DE-BP神经网络对产品成本预测的研究

引入BP神经网络算法对产品成本进行预测,建立了产品成本预测模型。针对神经网络参数优化容易陷入局部最优解的缺陷,结合差异演化算法,提出了DE-BP神经网络预测模型。实验表明,该算法具有较高的预测精度,能够为企业生产运营提供可靠的依据。     

基于GA-BP神经网络的动力锂电池SOC估算

为提升新能源汽车的整车动力性、经济性以及安全性,更精确估算车用锂电池的荷电状态值(SOC),以纯电动汽车动力锂电池为研究对象,采用遗传算法(GA)优化BP神经网络,解决了误差逆传播存在的收敛速度慢、全局范围搜索能力弱、容易陷入局部极小值等缺陷,同时建立了基于GA-BP算法的SOC值预测神经网络模型,通过仿真实验与传统B...     

基于RBF神经网络的软件成本估算模型

软件成本估算是软件开发过程中一项非常重要的活动,但现有的方法在准确估算软件成本方面还存在不足。针对软件成本估算不够准确的现状,提出了一种基于RBF神经网络的软件成本估算模型。该模型采用样本聚类的方法确定隐含层节点数,利用遗传算法对隐层节点中心值和高斯函数的宽度进行优化,利用线性最小二乘法训练网络的权值。实验证明,该模型能够准确有效地估算软件成本。     

用于软件开发工作量估算的IOP模型

软件开发工作量估算可以为多项与组织决策和项目管理相关的任务提供有效的支持.根据工作量估算的不同目标,通过对COCOMO Ⅱ成本驱动因子进行扩充和对国内外最新软件项目数据进行回归分析,建立了一个用于工作量估算的IOP模型.该模型采用统一框架,分别从行业水平、组织水平和项目特征3个层次实现基于规模的软件开发工作量估算,以满足针对软件行业、软件组织和特定软件项目的不同的估算目标,例如项目招标、软件组织不同项目的管理和具体软件项目的管理等.最后,给出了IOP模型应用的若干实例.     

神经网络在机电零件制造成本预估系统的应用研究

由于激烈的市场竞争,企业必须建立完善的设计决策支持系统,针对这种需求,本文提出了一种解决机械零件在概念设计阶段的制造成本预估问题的系统方法。在数据库的支持下,首先建立合适的神经网络模型,用已有数据对其进行训练直至其收敛,从而可以进行预估计算。     

基于PSO-BP的涡扇发动机重量估算方法研究

以军用小涵道比涡扇发动机为例,进行发动机在概念设计阶段的重量估算方法研究。建立了采用粒子群优化算法的BP神经网络发动机重量估算模型,基于统计的发动机技术数据进行训练和测试;仿真结果表明,基于PSO-BP的涡扇发动机重量估算模型相比于其他方法具有较高的精度,为小涵道比涡扇发动机在总体性能方案设计阶段关于重量预估和控制方面,提供了一定的借鉴和参考。     

神经网络在工业厂房造价估算中的应用研究

在工程估价领域的研究中,利用神经网络进行工程造价快速估算,并取得了一定的研究成果。但是真正应用于实际的不多,取得很好效果的更少,神经网络的设计,对训练方法、因素的选择都会影响实际应用效果。为快速提供企业经验数据,根据神经网络原理和工业厂房造价估算的特点,设计了一个基于BP算法的工业厂房造价快速估算神经网络模型,并对样本选取、特征因素确定及处理等关键问题进行了分析。经仿真训练和验证,表明精度能满足要求,最后把训练得到的知识应用于实际,取得了预期的效果。     

跨组织数据的软件成本估算方法

软件成本估算一直是软件项目管理的重要部分。经过半个多世纪的研究和工业实践,成本估算方法、模型得到了极大的丰富。这些方法、模型也衍生出了各种成本估算工具。但是,成本估算方法和模型的基础是历史项目数据。没有历史项目数据的公司和组织只能利用其他公司或组织的数据来进行自己项目的成本估算。如何利用跨组织数据进行有效的成本估算成为更具现实意义的问题。针对这一问题,提出了一种有效利用跨组织数据进行成本估算的方法,并通过实验说明了方法的有效性。     

基于改进自适应蚁群小波网络的定制产品成本估算

为提高小波网络对定制产品成本估算的精度,在分析小波网络和蚁群算法基本原理基础上,对蚁群算法进行了改进,提出了基于改进自适应蚁群算法的小波网络学习算法。在对定制产品进行成本估算的实例研究中,得出该方法的收敛速度和求解精度都要优于其它传统学习算法,说明该方法在训练小波网络时具有更好的学习能力和估算精度。     

