一种基于混沌预测的离群时间序列检测方法

提出一种基于混沌行为预测的金融交易离群检测方法.通过对短期金融交易时间序列的混沌分析,建立其未来行为趋势预期机制.利用RBF神经网络构建金融交易序列的拟合函数,以此进行一步行为预测,比较实际结果与预测结果的偏差,从而得到离群判别.合成与真实数据的实验表明了该方法的有效性.     

概率神经网络在煤与瓦斯突出中的应用

为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性.     

应用概率神经网络预测股市的方向变化

预测股票价格的方向变化是一个分类问题，可以有效的指导投资决策，获取投资利润。运用概率神经网络能够有效的进行模式识别，具有训练速度快，可以实时更新数据的优势，因此在金融时间序列的分析预测中有一定的应用价值。通过概率神经网络提供的贝叶斯分类器，应用概率神经网络作用原理，对上证180指数的变化方面进行了预测，结果表明了概率神经网络在预测股标市场的方向变化方面具有实用性。     

概率神经网络在超谱图像分类中的应用

针对超谱图像高维光谱信息给传统分类带来的困难,结合径向基神经网络的原理,提出了一种概率神经网络分类方法。并将其成功应用到具体超谱图像数据中,验证了概率神经网络分类器的有效性。通过实验仿真,研究了特征向量维数对分类结果的影响,证明概率神经网络可应用于大于100个波段的超谱图像数据。     

独立分量分析和概率神经网络在机械故障诊断中的应用

针对旋转机械进行故障诊断时,由于临近机械的干扰,往往无法得到真实的的故障信息以及诊断速度慢的问题,本文提出了一种基于独立分量分析(Independent Component Analysis,ICA)和概率神经网络(Probabilistic Neural Network,PNN))的故障诊断方法,采用快速独立分量分析(FastICA)进行特征提取,PNN实现状态识别.通过仿真与实验加以证明,并与经典的前向多层神经网络(BP网络)的故障分类进行对比,结果表明PNN的准确率可以达到100%,而BP网络只有95%,同时PNN所需的时间只有BP的1/3.     

应用概率神经网络预测股市的方向变化

预测股票价格的方向变化是一个分类问题,可以有效的指导投资决策,获取投资利润。运用概率神经网络能够有效的进行模式识别,具有训练速度快,可以实时更新数据的优势,因此在金融时间序列的分析预测中有一定的应用价值。通过概率神经网络提供的贝叶斯分类器,应用概率神经网络作用原理,对上证180指数的变化方面进行了预测,结果表明了概率神经网络在预测股标市场的方向变化方面具有实用性。     

基于AdaBoost和概率神经网络的入侵检测算法

将AdaBoost算法和概率神经网络结合,提出了一种新的概率神经网络模型ABPNN,基于此模型提出一种新的入侵检测算法.该算法对接收到的网络数据进行分析判断,实现入侵方式的自动分类,并且能对新的入侵行为进行分类和记忆.实验证明该算法在入侵检测系统的检测率和误报率方面都有优越的性能表现.     

基于概率神经网络的高校毕业生学位评审预测

客观地、高效地、准确地对高校毕业生获得学位进行评审,是高校面临的一个重要问题.本文首先提取影响毕业生学位的评审五大指标：学习成绩、实习成绩、论文成绩、英语四级、计算机等级,然后建立了概率神经网络的高校毕业生学位评审模型.Matlab仿真实验表明,该方法评审学位简单快速且准确率较高,具有良好应用前景,也为今后高校学位评审提供一个新视角.     

神经网络在网络检测中的应用

网络攻击的方法层出不穷,攻击手段变化多端,网络监测工具需要向智能化方向发展,以满足当前形势下的需求.根据神经网络的自学习性与自适应性,设计的网络监测系统将网络数据采集工具、Matlab的神经网络工具箱以及VC++编程相互结合起来,实现对网络攻击的自动检测、分析输出结果,且此系统对网络环境的变化具有良好的适应性.     

神经网络在城市金融发展综合评判中的应用

引入神经网络,利用神经网络的自学习、自适应及非线性逼近能力,建立了针对城市金融发展的综合评判模型,并利用Matlab的神经网络工具箱进行开发实现.经过实证研究,表明了该模型的有效性,为城市金融发展综合评判提供了一种科学、可行的评标模型.     

