基于PCA-GA-BP神经网络的高校实验室安全风险评估

为减少高校实验室安全事故的发生和提高实验室安全风险评估的准确率,使用层次分析法(AHP)建立实验室安全风险评价体系,然后利用主成分分析法(PCA)对评价指标的综合权重进行降维,再将降维后的特征信息作为GA-BP神经网络的输入层,建立一种基于主成分分析(PCA)、遗传算法(GA)和人工神经网络(BP)相结合的实验室安全风险评价模型。实验结果表明,与BP神经网络、PCA-BP神经网络模型和GA-BP网络模型相比,PCA-GA-BP神经网络的评价精度和准确率更高、收敛速度更快、学习能力更强,可用于实验室安全风险评价。     

基于AdaBoost算法的BP神经网络在软件老化测试中的应用

为提高BP神经网络的预测精度,克服自身容易陷入局部极值和收敛速度慢的缺陷,将AdaBoost算法和BP神经网络结合起来,建立基于AdaBoost算法的BP神经网络模型。该模型将多个BP神经网络作为弱预测器,然后采用AdaBoost算法将多个弱预测器组成强预测器进行预测。将该模型应用于软件老化测试,实验结果表明,该模型相比单个BP神经网络具有更好的预测精度。     

航空装备实验室项目质量GA-BP评估模型北大核心

为了解决航空装备实验室项目质量影响因素众多、质量控制困难的问题,利用遗传算法优化BP神经网络初始参数的方法,将遗传算法和BP神经网络相结合,构建了实验室项目质量评估模型。遗传算法将BP神经网络的权值和阈值进行选择、交叉、变异地操作后,得到最优权值和阈值,并赋值给BP神经网络,BP神经网络通过正、反两个方向的传播不断对其进行调整,得到最优解。用Matlab软件进行仿真运算可以对航空装备实验室项目质量进行评估,并以某校实验室项目为例,分析验证了该组合模型对航空装备实验室项目质量评估的可行性及有效性。     

基于GA-BP算法的管制员人为差错风险评估模型

空中交通管制安全是确保飞行安全的重要因素,为提高空中交通管制系统的安全性,需要对空中交通管制员人为差错风险进行评估。首先,基于SHEL模型构建了管制员人为差错评估指标体系,之后针对BP神经网络算法容易陷入局部极小值的缺点,通过引入遗传算法优化神经网络的权值和阈值,建立了一种混合算法;经实例评估表明,GA-BP算法与传统的BP神经网络模型相比具有更高的预测精度,具有较好的适用性和可行性,为加强航空业安全管理体系建设提供了一定的参考依据。     

基于PSO优化的BP神经网络在洪水预报中的应用

针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。     

BP神经网络在软件质量评价中的应用研究

软件质量评估是软件项目开发中的重要环节之一。针对软件质量缺乏综合性评价体系和方法的问题,通过分析软件质量体系,选取适当软件质量属性作为评估指标,引入BP神经网络算法,提出一种基于BP神经网络的软件质量评估模型。以样本数据训练神经网络,并对网络进行测试。结果表明,该方法能够较为准确地评估软件质量,对提高软件质量具有参考价值。     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测。在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类。模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果。     

BP神经网络算法在教师履职考评中的应用研究

基于BP神经网络算法在分类预测方面的权威性,提出利用BP神经网络构建教师履职评价模型的新方法。实验结果表明,该模型具有较高的可行性和实用性,能够准确、高效地对教师履职情况进行客观评价。     

自动控制系统在化工安全生产中的应用

安全生产一直是企业发展的首要重点,尤其是在化工生产领域,安全可靠的生产直接影响着化工企业未来的发展。近年来,化工企业不断出现安全事故,引发社会各层的热议,引起了国家的高度关注。化工企业为了将生产中的安全风险有效地进行控制,减少人员的伤亡和企业经济利益的损失,实现企业生产自动化发展,在化工生产中开始应用自动控制系统,并且取得非常好的效果。本文对自动控制系统在化工安全生产中的应用进行分析探讨,以期能为化工安全生产中降低安全事故发生提供一些建议。     

无线Mesh网络路由协议研究

应用BP神经网络对高层建筑进行防火评估,弥补目前国内防火评估的不足。通过对高层建筑防火系统、灭火系统、安全疏散系统、管理及其它因素进行分析,运用加动量因子和变步长的优化算法建立BP神经网络。运用Matlab7.0实现对高层建筑防火评估的仿真,仿真结果误差控制在5%以内。实例表明,该系统符合要求,具有一定的实用价值。     

