基于主成分分析的BP神经网络在岩性识别中的应用

提出一种将主成分分析和BP神经网络相结合的方法对测井资料进行岩性识别。首先将原始测井数据进行主成分分析,分析结果作为PCABP神经网络的学习样本进行训练,建立测井解释的PCA—BP神经网络岩性识别模型．并用该模型对测试样本进行识别。结果表明该方法同传统的BP神经网络相比．不仅简化了网络结构（网络的输入神经元个数由5个减少为2个）,网络收敛速度也加快了21％．而且识别的准确率提高了25％。     

基于PCA的BP神经网络分类器

由于入侵检测处理的多为高维数据,为了提高入侵检测的效率和准确率,提出了一种基于主成分分析(PCA)的特征提取方法,对数据源进行特征降维,将获得的主成分作为BP神经网络的输入进行数据识别.同时介绍了M atlab中相关函数,并与传统入侵检测方法进行了比较.实验结果表明:基于主成分分析的特征提取方法在简化BP神经网络规模的同时,显著提高了入侵检测识别效果.     

基于主成分分析法和BP神经网络的银行客户信用评价

为了加强商业银行对客户信用风险的事先控制,降低银行运营风险,需要对客户按信用等级进行分类,以便执行不同的信用风险控制策略。文中基于主成分分析法和BP神经网络法,建立了客户信用评价模型。结果表明,利用此信用风险评价模型能够准确地判断银行客户所处的信用等级,具有广泛的适用性。     

基于BP神经网络的辛烷值预测模型

提出了一种基于BP神经网络的辛烷值预测模型.由催化裂化汽油精制装置采集得到样本数据,首先利用主成分分析法对原始样本数据进行预处理,得到主要成分因子;其次构建BP神经网络模型,将得到的预测值与真实值进行对比,得到在训练集上的准确率为0.99922,在测试集上的准确率为91.31％,在训练集和测试集上的整体准确率为97.6...     

基于BP神经网络的科研绩效评价模型结构

文章论述了基于主成分分析法的BP模型结构,用新的方法来改进科研绩效评价系统统计的合理性和正确性。     

应用神经网络预测橡胶配方的性能

建立了以配合前用量和胶料物理性能的人工神经网络模型, 训练后的神经网络能较好的拟合实验数据, 对９ 个橡胶配方的性能进行回想和预测结果与试验值的偏差小, 说明利用神经网络方法精度高, 数学模型可靠     

基于GIS及BP网络的矿区开采上限预测

针对目前提高矿区开采上限方法的缺点,建立了一个基于GIS和BP网络的矿区开采上限预测系统,并结合工程实例验证了系统的实用性和有效性.     

基于BP网络的噪声字符识别系统

介绍了BP网络的基本理论并讲述了怎样运用它来识别带噪声的数字系统.最后使用MATLAB对网络进行仿真,仿真结果,证实系统能够很好地对带噪声的数字进行识别.     

基于BP网络的企业风险预警实证研究

风险管理是企业管理的重要内容。通过建立企业风险预警指标体系，利用神经网络方法对企业风险状况进行综合评估，并引用实例说明该方法的实现过程。预测结果表明，神经网络方法建模简单，精度高，对于企业风险等复杂的非线性问题有着很强的逼近与预测能力。     

应用人工神经网络算法优化面包配方

在优化面包配方实验中,针对面包易老化、不耐储存这一问题,采用人工神经网络（artificial neural network,ANN）对12个影响因素和6项观测指标进行模拟与建模,最终获得了口感好、储存效果好的最优配方,即：面粉32%,水7%,盐0.962%,奶粉8%,果葡糖浆30%,酥油18%,糖醇3%,保鲜酶0.03%,淀粉酶0.001%,脂肪酶0.002%,木聚糖酶0.005%,卡拉胶0.5%,黄原胶0.5%.     

基于BP神经网络的重力异常分离

重力勘探资料是不同深度地质异常体的综合反映,位场分离工作向来都是重力勘探的重要环节。本文首先通过构建BP神经网络模型和趋势分析模型来拟合低频区域重力场,进而分离出局部异常场信息;然后通过理论模型的分离结果对比分析,对于中浅部的局部异常体信息,BP神经网络模型分离结果精度高,其短波长信息源更精确。最后,将BP神经网络模型运用到南非Witwatersrand Basin某实测航空重力测网数据分析中,其分离结果的Theta map成像结果较好地吻合了实际地质资料,验证了BP神经网络模型在实际重力勘探解译中具有一定的适用性。     

基于模糊集和BP神经网络的企业投资决策绩效集成评价

企业的投资决策绩效评价是个复杂系统,受多因素影响.基于公司的战略和利益相关者的考虑,设计了六个层面的企业投资决策绩效评价指标体系.建立了标杆瞄准和主成分分析相结合的指标体系筛选的方法,设计了基于模糊集和BP神经网络模型的企业投资决策集成评价模型,并进行了实证分析.     

基于改进的BP神经网络的粘结NdFeB永磁体制备工艺优化设计

采用均匀设计实验方案,结合主成分分析方法,建立了制备工艺与磁体性能之间的BPNN预测模型。利用该模型对粘结NdFeB永磁体的制备工艺进行了优化,并研究了单因素以及多因素交互作用与磁体性能之间的关系。结果表明该模型预测精度较高,对Br、Hcj及(BH)m的预测相对误差最大值分别为1.85%、1.28%和1.47%。     

基于BP神经网络分类器的多目标识别方法研究

文章对多目标进行特征提取,数据作为神经网络分类器的输入,采用不同的算法对多输出型BP神经网络分类器和单输出型BP神经网络联合分类器进行训练,实现多目标的识别。仿真试验结果表明,基于BP神经网络分类器的识别方法具有较高的识别率。     

基于BP神经网络的战场网络攻击效能评估

战场网络攻击效能评估是网络攻击研究的重要内容.为了评估战场网络攻击效能,构建了战场网络攻击能力评估指标体系,提出了基于BP神经网络的评估方法,给出了构造样本的方法,并用构造的样本对BP神经网络进行训练,最后利用Matlab软件对该网络进行了仿真.通过与模糊综合评判法得出的评估结果相比较,验证了该方法的有效性.该方法减少了评估中人为因素的影响,使评估结果更可信.     

基于BP网络的指纹识别系统

针对指纹数据库规模不断增大的情况,为了提高指纹识别的速度和准确度,采用BP神经网络先对指纹进行分类,把指纹分成左环、右环、拱、涡、棚状拱和不辨型6种类型,然后在相应的子类库中根据特征提取进行识别。设计并实现了一个指纹识别系统,该系统能够自动地进行指纹分类,而且还能实时地将结果与指纹数据库进行比对。实验结果表明,该系统能迅速地获得被识别人员的身份信息。