模糊神经网络在火灾探测系统的应用

本文在单参数火灾探测系统中引入了模糊神经网络算法 ,通过教师信号对网络中权值的训练 ,完成基本状态隶属度函数的自动生成和模糊规则的自动提取 ,大大提高了系统的精度和智能化     

Application of artificial neural network and information theory to detection of insulators

0　ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｓｕｌａｔｏｒｉｓａｎｉｍｐｏｒｔａｎｔｅｌｅｍｅｎｔｉｎｔｈｅｅｌｅｃｔｒｉｃａｌｐｏｗｅｒｔｒａｎｓｍｉｓｓｉｏｎｌｉｎｅｈａｖｉｎｇｄｉｒｅｃｔｅｆｆｅｃｔｏｎｔｈｅｓａｆｅｔｙｏｆｔｈｅｗｈｏｌｅｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍ .Ｔｈｅｄｅｔｅｃｔｉｏｎｏｆｐｏｏｒｉｎｓｕｌａｔｏｒｓｂｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆｉｎｓｕｌａｔｏｒｓｈａｓａｈｉｇｈｅｒａｃｃｕｒａ ｃｙ ,ｂｕｔｉｔｉｓａｈａｒｄｊｏｂｔｏｃａｒｒｙｏｕｔｔｈｅｄｅｆｅｃｔｉｏｎ…     

神经网络方法在蓄电池建模中的应用

简要地介绍了人工神经网络,阐述了构建该网络及利用该网络建立蓄电池通用模型的方法,并建立了一种基于神经网络的电动汽车蓄电池模型;使用PSAT软件对该模型进行了仿真计算,得出了仿真结果;设计了某一阀控密封式铅酸蓄电池的充放电试验方案,进行了所建网络的训练和测试,对仿真与试验结果作出了比较和评价.研究表明,人工神经网络方法及所建模型在混合动力汽车设计中有很好的实用性.     

基于卷积神经网络的中文财经新闻分类方法

针对目前财经领域内新闻数据杂乱无章、缺乏自动高效管理等问题,提出一种基于卷积神经网络的中文财经新闻分类方法。收集大规模财经新闻语料,通过无监督学习方法训练获得一个广义通用的财经类词向量模型,将词向量引入到卷积神经网络模型训练中实现有效分类。与传统方法相比,基于卷积神经网络的中文财经新闻分类方法网络模型结构简单,针对小样本集也能表现优异的性能,不仅能有效解决中文财经新闻分类问题,还可充分证明卷积神经网络在处理文本分类问题中的有效性。     

BP神经网络在入侵检测系统中的应用及优化

BP神经网络运用于入侵检测系统有很多优点，但是也存在一些缺点，如执行速度比较慢的问题等．常用的LMBP算法，虽然收敛速度很快，但是应用于入侵检测系统执行速度仍然不能满足要求．结合KDD99数据集，选取适当的数据，通过加入一些限制条件，对LMBP算法进行了优化．通过实际计算，比较算法优化前后的计算结果，验证了优化算法是有效的．优化后的算法比较明显的提高了BP神经网络应用于入侵检测系统时的执行速度，具有一定的实用价值．     

BP神经网络在入侵检测系统中的应用及优化

BP神经网络运用于入侵检测系统有很多优点,但是也存在一些缺点,如执行速度比较慢的问题等.常用的LMBP算法,虽然收敛速度很快,但是应用于入侵检测系统执行速度仍然不能满足要求.结合KDD99数据集,选取适当的数据,通过加入一些限制条件,对LMBP算法进行了优化.通过实际计算,比较算法优化前后的计算结果,验证了优化算法是有效的.优化后的算法比较明显的提高了BP神经网络应用于入侵检测系统时的执行速度,具有一定的实用价值     

一种基于混合神经网络的说话人识别系统

目前说话人识别系统的识别率已经达到较高的水平,但是在应用系统的整合方面还存在一定的问题,比如其算法的复杂度高,不易于低成本的硬件实现等都限制其达到普及化.针对这样的问题,提出一种高性能、结构简单的基于自组织映射(SOFMNN)和概率神经网络(PNN)的混合神经网络分类器以取代目前常用的高斯混合模型(GMM)分类器.实验结果表明,混合神经网络分类器在识别率、识别速度和存储量上都优于高斯混合模型分类器.混合神经网络模型是一种高性能、高效率的说话人识别系统,该系统在说话人识别中将会有很好实用价值.     

神经网络在变压器超高频局部放电模式识别中的应用

结合自适应遗传算法 (AGA)和BP算法各自的优点 ,构造了AGA BP混合算法作为神经网络的学习算法 .实验结果表明 ,AGA BP神经网络既解决了BP神经网络对初始权值敏感和容易局部收敛的问题 ,又提高了AGA神经网络的收敛速度、稳定性和求解质量 ,具有较高的识别率和较强的推广能力