基于鱼群神经网络的地下水脆弱性评价与分析

地下水脆弱性评价是区域进行地下水资源保护和管理的重要依据。针对BP神经网络技术在对地下水脆弱性进行评价时存在的收敛速度慢、不易获得全局最优解、诊断精度低以及网络结构不确定等缺点,而人工鱼群算法具有较优的全局收敛能力及较快的寻优速度。因此,本文利用人工鱼群算法对BP神经网络的初始权值和阈值进行了优化,建立了一种新的地下水脆弱性评价模型,并将该模型应用到具体的评价实例中。结果表明,人工鱼群神经网络算法具有收敛速度快及泛化能力强的优点,为地下水脆弱性评价提供一种高效、准确及可靠的方法。     

基于BP神经网络对CuNiSiCr合金时效后性能预测

采用改进的BP 网络算法———Levenberg Marquardt算法,建立了固溶态Cu Ni Si Cr合金的时效温度和时间参数关于时效后性能的非线性映射模型。结果表明所建立的BP神经网络模型可对Cu Ni Si Cr合金时效后的性能进行有效的预测和分析。     

DRASTIC评价方法在丹东市地下水环境脆弱性评价的应用

本文采用DRASTIC评价方法,对丹东市地下水黄精的脆弱性进行了详细的研究。选取地下水位埋深（D）、净补给量（R）、含水层介质（A）、地形（T）、包气静f生质（I）、含水层导水系数（C）作为评价因子。详细分析各区各项因子之后,定性的给各区评分,对照DRASTIC评价方法,便得到该市地下水环境的脆弱性分区。     

基于BP神经网络的企业标准化综合评价方法研究

神经网络作为解决当前大多数非线性科学和计算智能领域问题的主要工具,对解决一些定性问题定量处理发挥了重要的作用.标准化是介于社会科学和自然科学之间的一门复杂性科学,其具有非线性的典型特点,对一些指标进行量化就显得尤为困难,目前对一些单位和项目进行标准化评价,主要采用的方法是专家打分法,对相关的管理工作带来了一定的不便.本文借助于神经网络在处理非线性问题中的优势,通过标准化工作综合评价指标体系,建立了三层BP神经网络模型,并给出了相关的算法,从性能分析可以发现,该方法对于标准化工作的综合评价具有一定的先进性,对后续提升标准化工作的科学性具有一定的参考意义.     

基于 BP 神经网络的气调包装评价方法研究

目的为了提高果蔬气调包装评价应用水平。方法基于BP神经网络,对果蔬MAP包装评价的理论研究现状进行了系统的研究和分析,系统地介绍了基于BP神经网络的评价方法原理。以牛肉气调包装为例,选用pH值、TVB-N值(挥发性盐基氮)、汁液流失率、细菌总数、色泽等评价指标,建立了气调包装评价模型,并用实例进行了证明。结果评价了样本MAP2,MAP6,MAP9的实际输出值分别为0.61,0.83,0.69,符合所选牛肉的气调包装表现。结论评价方法实用性强,可用于各类产品的气调包装评价,为气调包装方案的设计提供了依据。     

基于BP神经网络的印刷色彩质量综合评价

应用BP人工神经网络模型对印刷色彩质量进行评价。对BP网络模型进行了改进:对网络模型的专家样本进行改进,即在国家对印刷色彩质量相关规定的基础上,通过大量的试验和分析构造出训练样本,从而提高了模型的鲁棒性和识别的准确性;采用基于黄金分割理论的优化算法对BP网络模型的隐含层节点数进行优选,使模型在进行较少次的循环迭代后训练误差收敛到最小,从而提高网络模型的性能。实例表明,此印刷色彩质量评价方法是切实可行的,评价结论具有客观性和实用性,能够细致划分印刷品等级。     

基于BP神经网络算法分层递阶评价区域可持续发展的研究

区域可持续发展评价是一个多因素、非线性的复杂问题,应用的方法很多。人工神经网络(ANN)可以逼近任意复杂的非线性系统,具有较好的模式识别、自适应学习和记忆联想等能力。神经网络的方法为解决可持续发展评价等具有复杂非线性问题提供有力的工具。     

