基于BP神经网络和专家系统的营销风险评估模型

目前的营销风险模型多是利用单一的方法对风险进行评估 ,准确性难以得到保证。将BP神经网络的定量计算和专家系统理论的定性分析结合在一起 ,构建了营销风险评估模型。所用的BP神经网络引入了遗传算法理论进行优化 ,处理结果作为专家系统知识库的一部分输入。最后使用传统的层次分析法进行信息整理汇总 ,得出营销风险评估的精确结果。     

BP神经网络的量子学习及应用

在神经网络的训练过程当中,引入量子遗传算法,结合BP梯度下降反传训练方法构造神经网络的量子优化算法.利用量子运算的高效并行性,对神经网络实行量子编码,用量子门旋转来代替网络进化时交叉、变异等更新操作,使得网络训练收敛精度高、收敛速度快、同时避免陷入局部最优的缺点.最后提出了一种基于量子神经网络的预测方法,仿真结果表明,基于量子遗传算法的神经网络,训练次数,误差精度以及预测能力都明显优于BP神经网络.     

基于BP-Adaboost算法的建筑能耗预测研究

针对传统BP神经网络存在收敛速度慢和容易陷入局部极小值缺点,影响建筑能耗预测精度的问题,引入Adaboost算法对BP神经网络进行改良,提出一种基于BP-Adaboost算法的建筑能耗预测方法。该方法充分结合BP神经网络良好学习能力和Adaboost算法预测精度高的优点,通过Adaboost算法将BP神经网络训练所得的弱预测器组合集成为BP-Adaboost强预测器,完成对建筑能耗的预测。案例仿真结果表明:与传统BP神经网络预测比较,该算法预测速度快、预测精度较高,其预测结果可为建筑节能方案的实施提供参考依据。     

基于GA-BP神经网络的扬声器音盆性能预测技术

在电声零器件制造行业中,扬声器音盆的性能好坏直接关系到扬声器产品的质量.本文提出用遗传算法(GA)优化BP神经网络模型对扬声器音盆性能进行预测.在分析了BP神经网络原理的基础上,主要阐述了如何应用遗传算法优化BP神经网络,以改进BP神经网络收敛速度慢、易陷入局部极小值的缺点.针对音盆产品特点,建立音盆性能的GA-BP神...     

基于遗传神经网络的图书馆流通量预测

针对图书馆流通量预测问题．提出了基于遗传神经网络的预测模型。该模型采用遗传算法作为神经网络权值全局搜索算法,BP算法作为局部搜索算法。结合实例进行计算,结果表明,该算法用于预测图书馆流通量是可行和有效的。     

基于BA-BP算法的企业经营状况评价模型

传统BP神经网络参数的选取是随机的,这样易使网络陷入局部最优,针对这一缺点,提出了利用蝙蝠算法优化BP网络参数的改进算法——蝙蝠-BP算法(BA-BP),并将其应用于企业经营状况的评价研究中。建立了基于BA-BP算法的企业经营状况的评价模型,运用测试样本对该评价模型与传统BP模型的预测效果进行了对比,仿真结果表明:BA-BP算法的预测精度比传统BP神经网络的预测精度高,所以基于BA-BP算法的评价模型能够有效地评价企业的经营状况。     

云计算下的一种网络流量预测算法的研究

为了提高云计算下的网络流量的预测精度,提出了一种基于遗传算法的小波BP神经网络的预测模型。首先针对BP神经网络的不足,引入动量项进行改进,其次,在遗传算法中加入进化操作,提高了算法的整体效率,将改进后的算法与小波函数进行融合,整体优化了BP神经网络的阀值和权值进行优化。仿真实验通过与其他文献算法的比较,说明本文算法具有良好的收敛速度,有效的提高预测的精度。     

BP神经网络在预测股票价格中的应用

尽管人们预测股市已有多种方法,但由于神经网络具有的联想记忆与非线性映射功能使人们对股市的预测多了一种有力的方法。本文研究的内容就是用BP神经网络对股票进行预测。Matlab中的BP神经网络工具箱功能强大。但编程缺乏灵活性,而它的缺点正好用VC＋＋弥补。本文就是用VC＋＋与Matlab混合编程,借助BP神经网络工具箱来实现对股票价格预测的研究。     

利用遗传算法优化BP神经网络

首先阐述了BP算法和遗传算法,并指出BP算法和遗传算法各自的优缺点,讨论了如何利用遗传算法优化BP神经网络,并举实例进行了仿真。结果表明该方法具有一定的实用价值。     

基于BP神经网络的物流战略联盟风险评估研究

针对物流战略联盟中存在的两大主要风险:关系风险和绩效风险,进行细分,提出11个二级风险指标.在此基础上,构建BP(Back Propagation)神经网络模型,阐述基于BP神经网络模型进行物流战略联盟风险评估的具体原理和步骤,并借助MATLAB软件进行仿真训练和验证.结合实例验证该方法可以用来对物流战略联盟进行风险评估.