基于灰色系统理论的RBF神经网络铁路货运量预测

应用灰色系统理论计算了铁路货运量与货运量影响因素的关联度,并对其进行了排序。利用MAT-LAB软件,建立铁路货运量的RBF神经网络预测模型,对我国1992-2008年的铁路货运量进行仿真实验。结果表明基于灰色系统理论的RBF神经网络模型预测平均相对误差为0.44%,常规RBF神经网络模型的平均预测误差为1.47%,因此认为基于灰色系统理论的RBF神经网络的铁路货运量预测方法有效可行。     

基于GMBP模型的图书馆借阅人数预测及管理对策研究

用灰色GM(1,1)预测模型和BP神经网络预测模型相结合而成的灰色神经网络GMBP模型,对图书馆借阅人数进行预测.基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出,并用对模型进行学习验证.该模型有效地把灰色理论的弱化数据波动性的优点和神经网络非线性特点结合起来,并以科学预测为依据提出图书馆资源管理对策.     

基于PSO优化的灰色神经网络预测算法的研究

由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度.     

两种用于城市用水量预测的灰色-神经网络组合模型

为了提高灰色GM(1,1)模型在城市用水量预测中的精度,结合BP神经网络的优点,给出了两种灰色-神经网络组合模型GM-BP1和GM-BP2.模型1利用神经网络对GM(1,1)模型的误差序列进行回归训练,将得到的预测值作为原始误差的修正来减小误差;而模型2由部分数据建立了GM(1,1)模型组,通过神经网络训练得到部分数据GM(1,1)模型组与真实值之间的非线性映射关系,利用这种精准的映射关系来提高预测精度.最后实际算例表明了所给方法是有效的,该组合模型可用于城市用水量的中长期预测.     

基于灰色神经网络组合模型的电力消费量预测——以河北省为例

在分析灰色预测模型GM(1,1)以及BP神经网络预测模型2种单一模型在电力消费量预测方面不足的基础上,提出灰色神经网络组合预测模型。以河北省电力消费量为基础,分别用3种模型进行预测,并加以比较分析。结果表明,灰色神经网络组合模型提高了关于河北省中长期电力消费量的预测精度,对河北省未来电力系统及能源需求规划具有一定参考价值。     

基于灰关联分析的神经网络组合预测模型

针对提供的道路交通事故相关影响因子数据,构建了基于关联分析的灰色神经网络组合道路交通事故预测模型。结合实例,用所提出的模型给与了预测。结果表明,基于灰色关联分析神经网络预测模型充分发挥关联选优的优越性,比全输入神经网络预测模型有更好的预测精度,从而说明运用灰色关联分析方法对输入因子选择是有效可行的。基于灰色关联分析的神经网络组合交通事故预测模型充分发挥各单一模型的优点同时弱化了单一模型的缺点,比单一模型的预测结果更理想、精度更高。     

灰色马尔科夫模型在旅游人数预测中的应用

对我国2004-2015年国内游客数据建立模型,用2016年和2017年的数据检验模型的预测精度.首先对其建立灰色GM(1,1)模型并预测,模型精度为97.465%,预测平均绝对残差为182.986 4.利用无偏灰色模型对其进行修正,与灰色模型相比,预测平均绝对残差减少了0.629 4.然后又建立了传统灰色马尔科夫模型和无偏灰色马尔科夫模型,两种模型的精度都达到了99%,预测平均绝对残差分别为11.022 3和7.105 6,因此,两种模型的拟合和预测效果都大大提高.最后利用相对最优模型无偏灰色马尔科夫模型预测我国2018-2020年的国内游客数分别为:5 639.366 8百万人次、6 363.854百万人次、7 181.415 7百万人次.     