基于RBF神经网络的雷达干扰效能评估方法

BP神经网络在雷达干扰效能评估中存在收敛速度较慢的问题,对此,提出了一种基于RBF的神经网络算法。该方法依据干扰效果评定因素的隶属函数确定其隶属度,作为RBF神经网络的输入层数据。选定训练样本,将测试样本的神经网络性能进行检验,以此比较BP神经网络算法。理论推导和仿真实验结果表明：新方法具可行性与有效性,且比BP神经网络具有更快的收敛速度和更好的稳定性。     

GA—BP神经网络在高校教学评价中的应用

针对BP神经网络在学习训练过程中容易陷入局部最优的问题,利用GA算法对其权值和阈值进行优化．构造了一个基于GA—BP神经网络的课堂教学质量评价模型,并将该算法具体运用于某高校的教学质量评价中。实验表明,该模型能比较客观地对课堂教学质量进行综合评价。     

基于BP神经网络的高校实验室安全评价模型及应用

将人工神经网络应用于高校实验室安全评价中,提出一种基于BP神经网络的高校实验室安全评价模型。参考国内实验室安全评价的研究成果,结合福州大学实验室的特点,建立高校实验室安全评价指标体系。该模型将实验室安全评价指标量化为具体的数据作为BP网络的输入,评价结果作为输出。通过专家评分获得训练样本,用trainlm函数训练网络,并对测试数据进行网络仿真。实验表明网络仿真训练值与实际评价结果误差很小,验证了该评价模型的适用性。该模型可以利用已有较成功的实验室安全评价案例信息,使专家的评价经验得到积累,为实验室安全评价提供较科学的量化标准。     

基于GRNN的订单需求量预测研究

按需生产是企业在市场经济中保持竞争力关键所在,所以准确预测下一阶段订单需求量尤为重要。运用广义回归神经网络预测某企业下一阶段订单需求量,并与BP神经网络及灰色神经网络进行对比实验。结果表明,GRNN神经网络模型订单在需求预测方面更具优越性,能准确预测未来订单需求量。     

基于概率神经网络的SF6电气设备故障诊断

SF6电气设备存在放电故障时,内部的sF6气体会分解成诸多衍生物,对设备的安全运行造成隐患．因此,通过SF6衍生物的状态可以推断设备的放电故障．在已有实验数据的基础上,将SF6衍生物的状态作为神经网络的输入,放电故障作为神经网络的输出,构建了基于概率神经网络的SF6电气设备故障诊断模型．实验表明,构建的模型对放电故障的预测达到88．23％,并与BP神经网络模型的预测结果进行了比较,证实了在SF6电气设备故障诊断的研究中,概率神经网络要优于BP神经网络．     

基于BP神经网络的企业员工心理契约评价研究

根据员工心理契约的特点,选取了影响企业员工心理契约的具体指标,然后与BP神经网络的学习算法相结合,设计了一种用于评价企业员工心理契约的BP神经网络模型,并根据该模型对企业员工进行了心理契约的评价研究。将神经网络的方法运用于员工心理契约的评价工作中,排除了以往对员工心理契约评价的主观性,从而使评价工作更加科学。     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度.     

混沌风险探测模型的研究与应用

BP神经网络是应用最广泛的预测模型,它能方便、灵活地对信用卡消费行为进行探测,但BP网络有很多固有缺陷,比如结构难确定、初始权值选择盲目性导致训练速度慢等,结合信用卡交易数据的混沌特征分析,通过应用混沌理论中的相空间重构技术,把信用卡客户的相关数据嵌入到重构的相空间中,然后利用BP神经网络技术建立混沌风险探测模型,对信用卡交易行为进行风险预测.实验结果表明,该模型的预测精度高于一般的神经网络预测方法,其中正确检出率比使用BP神经网络模型提高了3%.     

基于BP神经网络的大学生身体素质测评模型与应用

大学生身体素质的培养是高校体育教学关注的重点,建立评估模型,提供操作简单的评估方法,对于科学地评估与监测大学生身体素质状况有着重要的现实意义。利用BP神经网络强大的函数映射能力,建立了反映大学生身体素质总成绩与各项指标成绩相关关系的BP神经网络模型,应用模型对大学生身体素质进行了评估试验,并与其它模型试验结果作对比。结果表明,此模型操作简单,预测精度高,评估结果科学、合理。     

基于BP神经网络的课程评价模型仿真研究

构建课程教学质量综合评价体系,在此基础上构建一个BP神经网络模型,通过BP神经网络的学习算法,进行模型研究与应用。以《汽车造型》课程为例,运用10个样本数据进行网络模型训练,达到规定误差,并通过未训练3个样本检测网络模型,达到规定吻合度。运用Matlab进行实验结果研究与分析,验证了该模型的智能性、有效性,值得推广应用。