BP评价系统进行训练,利用其余3款设计方案对训练后的系统进行验证。验证结果表明,模拟值与实际值的相对误差分别为3?6％、－1?7％和2?8％,显示了较高的精度,反映了混合GA‐BP产品造型设计评价系统能对设计方案进行科学的评价。     

基于BP神经网络的学习行为评价模型及实现

本文针对网络多媒体教学环境下学生学习行为出现的新情况、新问题，设计一种智能化评价模型实现新型教学模式下学生学习行为的评价，并验证该模型的可行性。该模型可以满足网络教育标准化、个性化要求，具有很强的学习、联想和容错功能，其分析结果和过程都接近人脑的思维过程和分析方法，使分析评价更加快速准确。     

基于BP神经网络预报钢锭成分的软件开发

采用3层BP神经网络来预测炼钢成品的C、Si、Mn成分.根据炼钢的实际生产数据,选取铁水、废钢、供氧、吹氩、硅锰合金、增碳剂等28个因素作为输入变量,对输入参数进行归一化处理,采取附加动量项和自适应学习步长的措施,解决了BP神经网络局部收敛和学习时间过长的问题,提高了神经网络预报的准确率.并用VC++语言编写程序.软件经生产现场运用后.模型预测结果表明:在规定的误差内(C±0-02%、SiO±0.5%、Mn±0-06%),预报命中率达到85%以上,证明了模型的有效性.     

基于CAID在产品造型设计中的研究

本文分析和研究了产品造型设计的传统设计方法与ＣＡＩＤ设计方法，指出ＣＡＩＤ用于产品造型设计，可以减少设计师的大量重复劳动、节约许多时间、提高设计质量。     

论产品造型设计

通过对产品造型设计的论述,使产品设计者明白,在以人为中心的设计时代,设计产品不仅要考虑人的生理性,还要考虑人的心理性、审美性、差异性等。尤其在技术、质量、性能、功能等方面很少有差别的情况下,设计、造型和色彩等因素已成为促进商品销售、发展企业的重要竞争力。     

跨文化理论分析与产品造型设计

本文研究国际著名跨文化学者霍夫斯塔德的文化价值层面理论,从产品造型设计的相关概念入手,以中国为例,从文化普适性的五个价值维度对中国文化下的产品造型进行理性分析,最后提出了跨文化理论导入产品造型设计的具体措施,进而达到在不同文化背景的消费者中提升品牌的海外经营的目的。     

基于CPLD的BP神经网络模型的硬件实现

神经网络的硬件实现已成为人工神经网络的一个重要的研究方向，本文提出一种基于Altera公司的CPLD的硬件实现该BP三层神经网络模型方法并进行了MAX PlusII仿真验证。     

基于BP神经网络的学生综合素质评价的算法设计

该文对学生综合素质的各种评价方法进行了深入的分析,探讨了利用BP神经网络理论进行综合素质评价的可行性,并提出了基于BP神经网络的学生综合素质评价的算法设计。     

高校教学质量评价的BP神经网络模型

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。文章运用BP神经网络建立了教学质量评价的数学模型,通过matlab神经网络工具箱学习训练网络,并经测试数据验证。结果表明,基于BP神经网络建立的教学质量评价模型,克服了评价中主观因素的影响,得到了较满意的评价结果,具有广泛的应用前景。     

BP神经网络模型的优化

文中综述了ＢＰ神经网络模型的一些优化方法,并对这些方法进行了分析,最后提出了存在的问题和进一步的工作。     

灰色人工神经网络人口总量预测模型及应用

针对单一指标进行人口总量预测精度不高的问题,基于灰色系统理论和人工神经网络理论,用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005年至2007年的人口总量进行检验性预测,结果表明灰色人工神经网络模型大大提高了预测精度。     

基于样本自组织聚类的BP神经网络预测模型

根据实际应用中神经网络训练样本通常具有内在特征和规律性,提出一种基于样本自组织聚类的BP神经网络预测模型。通过自组织竞争网络的聚类特征,改善样本训练对BP网络性能的影响。BP神经网络采用收敛速度较快和误差精度较高的动量—自适应学习速率调整算法。并通过基于这种模型的空气质量预测实验,表明基于样本自组织聚类的BP神经网络预测模型首先会提高收敛速度,其次会减少陷入局部最小的可能,提高预测精度。     

基于BP神经网络和Bagging算法的入侵检测

提出基于Bagging算法集成BP神经网络的入侵检测方法。采用BP神经网络为分类器,以用户的网络连接行为为特征进行检测,为进一步提高BP神经网络的分类性能,采用Bagging算法对BP神经网络分类器进行加权投票。实验表明,提出的方法具有良好的检测性能。     

一种BP神经网络机场噪声预测模型

机场噪声预测对机场噪声控制、航班计划制定和机场规划设计具有十分重要的作用。现有的机场噪声预测模型都是以飞机的噪声距离曲线（NPD曲线）为核心,用相应的数学模型将其修正至与具体机场的特定环境条件相关的噪声传播模型,存在预测成本高和误差大的缺点。针对这种情况,提出一种使用BP神经网络利用机场噪声历史监测数据进行NPD曲线修正计算方法,从而建立适用于特定机场环境条件的机场噪声预测模型。实验表明,在特定机场的特定环境条件下,允许误差为0.5 dB时,该模型预测准确率高达91.5%以上,具有预测成本小、准确度高的特点。     

一种功能分区的BP神经网络结构设计方法

针对全连接BP网络在解决大规模复杂问题时存在的收敛速度缓慢等问题,提出一种功能分区的BP网络结构模式.利用RBF神经元的物理特性对输入样本空间进行分解,并将分解后的样本送给不同的子BP网络学习.与全连接BP网络相比,降低了网络在学习过程中的权值搜索空间,提高了学习速度,改善了网络泛化性能,体现了人脑在学习过程中的知识积累特征.对三维墨西哥草帽函数逼近和双螺旋分类的实验结果表明,该网络能够解决全连接BP网络不能有效解决的问题.     

基于BP神经网络的非线性网络流量预测

传统的流量分析建立在线性模型的基础上,但是由于复杂的拓扑结构和网络行为,网络流量表现为一个非线性的系统。根据实际网络中测量的大量网络流量数据,建立一个时间相关的基于神经网络的流量模型,预测和分析网络流量状况。相对于传统线性模型该模型具有较高的预测精度、自适应性和鲁棒性。     

基于BP网络模型的立项评估研究与应用

在项目管理立项评估数据的基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件将BP算法的评估模型首次应用在科研项目的立项评估中。通过科研项目立项评估模型的实际运行,证明了该评估算法的有效性,有力提高了科研部门的立项评估水平。     

基于滑动平均预处理的BP网络储层识别方法

在油气勘探开发领域的储层识别研究中,神经网络技术是一种有效的工具。根据BP神经网络的逼近原理,提出了基于滑动平均预处理的BP神经网络储层识别方法。首先对学习样本中的每一组样本数据按照一定规则选取近邻点,然后根据近邻点信息,使用滑动平均的方法进行预处理得到新的样本数据,最后使用新的学习样本训练BP网络,进行储层判识。实验结果表明,该方法具有简单、高效、学习速度快的优点,能极大提高识别速度和预测精度。     

基于BP神经网络和CELTS-22的网络课程评价研究

基于对人工神经网络和CELTS-22的研究,建立了以CELTS-22中主要评价规范为参照的指标体系.该系统应用三层BP神经网络结构,设计出能模拟专家进行评价的计算机辅助评价模型,可以弥补评价过程中的人为失误.