基于改进型PSO-BP神经网络算法的水质评价

环境污染现在是大众所关注的一个重要的问题,需要拿出科学的方法和手段应对这个问题。文中提出了一种改进型的PSO-BP神经网络相结合的环境质量评价方法,以大理的洱海水域为例,选取了实际的水质监测数据作为样本,进行了系统的分析。通过对传统的BP神经网络法、PSO-BP神经网络和改进型PSO-BP算法三种方法应用结果的对比,本文得出改进的PSO-BP神经网络方法在相同精度下拥有更高的效率。     

基于智能优化的神经网络数值预测方法研究

本文基于短波信号接收信噪比预测数据对BP网络、GA+BP网络和PSO+BP网络分别在不同数据量的情况下进行仿真实验,然后以均方误差和训练时间为性能参考选出最优的GA+BP网络算法,最终将该算法应用于短波信号接收信噪比预测系统。     

基于神经网络的南水北调中线工程水质评价及预测

南阳陶岔作为南水北调中线工程的渠首闸所在地,掌握其水质变化情况、预防污染事件的发生至关重要。基于环保部门的水质检测数据,选取pH、溶解氧、高锰酸盐指数、氨氮作为研究指标,通过主成份加权分析模型和BP神经网络模型,对陶岔的水质进行了有效的评价和较高精度的预测。结果表明,陶岔水质总体较好,可达Ⅱ级以上,评价准确率为81.25%;预测的最大误差为4.75%,平均误差0.7%,预测精度较高。     

基于神经网络方法的半导体生产工艺优化

以提高生产成品率为目标,利用神经网络的非线性和容错性,对半导体芯片生产过程进行了分析和优化,具体内容如下：(1)使用神经网络方法建立模型,确定生产线上工艺参数和成品率之间的映射关系,构造以工艺参数为输入,成品率为输出的多维函数曲面.(2)对上述多维函数曲面进行搜索,搜索成品率最高的最优点,以该最优点的工艺参数值为依据确定工艺参数的规范值.(3)对工艺参数规范进行优化,在实际生产工艺中反复实践,直至达到提高成品率的目的.生产实践证明,神经网络的分析结果是合理的.根据神经网络分析提出的优化建议,有效地提高了工序能力指数和产品成品率的一致性,具有实际应用价值.     

基于神经网络方法的半导体生产工艺优化

以提高生产成品率为目标,利用神经网络的非线性和容错性,对半导体芯片生产过程进行了分析和优化,具体内容如下：（１）使用神经网络方法建立模型,确定生产线上工艺参数和成品率之间的映射关系,构造以工艺参数为输入,成品率为输出的多维函数曲面．（２）对上述多维函数曲面进行搜索,搜索成品率最高的最优点,以该最优点的工艺参数值为依据确定工艺参数的规范值．（３）对工艺参数规范进行优化,在实际生产工艺中反复实践,直至达到提高成品率的目的．生产实践证明,神经网络的分析结果是合理的．根据神经网络分析提出的优化建议,有效地提高了工     

基于HOA优化卷积神经网络的英语教学质量评估方法

针对当前高校英语教学质量评价准确性不高问题,提出了一种基于蜂鸟算法(HOA)优化卷积神经网络英语教学质量评价方法。利用主成分分析方法对英语教学质量评价指标进行降维,然后针对卷积神经网络陷入局部最优的问题,采用蜂鸟优化算法对卷积神经网络参数进行优化,设计基于蜂鸟算法优化卷积神经网络的英语教学质量评价模型。结果表明,通过HOA对CNN网络参数进行优化,克服了CNN优化陷入局部最优的缺陷,可有效评价英语教学质量,且精度更高、耗时更少。     

基于神经网络的计算机网络安全评价研究

由于计算机网络信息在传播时具有开放性,部分信息未经过严格的审核,导致计算机网络面临安全漏洞和病毒等方面的威胁。神经网络是目前应用最为广泛的网络模型之一,结合神经网络构建一套安全、可靠的计算机安全评价体系,对网络安全有一定的保障作用。将神经网络有效地应用于计算机网络,有利于降低网络安全风险。文章对神经网络和计算机网络安全进行了概述,通过BP神经网络构建可靠的计算机网络安全评价体系,阐述了基于神经网络的计算机网络安全评价系统应用意义,弥补传统计算机网络安全中存在的诸多问题及不足。     

