基于BP神经网络的图书馆网站评价方法

在建立符合图书馆网站特点的评价指标体系的基础上．探索一种运用BP神经网络对图书馆网站进行评价的方法。概述BP神经网络及其基本原理。并详述基于BP神经网络的图书馆网站评价模型的建立过程,包括神经网络结构的确定、网络学习,以及网络检验等。将该模型应用于实例检验。得到较满意的结果。     

基于BP神经网络的产品造型设计评价

为了对产品的造型设计进行评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价产品造型设计的方法.根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了产品造型设计BP神经网络评价模型,选择某一产品造型设计的13款方案作为样本,利用Matlab软件进行了BP网络的实例训练和验证.实验结果表明,BP神经网络模型可以较准确的对产品造型设计进行评价.     

大学生综合素质评价中BP神经网络的建模与仿真

介绍了神经网络的基本理论,指出传统BP算法存在的问题及改进方法。在建立大学生综合素质评价指标体系的基础上,提出并建立了一个BP神经网络模型。采用基于动量法和自适应学习率的BP算法对网络进行训练,避免网络陷入局部极小点,提高训练效率。应用该模型对大学生综合素质评价进行仿真,结果表明,利用神经网络进行大学生综合素质评价具有良好的前景。     

主成分分析与BP网络结合的教学质量评价

为了进一步提高教学质量评价精度,提出了一种基于主成分分析和BP神经网络相结合的教学质量评价模型。首先利用主成分分析对教学质量评价体系中的12个评价指标的原始特征变量进行分析,然后作数据降维处理,提取出前4个主成分,再以这些主成分作为BP神经网络的输入,构建了3层神经网络评价模型。仿真结果表明:与标准BP神经网络相比,PCA-BP网络模型的结构更为简化,收敛速度更快,评价精度更高且泛化能力强。     

高校教学质量评价的BP神经网络模型

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。文章运用BP神经网络建立了教学质量评价的数学模型,通过matlab神经网络工具箱学习训练网络,并经测试数据验证。结果表明,基于BP神经网络建立的教学质量评价模型,克服了评价中主观因素的影响,得到了较满意的评价结果,具有广泛的应用前景。     

基于BP神经网络的网上学习评价方法

利用BP神经网络并结合聚类分析技术,提出了一个面向网上学习评价的新型评价方法:在需要评价的大量数据中使用聚类分析技术选择部分对象的数据,让老师去评价打分,然后将这些结果作为BP神经网络的训练样本,让网络学会老师的评价方法,然后再将网络应用到其他对象的数据,进行网上学习评价仿真。文中给出了一个网上学习评价方法模型和相应实例,该方法在网上学习分班管理中,对学生学习能力进行评价时,得到了满意的结果。     

基于BP神经网络的网上学习评价方法

利用BP神经网络并结合聚类分析技术,提出了一个面向网上学习评价的新型评价方法:在需要评价的大量数据中使用聚类分析技术选择部分对象的数据,让老师去评价打分,然后将这些结果作为BP神经网络的训练样本,让网络学会老师的评价方法,然后再将网络应用到其他对象的数据,进行网上学习评价仿真.文中给出了一个网上学习评价方法模型和相应实例,该方法在网上学习分班管理中,对学生学习能力进行评价时,得到了满意的结果.     

基于RBF神经网络的产品概念设计方案评价

分析了现有评价方法存在的问题,利用Matlab神经网络工具箱构建了RBF网络模型,并以冰箱为实例进行评价.RBF神经网络采用监督学习算法和正交最小平方(OLS)算法决定基函数的中心、方差以及隐含层到输出层的权值.与BP神经网络模型的评价结果对比,建立的RBF神经网络评价模型具有更高的预测精度,收敛速度更快.     