基于BP神经网络的引进项目效益综合评价

一种新的基于BP神经网络方法用于综合评价引进项目的经济效益，计算结果表明，与层次分析法相比较，这种方法可以作为研究此类问题的新途径。     

前馈型神经网络算法优化分析

文章介绍了人工神经网络的模型,分别以BP神经网络为例介绍了前馈神经网络,并用三种方法对BP神经网络算法进行优化改进。     

基于神经网络的柴油机声音品质评价预测

采用多元线性回归与人工神经网络系统（Artificial Neural Network，简称ANN）分别建立了柴油发动机噪声声音品质预测模型，并将两种模型的预测值与实测值进行比较。试验结果表明,该系统可以反映客观参数和主观满意度间的非线性关系，可以用来预测和描述柴油发动机噪声的声音品质。     

基于BP神经网络的数字识别

利用BP神经网络算法实现对数字的识别。首先获取各种0-9共10个号码数字的样本图像,提取Hu矩不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,再用训练好的BP网络对待识别的数字图像进行识别,实现了对存在旋转、平移和缩放等几何失真的图像的正确识别,实验结果表明,基于Hu不变矩和BP网络的数字识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点。     

基于改进BP神经网络算法的数据挖掘技术的研究

本文主要介绍数据挖掘技术的概念、过程和BP神经网络算法的原理,研究如何将BP神经网络与数据挖掘技术相结合,从海量数据中挖掘出潜在有用价值的信息,阐述了数据挖掘技术与神经网络结合的关键技术和实现方法,并提出一种改进的BP神经网络算法以实现有用模式的挖掘,能大大缩短训练时问和提高挖掘精度。     

基于神经网络的电子线路故障诊断

分析了故障字典法在实际应用中存在的不足,提出将单位BP算法应用到电子线路的故障诊断中。对基于该方法的航空装备电子线路故障诊断进行了计算机仿真,并分析了网络参数的变化对训练结果的影响。仿真结果表明了该方法的合理性和有效性。     

基于BP神经网络的飞行器外观设计评价模型

目的建立基于BP神经网络的飞行器外观设计评价模型,使飞行器外观设计更加科学化、符合实际需求。方法基于BP神经网络的飞行器外观设计评价方法是通过建立综合评价指标体系,并组织专家对样本进行评判打分,得到神经网络的训练、检验数据,由MATLAB仿真计算出各项指标的权重关系,并提炼出反应各项评价指标和综合评价结果的非线性关系。结论 BP神经网络的评价模型降低了综合评价法、层次分析法评价过程中主观因素的影响,能够客观、全面地对飞行器外观设计做出评价,为选择最优的飞行器外观设计方案提供有效的参考依据。     

基于BP神经网络的计算机绘图课程教学质量评价的研究及应用

计算机绘图是一门专业基础课,具有很强的实践性,要求授课老师理论与实际操作相结合进行授课.如何提高教学质量是当今高校教育的重点,而客观、准确地评价教学质量对于提高教学质量有着积极而重要的意义.在制定评价指标体系的基础上,利用BP神经网络理论构建合理、有效的计算机绘图教学质量评价模型,并对学校的计算机绘图课程的教学质量进行了评价,找出存在的问题,为今后的教学改革提供方向.     

模糊神经网络模型在水环境质量评价中的应用

鉴于水质类型与分级标准间存在模糊性,为准确评价水环境质量,建立模糊神经网络模型,对辽源市6口井进行地下水水质评价,并将结果与尼梅罗指数法的评价结果比较。结果表明,模糊神经网络评价水质是可行的,能够反映各评价因子质量的相对状态,该模型具有较强的学习能力,较传统方法比具有较高的识别精度,提高水质评价的准确性,为日后保护和管理水环境提供科学依据。     

基于免疫算法的神经网络盲均衡算法的研究

将免疫算法引入神经网络盲均衡,用它来优化网络的权值。它具有很强的全局搜索能力,避免了使用传统方法而出现的未成熟收敛现象,使得收敛速度加快,最终达到全局最优。     

基于BP神经网络的图像分离算法

现在纹理图像分离效率比较低,为解决这个问题,提出一种基于反向传播神经网络的纹理图像分离算法。一些因素会影响的结果是RGB值图像分离的象素的颜色本身,它附近的像素、边界的概率。根据这些因素,我们构建一个模型,用BP神经网络训练功能区域的图像和噪音一组样本,训练之后,BP神经网络训练可以用于纹理图像分离。最后我们设计一种实验,利用BP神经网络分离三个纹理图像。实验结果表明该算法简单、可行的、可以降低人们的工作。