实现BP神经网络从理论到实践的跨越

BP神经网络理论研究集聚了大量优秀的研究人员,并取得了很大的成就,但由于BP网络的建模理论和实际应用问题建模条件之间存在实质性差异,有些理论研究成果不能直接应用于实际问题的建模研究中.本文主要针对如何确定合理的隐层节点数、避免出现"过训练"现象以及神经网络模型性能评价等问题进行分析与研究,构筑BP神经网络建理论与实际应用问题建模之间的桥梁,为建立可靠、合理的BP网络模型提供依据.     

国内外魔芋的开发和利用

本文从魔芋主要成份葡萄甘聚糖的众多特性出发，论述了魔芋在现代食品以及农业中的应用情况。此外，为进一步提高魔芋的经济价值，提出了魔芋精深加工的研究方向。     

活塞裙部廓形的计算机辅助分析

在分析活塞裙部廓形的基础上,建立了其横向廓形的通用数学模型,并采用最小二乘法求解其廓形参数,使求解过程大大简化。此外,对椭圆－偏心圆规律的廓形,提出了改变拟合点数寻求最佳型线参数的方法。提出的方法不仅适用于标准椭圆型线及其１阶、２阶近似型线,而且对椭圆－偏心（正）圆等组合廓形参数的求解同样有效,克服了现有方法的缺陷,具有很好的通用性。实例计算表明,本文方法的通用性和精度均较好,具有较好的工程实用价值     

基于投影寻踪分类的长江流域水质综合评价模型及其应用模型

为了研究长江水系的水质情况及发展趋势,根据其103个国控断面2006-2010年8项水质监测指标数据(共计515组样本)和地下水质量评价标准,建立了水质综合评价的投影寻踪(PPC)模型。研究结果表明:长江水系国控断面上整体水质较好,其中I类和Ⅱ类水质分别占60%和22.7%;上游水质总体上好于下游水质;化工工业较发达地区的支流和河流水污染情况严重,2006-2009年,水质逐年改善,但2010年水质最差。研究了不同投影窗口半径R值对PPC建模结果的影响规律,理论和实证研究表明,R=0.1 Sz的较小值方案是不合理的,rmax≤R≤2p的较大值方案是错误的,R不宜取常数,只有rmax/5≤R≤rmax/3的中间适度值方案是合理的。     

计算机网络安全综合评价的神经网络模型

灰色评价法、模糊综合评价等需确定隶属函数、各指标权重,明显受人为因素的影响。尝试应用神经网络技术进行网络安全的综合评价,并通过在单指标评价标准范围内随机取值方法,生成建立神经网络模型所需的训练样本、检验样本和测试样本,在遵循BP网络建模基本原则和步骤的情况下,建立了可靠、有效的网络安全综合评价模型。16个实例研究表明：提出的样本生成方法、建模过程是可靠的,并能有效地避免出现“过训练”和“过拟合”现象,建立的BP模型具有较好的泛化能力,不受人为因素的影响,各评价指标与网络安全等级之间存在明显的非线性关系,网络安全策略对网络安全的影响最大。     

基于模版对比的手写体数字识别神经网络模型

针对现有手写体数字识别神经网络模型的不足,提出基于模版对比的改进方法。建立8×12像素的手写体数字0～9的标准模版,则模版中每个数字与其他数字之间存在一定的像素差异,以此作为标准模版差异值。由于书写存在不确定性,采用在一定范围内随机增大或减小标准模版差异值的方法来构建神经网络模型的训练样本、检验样本与测试样本。在遵循建模基本原则和步骤的情况下,建立了泛化能力较好的手写体数字识别的神经网络模型。实验表明：该方法建模便捷、实用性好,测试样本的正确识别率达99.6%以上。     

魔芋精粉水膨化膨化度指标的确定和测定方法

从魔芋精粉水膨化处理的特点出发，认为采用体积膨胀比作为其膨化处理的膨化度指标是合适的和可行的，并利用体积相似理论设计了测定魔芋精粉膨化溶胶体积的简便方法，是研究魔芋精粉膨化特性的基础。     

基于灰狼群智能最优化的神经网络PM2.5浓度预测

针对目前PM_2.5浓度测量成本高和测量过程繁杂等问题,建立了基于灰狼群智能最优化算法的神经网络预测模型。从非机理模型的角度,结合气象因素和空气污染物对上海市的PM_2.5浓度进行预测,并使用平均影响值分析了影响PM_2.5浓度的重要因素。使用灰狼群智能算法优化神经网络的过程中,引入了检验样本实时监控训练过程以避免发生"过训练"现象,确保建立的神经网络模型具有较好的泛化能力。实验结果表明：PM₁₀对PM_2.5的影响最为显著,其次是CO和前一天PM_2.5。选取2016年11月1日-12日的数据进行验证,其平均相对误差为13.46%,平均绝对误差为8μg/m³,与粒子群算法优化的神经网络、BP神经网络模型及支持向量回归（SVR）模型的误差相比,平均相对误差分别下降了约3个百分点、5个百分点和1个百分点。因此,使用灰狼算法优化的神经网络更适合上海市PM_2.5浓度的预测和空气质量的预报。