自适应神经网络学习方法研究

本文从连接权值、网络的拓扑结构、网络的学习参数以及神经元的激活特性等不同方面分别讨论了人工神经网络的学习问题，并就当前流行的ＢＰ模型提出了具体实现方法。实验表明，这些方法对于加快网络的收敛速度，优化网络的拓扑结构等方面有着显著成效，本文所述内容为ＡＮＮ学习算法的改进与设计提供了示例，途径和思想总结。     

神经网络技术在库存管理中的应用

随着消费者对商品需求的增长和商品类型的增加,如何在最小化库存的同时保证最大程度满足消费者的需求已成为各个零售公司的一个主要问题。该文介绍了使用基于数据挖掘和知识发现的神经网络技术来解决库存问题的方法。     

基于BP神经网络的ZigBee无线定位技术

提出一种利用BP神经网络算法与RSSI测量值结合的新型定位方法。该方法首先建立一个定位环境模型,设定有限个数的参考节点．通过实测一定数量RSSI一坐标数据组作为样本数据训练得到一类BP神经网络模型。完成后的BP网络模型可用于盲点坐标的定位。实验表明,该方法具有较好的定位性能。     

基于改进的模糊C均值的BP分类器设计

提出了一种基于改进模糊C均值的BP神经网络分类器的设计,通过改进的模糊C均值算法对大量的数据进行聚类划分,然后设计BP神经网络对划分后的数据进行训练和测试,最后由计算机进行综合判断.试验证明该分类器是有效的,可以对高速公路车辆的车型进行迅速判别.     

一种基于神经网络的模糊方法研究

模糊系统设计中,模糊规则的建立是系统设计的瓶颈问题。针对这一问题,该文提出了一种用于监督神经网络自动生成模糊规则并实现模糊推理的方法。网络训练分为两个阶段,首先是结构学习,确定系统的规则总数和前提的有关参数;其次是参数学习,即调整权值,使系统输出接近理想输出。仿真实例证明使用该方法建立模糊系统具有较好的效果。     

基于改进的BP神经网络的中医舌诊诊断研究

研究人工神经网络方法应用于中医舌诊诊断,通过分析传统BP算法的不足之处,提出了改进的方法,并采用改进的BP算法构建中医舌诊智能诊断的神经网络模型.实验结果表明:该中医舌诊智能诊断模型具有诊断能力较强、收敛速度较快,泛化能力较强等特点.     

基于广义回归网络的动态权重回归型神经网络集成方法研究

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已成为机器学习和神经计算领域的一个研究热点。针对回归分析问题提出了一种动态确定结果合成权重的神经网络集成构造方法,在训练出个体神经网络之后,根据各个体网络在输入空间上对训练样本的预测误差,应用广义回归网络来动态地确定各个体网络在特定输入空间上的权重。实验结果表明,与传统的简单平均和加权平均方法相比,本集成方法能取得更好的预测精度。     

专家神经网络的构造研究

专家神经网络是由专家系统产生出的事件驱动无环路神经对象网络。这些神经对象处理信息的非线性复合函数比正常的神经网络结点处理器更复杂。本文研究了无环路网络的ＢＰ学习算法,这一算法将传统ＢＰ算法与专家神经网络特征结合起来,提供了一种获取知识的方法。     

鱼雷寿命周期费效评估的灰色聚类决策

鱼雷寿命周期费用-效能评估是在各种采办决策中进行权衡、评比,目的是达到产品寿命周期费用与其效能间的最佳平衡,即以一定的费用达到尽可能高的效能,或在效能一定的情况下,尽可能地减小费用.灰色系统理论的灰色聚类决策可以全面权衡现有条件与要求达到的条件,对待选方案做出合理评估.文章选用灰色聚类决策方法,结合实例对三种鱼雷寿命周期费用和效能进行了评估,结果可信.文中提出的鱼雷寿命周期费用-效能评估的灰色聚类决策方法为鱼雷费效评估提供了实用的方法.     

基于Matlab的BP神经网络应用

BP学习算法是一种单向传播的多层前向网络,Matlab中的神经网络工具箱是以人工神经网络理论为基础,基于Matlab的工具箱,结合西瓜仁重的预测,验证了BP神经网络预测西瓜仁重的可行性,且BP算法收敛速度快,误差小,值得在预测作物生长中推广。     

基于Matlab的BP神经网络应用

BP学习算法是一种单向传播的多层前向网络,Matlab中的神经网络工具箱是以人工神经网络理论为基础,基于Matlab的工具箱,结合西瓜仁重的预测,验证了BP神经网络预测西瓜仁重的可行性,且BP算法收敛速度快,误差小,值得在预测作物生长中推广。