BP神经网络的哲学思考

人工神经网络的出现不但对于人工智能具有重要意义,而且对于心理学、语言学、神经生理学具有重要意义,带来了一系列的哲学问题。BP神经网络是误差反向传播神经网络的简称,是目前应用最为广泛和成功的神经网络模型。它的最大特点是具有极强的非线性映射能力,对于非线性复杂问题的解决具有特殊的优势。文章基于对BP神经网络的历史发展和基本思想的考察的基础上,对其工作范式及相关哲学问题进行思考和分析。除人工智能外,语言学、心理学、认知哲学的联结主义范式常以它为模型进行分析。     

BP神经网络的股票价格预测模型建立

由于股票价格的变化具有随机性、非线性等规律,股票市场与国内外经济政治变化亦息息相关,为了提高股票价格的预测精度,提出遗传算法优化BP神经网络的股票价格预测模型。BP神经网络具有良好的非线性映射能力,弥补传统股票价格预测方法的不足。     

基于BP神经网络的河南开封市住房需求预测

影响住房需求的因素众多,错综复杂,并且具有非线性的特征。本文通过对住房需求影响因素的分析,用BP神网络来购建住房的需求模型。根据河南开封市的有关统计数据,用BP神经网络优化算法进行住房需求预测,并与多元回归测方法进行对比。结果表明,BP神经网络具有较好的适应性和较高的预测精度。     

基于AGA-BP神经网络的网络平台交易环境下数据资源价值评估研究

[目的/意义]在数字经济背景下,数据资源通过网络平台交易实现价值转化与增值。作为一种非标准化的新兴商品,数据资源具有成本模糊、类型多样、不确定性高等典型特征,传统价值评估理论难以对其价值进行准确衡量。[方法/过程]对此,文章提出了AGA-BP神经网络的数据资源价值评估模型,该模型充分考虑了诸多影响因素与数据资源价值的非线性关系,通过自适应遗传算法(AGA)优化传统BP神经网络提升价值评估的精度,解决BP神经网络极易陷入局部最优、收敛速度较慢等问题。以此方法为基础,收集武汉东湖大数据交易中心的244条数据资源交易信息进行实证检验。[结果/结论]研究结果表明:基于AGA-BP神经网络的数据资源价值评估方法相比于GA-BP神经网络和BP神经网络性能提升明显;该方法在仿真能力、误差水平、拟合数据能力等方面表现出突出优势,具有更好的价值评估仿真效果。该方法在减少数据交易平台买卖双方交易成本,完善数据交易平台的定价机制和策略方面具有较强的指导意义。     

基于主成分分析法和神经网络的技改工程造价预测模型

目前输变电工程造价经济技术指标复杂,影响造价的因素众多,导致造价估算困难,工程设计和概算过程难以达到预期效果。为了解决该难题,文章建立基于主成分分析法和改进BP神经网络的输变电工程造价预测模型,采用主成分分析法提取输变电工程造价主要影响因素,结合工程实际情况,通过改进的BP神经网络对样本数据训练学习。通过测试验证,建立的模型预测结果较为准确,能够较为合理的预测输变电工程的造价费用,对电网工程造价预算具有一定的参考价值。     

基于免疫遗传算法的BP神经网络模型

本文研究了基于免疫遗传算法的BP神经网络模型,利用免疫遗传算法的全局搜索寻优能力和较好的收敛性,优化了神经网络的权值.仿真实验证明该模型具有较好的全局收敛性和快速学习神经网络权值的能力.     

基于神经网络的建筑企业技术创新能力评价

介绍了建筑企业技术创新能力评价方法。通过对建筑企业技术创新能力影响因素的研究,构建了评价指标体系,探讨了各定性和定量指标的量化方法,采用BP神经网络建立了建筑企业技术创新能力评价模型。研究表明,该模型能够完成建筑企业技术创新能力评价指标与评价结果之间的非线性映射,是一种有效而准确的评价方法。     

基于Matlab神经网络工具箱的电弧焊工艺参数优化

采用神经网络技术将电弧焊工艺参数与焊缝高和熔深之间复杂的非线性关系转化为一个线性优化问题,解决了电弧焊工艺参数与焊缝高和熔深之间定量关系难以表达的问题。采用Matlab神经网络工具箱的图形用户界面GUI（Graphical User Interfaces）能够方便的创建BP网络,然后用实验数据对BP网络进行训练,训练好的BP网络就可用于电弧焊工艺参数优化。     

基于BP网络的沥青路面使用性能评价方法及应用

路面性能的发展变化是一个长期复杂的过程,其影响因素较多,难以准确的预估和评价.本文利用神经网络技术对处理非线性映射问题有较好适应性的特点,开发了基于BP神经网络技术的路面使用性能评价模型,该模型建模简单、使用方便,经过理论和实际验证,能较好的反映沥青路面使用性能的变化规律,通过对路面使用性能的发展变化趋势进行分析处理,推测出未来的路面发展状况,为养护决策提供依据.     

