基于BP与RBF神经网络经济预测模型的研究

该文结合经济预测理论和BP神经网络算法和RBF神经网络的特点,研究浙江省基于BP神经网络算法和RBF神经网络算法的人工神经网络的经济增长预测.实证研究数据结果表明,人工神经网络具有较好的预测精度,但是各种神经网络进行经济增长预测的数据不一样,有些误差非常大.人工神经网络可以为宏观经济部门决策提供很好的参考依据.     

BP网络与RBF网络在感官评估中应用比较

介绍BP网络与RBF网络的方法原理以及二者在感官评估中的应用.利用企业提供的单料烟感官数据设计建立BP网络和RBF网络模型,并利用模型预测单料烟感官质量指标,然后通过行业专家提供的符合度公式对建立的模型进行评估,评估结果以百分比的形式展示.实验结果表明:在感官评估应用中,RBF网络模型预测性能优于BP网络模型.     

基于RBF和BP神经网络的DTG全解耦方法比较

为了提高动调陀螺仪（DTG）的精度,需要对DTG的解耦方法进行研究。BP神经网络解耦方法虽然可以达到DTG的全解耦目的,但是与传统的解耦方法相比仍有一些不足,如学习过程较慢,隐含层也很难确定、泛化能力较差等。因此,需要探求更好的解耦方法。通过对RBF神经网络与BP神经网络相比较,得到新的解耦方法。最后通过仿真实验,验证了RBF神经网络的解耦速度比BP神经网络快,并且准确性要高。     

RBF网络光度法与BP网络光度法的比较

目的：探讨神经网络光度法用于复方制剂的含量测定。方法：训练集为按L25（5^6）正交表制备的25组标准混合液的吸光度数据和各组分的浓度数据，混合液中各组分的5个浓度水平分别为80％、90％、100％，110％和120％。预报集采用复方制剂的吸光度数据。网络的输入为混合物的吸光度，网络的输出为各组分的浓度。分别用径向基函数网络和Levenberg-Marqurdt优化算法的BP网络处理数据。结果：复方阿司匹林片和联磺甲氧苄啶片的紫外分光光度法测定结果表明，径向基函数网络在网络训练时间和测定精度等方面好于Levenberg-Marqurdt优化算法的BP网络。结论：径向基函数网络光度法测定复方制剂简便，准确。     

BP和RBF神经网络在图像小目标识别中的研究

本文针对图像小目标识别问题,通过提取图像的有用特征,利用神经网络BP和RBF进行图像目标识别算法研究．进而比较这两种神经网络在图像小目标识别中的应用特点。     

基于BP和RBF神经网络的军事装备维修保障点选址问题研究

针对军事装备维修保障点选址问题,分别提出了基于BP和RBF神经网络的选址研究方法,构建了神经网络模型,设计了相应的算法步骤,并结合实际算例进行了具体分析;最后针对两种神经网络的不同适用情况进行了对比研究。     

基于RBF神经网络的短期负荷预测

短期电力负荷预测是电力系统运行调度中一项重要的内容,传统的电力负荷预测方法都是建立在线性假设基础之上,由于预测精度低,难以满足现在电力部门的要求。人工神经网络己被应用在电力负荷预测中,并取得了较为理想的结果。主要基于神经网络的负荷预测模型,通过MATLAB仿真实验平台,构建RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差较小,取得了令人满意的结果。     

BP神经网络算法及其改进研究

BP算法是非循环多级网络的训练算法,对人工神经网络的发展起到了重大的推动作用,该文介绍了BP算法的基本原理及其缺陷,并提出了改进BP算法的方法。     

BP神经网络算法及其改进研究

BP算法是非循环多级网络的训练算法,对人工神经网络的发展起到了重大的推动作用,该文介绍了BP算法的基本原理及其缺陷,并提出了改进BP算法的方法。     

基于BP网络的照明控制仿真

与自然光相结合对室内光源和遮阳设施进行自动控制,可改善工作环境、提高工作效率并且节约能源。选择一间办公室作为实验样本,采集室内照度后用BP神经网络来建模,借助MATLAB神经网络工具箱训练,使室内照度达到预期要求。仿真结果表明可以满足要求。     

基于BP神经网络的储层参数计算

本文提出了采用人工神经网络对油藏描述中的储层参数进行计算的方法 ,对 BP神经网络的算法进行了改进 ,提高了网络的收敛速度 ,在应用中取得了良好的效果。对神经网络技术在油藏描述中的应用进行了有益的尝试。     

改进的径向基函数网络的研究及应用

针对径向基函数网络和传统遗传算法的一些不足,提出引入一种自适应机制的浮点数编码的遗传算法,并将其与梯度下降法混合交互运算,作为径向基函数网络的学习算法,形成了基于改进遗传算法的径向基函数网络,它克服了径向基函数网络的学习算法上的缺陷。采用改进的遗传算法,无需计算梯度等,限制很少,还可用模型的预测性能作为优化目标。同时,也解决了单独利用遗传算法往往只能在短时间内寻找到接近全局最优解的近似解这一问题。最后将该算法应用到某地区电力负荷预测取得理想效果。     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。     

BP误差反传神经网络技术的应用

详述了标准BP误差反传神经网络技术的基本原理及其算法,分析其局限性,并给出改进的方法及其应用。     

基于改进的AIA优化ANN的多移动机器人追捕研究

建立了一个包含多个捕猎机器人和单个猎物机器人的动态空间模型,并构建了捕猎机器人的AIAE-ANN行为决策系统。人工神经网络(ANN)所有的连接权值采用改进型人工免疫算法(AIAE)进行优化,使神经网络的性能不断得到进化,最终可生成一个性能优良的行为决策系统,从而完成捕猎机器人的围捕。仿真实验表明:用AIAE训练,能有效地应用于追捕系统的多移动机器人研究。     

人工神经网络在材料设计中的应用及其若干共性问题的研究

应用人工神经网络进行材料设计已取得了可喜的进展，本文回顾了人工神经网络应用于材料制备工艺研究时的一些共性问题，如：样本筛选、网络结构的确定、加快网络训练速度、改善网络预测效果、最优工艺参数的确定等，并给出相应的解决办法。