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。     

基于神经网络的工业企业电气安全评价方法浅析

目前,针对安全评价方法的系统研究有多项适用于电气安全评价当中,例如SCL、PHA以及FMEA等等,根据程度不一的事件来利用不同的评价方法。但从目前的发展状况来看,由于评价方法种类的繁多,所以经常或受到不同事件的限制而造成评价内容的疏漏现象,与实际的企业发展状态并不符合。而神经元网络作为当前的大规模信息处理系统,不仅能够模拟人类的脑神经组织结构,同时也能够在复杂且多元化的工作环境中,实现信息的大规模处理并自主学习训练。对此,本文基于BP神经网络的基本原理以及电气安全评价的重要性,进一步了解当前工业企业电气系统安全评价体系的确立和大数据构成,以此来实现在神经网络中电气安全评价的实施。     

基于遗传神经网络的入侵检测方法研究

首先介绍了人工神经网络和遗传算法的基本原理，进行分析后将这两种方法相结合提出一种GABP遗传神经网络算法及其实现过程，并将其应用于入侵检测中，和传统的BP神经网络相比具有较好的效果。     

基于GA-BP神经网络的柴油机噪声品质评价方法

在柴油机运转中存在有比汽油机更大的噪声与振动,当其强度达到一定程度时,会给环境造成严重的危害.基于对柴油机噪声品质预测的目的,采用(GA-BP)算法建立了一种预测模型.其中的BP算法是一种基于梯度下降原理在局部中寻优的算法,由于人对柴油机噪声的主观评价是个非线性的过程,BP算法可以解决非线性可分问题,所以可以在柴油机噪声品质主观评价中应用.但是BP算法的过程收敛速度慢,很有可能陷入局部极小值.而遗传算法(GA)具有全局寻优的优点.文中通过将二者结合起来.由GA寻找最优的BP神经网络权值与相应节点的阀值,可以有效防止搜索过程收敛于局部最优解.通过仿真结果得出:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,并且预测精度高,为柴油机噪声主观评价提供了一种新思路.     

基于人工神经网络的图书馆服务质量评价研究

以环境、馆藏资源、服务方式和硬件设备等9个影响图书馆服务质量的参数作为评价指标,采用BP神经网络的相关理论方法,以问卷调查结果作为分析数据的基础,对江西省内的20所图书馆的服务质量进行了评价研究。仿真结果表明,采用构建的神经网络可以快速而准确地对图书馆服务质量进行评价。     

一种基于高维粒子群算法的神经网络结构优化研究

为克服传统BP神经网络在运算过程的不足,提出一种基于高维粒子群算法的神经网络优化方法。通过在高维PSO算法中引入随机变化的加速常数来获得最优权值,对BP神经网络进行优化和训练,再将优化好的高维BP神经网络运用到交通事件自动检测中,通过检测训练算法,并对训练后的数据进行分类测试,把分类测试的结果与传统BP神经网络和经典事件检测算法比较。结果显示,经过优化后的高维粒子群BP神经网络的检测率、算法性能均优于BP神经网络算法和经典算法,其中97,50个测试样本中仅有2个测试样本与应该达到的数值不一致,其他样本都满足测试要求,并且平均优化测试时间是传统BP神经网络检测时间的一半,因此,优化后的BP神经网络算法的性能十分优越。     