神经网络在传感器动态补偿中的应用

根据传感器的特点和补偿的本质,利用神经网络良好的逼近能力,提出了基于BP神经网络的传感器动态补偿方法。该方法设计的动态补偿器实现简单,实时性好;不依赖于传感器的模型,鲁棒性强;可以优化传感器参数,该方法的补偿效果比系统辨识及零点配制方法要好,是一种比较行之有效的方法。     

基于BP神经网络的科技人才需求预测

采用BP神经网络模型解决科技人才需求预测问题。首先介绍BP神经网络结构和学习算法,其次确定科技人才需求预测影响因素指标,作为BP神经网络输入,最后以Matlab为运行平台实现BP神经网络模型,并以河南省科技人才为例进行案例分析,应用BP神经网络模型预测河南省2008-2010年科技人才需求量。     

基于神经网络识别的复杂工艺参数柔性优化

为提高复杂工艺环境下生产合格率,动态的柔性优化工艺参数组合,以现场生产数据为学习样本和控制对象,基于可适应BP神经网络建立识别生产变化的工艺参数柔性优化模型。在此基础上,通过引入惩罚机制改进粒子群算法在神经网络输入端迭代求解最优参数组合。为了验证模型的有效性,验证实例由3条轻化工艺路线生产数据构成,结果表明模型预测误差绝对值在3%以内,优化得到的参数组合提高合格率到85%以上,有效的提高生产效果和生产柔性。     

企业知识管理水平评估优化方法及应用

针对现有企业知识管理水平评价方法所存在的缺陷,将BP神经网络与遗传算法相结合,提出了一种应用于企业知识管理水平评估的基于遗传算法的神经网络优化模型方法.相对BP神经网络而言,基于遗传算法的神经网络优化模型的评估结果和期望结果更为接近,相对误差更小.     

基于改进BP神经网络的图像识别算法

为提高图像识别的准确率和速度,结合遗传算法和BP神经网络设计了一种改进图像识别算法。由于传统BP神经网络本身存在结构参数不确定、收敛速率低、容易陷入局部最小值等问题。本文首先提取图像的颜色和纹理特征,利用BP神经网络实现特征的初步识别同时基于遗传算法在线优化BP神经网络结构参数。在此基础上,给出了图像识别流程。最后,根据证据理论实现图像识别结果融合以获得完整图像信息。仿真结果表明:所述算法具有较高的识别率和收敛速度;在少量训练样本条件下,改进BP神经网络依旧具有较好的泛化能力。     

一种基于多造价信息合理约束的工程造价模型优化

随着工程造价的约束条件越来越复杂,传统的估计方法很难建立收敛的评估模型,难以获得准确的估价结果。本文在对影响建筑工程造价特征因素进行分析的基础上,提出一种基于多造价信息合理约束的工程造价优化模型,将模糊数学与多约束模型的最优解进行了有机的结合,构造了模糊约束造价信息估算模型,通过准确提取造价中的约束规则,最大程度的精简计算量,将BP神经网络加入寻优模型中,增强了模型的学习能力,有效地提高了估算精度。     

一种GA-BP算法的研究及性能分析

遗传算法具有搜索全局最优解的能力,并且有很强的鲁棒性,而BP算法具有很好的泛化能力和非线性映射能力,基于两种算法的特点,设计了一种GA-BP算法,该算法将遗传算法应用到神经网络中权值和阈值的优化中,将最优解的分布范围缩小,然后通过BP算法进行再次优化和精确求解,以防止神经网络陷入局部极小点,从而达到加速收敛、减少训练次数的目的;并且通过对比实验给出该算法的可行性和有效性分析,进一步验证了该算法在收敛速度和误差精度上的优越性。     

神经网络在沥青混合料马歇尔稳定度和流值预测中的应用

神经网络具有良好的非线性品质,能够实现非线性映射,并且具有在任意精度内逼近非线性映射的能力,直接表示出输入与输出间的复杂关系。为此,本文拟应用人工神经网络技术对沥青混合料的马歇尔试验性能进行预测。 1、BP神经网络及其算法人工神经元网络(简称神经网络),是对人类大脑系统的一阶特性的一种描述,是由大量的处理单元(神经元)通过适当的方式互连构成的高度复杂的大规模非线性自适应系统,可以用计算机程序来模拟。神经网络具有内部自组织、自学习的能力,能够不断适应外界环境的变化,通过对样本的学习,将未知对象判决为其最接近的记忆。人工神经网络还具有很强的容错性,善于联想、综合和推广。可以被用来完成数学上的映射逼近,数据压缩,模式匹配,系统建模,模糊控制,组合优化问题求解的任务。     

高层建筑结构设计BP算法的精度优化

针对传统的BP神经网络算法在对高层建筑进行结构设计时还存在精度不高、误差较大等问题,本文提出了一种基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型,该模型在BP神经网络算法的基础上,首先采用自适应调整策略对其网络模型进行优化,然后采用增加动量项、误差累积处理和陡度因子优化等误差修正策略提高原算法的训练精度。仿真试验结果表明,本文提出的基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型相比较传统的BP神经网络算法精度要高,具有较好的鲁棒性。     

松花江水源水质监测系统研究

利用神经网络强大的学习能力,通过对训练样本数据的学习,建立起多参数间的映射模型,实现在环境、条件变化的情况下,映射模型的自修正。采用人工智能技术从新的角度解决用常规方法无从处理水质参数预测建模这一问题。     

大学生创新人格评价体系构建研究——基于湖北地区大学生测评数据的实证分析

基于已有研究成果,采用在线测评的方式,收集了大学生创新人格样本数据,构建了基于BP神经网络的大学生创新人格评价体系,并进行了评价模型的训练和仿真。研究结果表明运用BP神经网络模型对大学生创新人格测评的结果与传统测评方法取得的结果具有一致性,基于BP神经网络的大学生创新人格评价方法更有利于反映大学生创新人格由于受地区、年龄、性别、专业领域、高校层次等因素影响的而可能呈现出的差异性,从而提高评价的准确性与可靠性。