BP神经网络在教学质量评价中的应用

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。运用BP神经网络建立了教学质量评价模型,通过Matlab神经网络工具箱学习训练网络,并进行测试验证。结果表明,将该方法用于高校教师教学质量评价中,既克服了评价主体在评价过程中的主观因素,又得到了满意的评价结果,具有广泛的适用性。     

蚁群神经网络在中小企业信用评价中的应用

为了进一步提高BP神经网络的性能,实现准确、快速预测中小企业信用的目的,在分析信用评价重要性的基础上,根据中小企业信用评价指标体系,提出了一种基于蚁群神经网络的评价模型.利用蚁群算法对神经网络进行训练,再将此网络模型应用到中小企业信用评价系统中,最后通过训练样本和测试样本来检测该蚁群神经网络.结果表明蚁群神经网络的预测方法与传统的BP冲经网络预测方法相比,具有较强的泛化能力,应用在中小企业信用评价系统中具有很高的评价准确率.     

自动档车辆换档品质评价系统

应用MATLAB和C++设计了基于BP神经网络的汽车换档品质评价系统。对换档过程中的客观评价指标构成的样本向量进行学习和训练,建立换档品质客观评价系统,训练后的BP神经网络嵌入C++中,并实时显示客观评价指标曲线。试验结果表明,该系统可以客观有效地评价换档品质。     

MATLAB在电子商务绩效评价模型仿真中的应用

从平衡计分卡的角度构建绩效评价指标体系,提出一种基于BP神经网络的电子商务综合评价方法.该方法克服传统评价方法的不足,将专家的主观判断予以量化,以取得一个较为客观的评价结果.     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

基于BP神经网络的雷达网抗隐身能力评估

为了评估雷达网抗隐身能力,构建了评估的指标体系,建立了雷达网抗隐身能力评估的三层BP神经网络模型,给出了训练样本构造的方法,并用构造的样本对BP神经网络进行训练。运用训练好的神经网络对雷达网抗隐身能力进行评估,结果表明,该方法能够较好地克服人为因素和模糊随机性的影响,具有较高的可行性和可信度。     

基于模糊C均值和神经网络的驾驶行为评价研究

交通拥挤正成为一个日益严重的问题,一些不安全的驾驶行为所导致的交通事故是造成拥堵的主要原因之一.因此,如何准确评价驾驶员的驾驶行为成为研究的热点.本文提出了一种基于模糊C均值聚类（Fuzzy C-Means,FCM）和BP神经网络相结合的驾驶行为评价方法,首先利用FCM对驾驶行为进行初始聚类,基于FCM聚类结果,为了提高BP神经网络分类精度,本文提出了一种自动挑选训练样本即典型样本的方法,利用BP网络进行学习,最终用训练得到的BP神经网络分类器对驾驶行为进行实时分类,研究结果表明该算法摒弃了人为主观因素,实现了驾驶行为准确、客观、高效的评价.     

BP网络与RBF网络在感官评估中应用比较

介绍BP网络与RBF网络的方法原理以及二者在感官评估中的应用.利用企业提供的单料烟感官数据设计建立BP网络和RBF网络模型,并利用模型预测单料烟感官质量指标,然后通过行业专家提供的符合度公式对建立的模型进行评估,评估结果以百分比的形式展示.实验结果表明:在感官评估应用中,RBF网络模型预测性能优于BP网络模型.     

基于BP网络的信息安全风险评估量化研究

以国家《信息安全风险评估指南》为指导,并参考NISTSP800-30的安全控制思想,构建了一套风险评估指标体系,讨论了运用改进的BP神经网络方法进行风险评估的原理。实践结果表明,利用BP人工神经网络进行风险评估是有效可行的一种风险量化算法。     

基于BP网络的信息安全风险评估量化研究

以国家《信息安全风险评估指南》为指导,并参考NISTSP800—30的安全控制思想,构建了一套风险评估指标体系,讨论了运用改进的BP神经网络方法进行风险评估的原理。实践结果表明．利用BP人工神经网络进行风险评估是有效可行的一种风险量化算法。     

应用BP神经网络的目标识别效果评估

根据图像处理目标识别领域的实际应用和需求,确定了目标识别效果评估的指标及其计算方法。针对现有目标识别效果评估方法中存在过多的人工干预,使得评估结果带有较强主观性的问题,提出了一种基于BP神经网络的目标识别效果评估模型,该模型可以减少评估过程中人为因素的影响,提高评估结果的可信度。通过对实测数据进行实验,验证了该模型的评估结果与专家的定性评判具有较高的一致性。