基于遗传优化神经网络的边坡稳定性评价

由于引起滑坡的因素复杂,传统预测方法难以得到高精度的结果。文中利用遗传算法(GA)全局搜索能力强、不易陷入局部极小值的特点对样本的初始权值和阈值进行优化处理,使得前馈型神经网络(BP)在学习和预测时能够得到一个最佳的权值和阈值,从而探索出影响滑坡的因子与边坡稳定性之间潜在的关系。从仿真结果可知:优化权值后的BP神经网络得到边坡稳定性的判对率达到100%,而随机权值BP神经网络的判对率仅为54.5%,判对率提高了45.5%;安全系数较随机权值BP神经网络的平均误差提高了6.08%。因此,优化BP神经网络的预测精度得到明显提高,在今后边坡稳定性的实际应用评价中可作为一种有效的辅助手段。     

基于机器学习的水质评价方法研究

随着社会工业化进程的加快,水污染问题日益突显,对水质做出科学的评价变得十分必要。提出一种将数字图像处理技术和机器学习相结合的方法,采用数字图像处理技术提取水样图像颜色矩特征,利用机器学习的支持向量机构建水质评价分类模型,并对SVM模型进行参数优化,实验证明该方法对水质评价的效果较好。     

基于遗传神经网络的立体图像的客观评价

立体图像质量评价已成为立体成像技术领域的关键问题之一,采用基于统计学习的支持向量机模型模拟人类的认知特性对立体图像进行质量评价。但是由于立体图像较单视点平图像数据量成倍增长,为了降低计算复杂度,提取更加符合人类认知特性的图像特征,采用主成分分析提取立体图像样本的特征值和特征向量,利用遗传算法对支持向量机的参数进行最优化选择。实验结果表明:该方法较单纯采用支持向量机方法对立体图像质量进行评价泛化性能更好,其正确分类率达到94%,更符合人眼的主观感受。     

证据理论和神经网络的教学质量评估模型

为了获得更优的教学质量评估结果,提高教学效果,利用证据理论处理不确定性问题的优点,提出证据理论和神经网络的教学质量评估模型。利用非线性拟合能力的神经网络对教学质量进行评估,构建证据体,通过证据理论对教学质量最终评估结果进行决策,采用Matlab仿真工具箱进行有效性测试。测试结果表明,该模型克服了传统模型评估结果的不确定性,提高了教学质量的评估精度,评估结果对提高教学质量具有一定的实际意义。     

基于KPCA-GA-BP神经网络的POI质量预测研究

目前移动网络优化一般基于小区进行网络质量评估及预测,遵循“升维研究,降维实施”的研究思路,提出了兴趣点(point of interest,POI)网络质量的柔性评价体系,但其涉及较多网络关键绩效指标(key performanceindicator,KPI),导致POI网络综合质量评价体系较为庞杂且预测精度不高,为提高POI网络质量预测精准性,采用核主成分分析(kernelprincipalcomponentanalysis,KPCA)算法对反向传播(back propagation,BP)神经网络的输入变量进行相关性压缩,简化了BP神经网络结构,然后通过遗传算法(genetic algorithm,GA)优化了BP神经网络连接权值及阈值参数。与传统BP神经网络预测结果进行对比,在预测准确度方面提高了10.90%,均方误差性能显著降低,对研究POI网络质量的预测可起到较好的支撑作用。     

基于GA-BP神经网络的手势识别精度优化研究

针对5DT数据手套手势识别过程中存在的精度问题,传统的BP神经网络算法受到其自身因素的影响,导致出现输出手势缺失、变形、精度差的问题。为此,该文提出一种GA-BP权值优化算法,能有效克服BP算法局部寻优的缺点,使输出值不断地接近期望数值,防止陷入局部极小的情况,可以克服输出图像缺失、变形的问题。在GA-BP算法的基础上,对函数输出误差的最大值进行权值优化,解决输出手势精度差的问题。实验结果表明,基于GA-BP神经网络权值优化算法改善了手势识别的精度。     

基于用户感知的TD-SCDMA网络优化研究

随着TD-SCDMA网络建设和商用的不断深入,用户对网络的期望越来越高,如何从用户感知的角度去分析和评估网络,指导网络优化方向,已经成为目前工作的重点和方向.本文对TD-SCDMA网络用户感知评估体系进行了研究,并在5个方向上对基于用户感知的TD-SCDMA网络优化进行了分析,此研究对LTE时代的网络优化工作也有重要参...