基于灰色神经网络串联组合模型的涌水量预测

利用矿井涌水量实测值建立灰色理论与神经网络串联组合的预测模型,即利用不同灰色模型预测值训练神经网络进行预测,提高矿井涌水量的预测精度,先后建立了GM（1,1）、二次参数拟合GM（1,1）模型,将其与BP神经网络模型串联形成最终预测模型,以淮南矿区潘三矿西翼矿井涌水量预测为例,结果说明了该模型具有较高的准确性。     

城市需水预测算法比较

建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。     

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。     

神经可塑性理论与智力教育

本文介绍了Dennis提出的智力理论的一种新理论--神经可塑性理论,该理论认为智力的发展是随着大脑神经网络的可塑性的发展而发展的,同时此理论可以解释许多其它智力理论不能解释的智力现象.本文还讨论了神经可塑性理论对当前智力教育的一些启示.     

林语堂的“表现性灵说”与克罗齐的“表现说”

林语堂的“表现性灵说”明显受到了克罗齐“表现说”的影响。林语堂本人也承认这点,但他所言之“表现性灵说”与克罗齐所言之“表现说”,既有相同的一面,也有相异的一面。克罗齐的“表现说”是以人的心灵为基点,重视心灵的张扬与活动的艺术学说,是其整个心灵哲学的有机组成部分。由于克罗齐把人类的一切活动归诸于人之心灵“表现”的结果,其“表现说”自然也难逃片面性。林语堂的“表现性灵说”则是以人生为基点,重在内心的舒展与自由的艺术主张,与其整个近情哲学紧密相关。由于其近情哲学看重现世人生,要求通情达理,其“表现性灵说”自然也就不会画地为牢,陷入克罗齐那样的片面境地。     

略论建构主义学习理论视域下的网络课程设计

网络课程是实施网络教育的载体,优化设计网络课程是增强网络教育实效性和适应性的要求,也是适应网络教育快速发展的需要。以建构主义学习理论指导网络课程设计,能够增强网络课程设计的科学性和实效性。基于建构主义学习理论的网络设计应适应学习者的认知发展水平、注重创设学习情景、注重学习的连续性和系统性、促进信息技术与课程教学的融合,应把建构主义学习理论贯穿于学习资源、学习内容、教学系统和测评系统等网络课程的设计。     

桥梁工程鉴识专家系统设计开发

考虑桥梁工程鉴识过程中影响要素的复杂性,将其视为灰系统反问题,应用神经网络方法避免解的不适定问题带来的求解困难.采用VFP和MATLAB语言分别构建了＂桥梁工程鉴识专家系统＂的知识数据模块和神经网络仿真模块,并通过两大核心模块与其他辅助模块的良性互动,实现了该系统的信息收集、系统仿真及鉴识分析等各项功能.为进一步的信息完善和网络训练提供开放、友好、安全的平台,以实现鉴识专家系统的准确性和稳定性.     

毛泽东的新民主主义社会理论

摘要：毛泽东的新民主主义社会理论，阐明了新民主主义社会的性质，提出了新民主主义的政治经济、文化纲领和新民主主义社会的时限，解决了经济落后国家在取得民主革命胜利后如何建设国家并准备条件向社会主义过渡的问题，丰富和发展了马克思的国家学说。研究新民主主义社会理论，对今天的社会主义建设仍有着重要的指导意义。     

用JAVA实现BP算法

人工神经网络理论是20世纪80年代在国际上发展起来的一个前沿研究领域.BP是对非线性可微分函数进行权值训练的多层前向网络.它在控制行业中的应用很有效果.通过JAVA语言实现BP算法,并通过实例说明BP算法的特点,且提出改进方向.     

加强新建地方本科院校思想政治理论课网络实践教学资源建设和利用的探索

实践教学是实现高校思想政治理论课教育教学目的的必要环节.当前信息网络化形势下新建地方本科院校应建设并充分利用网络平台开展思想政治理论课实践教学,这对于提高大学生对思想政治理论课的学习兴趣和增强其教学实效性有着重要意义.     

《微机原理及应用》网络课程教学设计浅探

根据《微机原理及应用》网络课程教学与设计实践，探讨了高职高专网络课程设计原则和体系结构，对网络课程教学内容进行了重组和设计，并讨论了网络课程实训环境和测验环节的设计思路。