一种基于 Inception 结构的神经网络协同过滤推荐算法

在商品推荐领域,商品评论信息往往难以得到有效利用。为了充分利用商品评论信息,提高商品推荐系统精度,对 NCF 神经网络协同过滤模型进行改进,将 NCF 模型与 Inception 结构的卷积神经网络相结合,提出基于 Inception 结构的神经网络协同过滤方法（NCF-i 模型）,将商品评论信息融入模型进行预测和推荐。首先基于 Inception 结构的卷积神经网络对商品评论信息进行分析并提取多元特征模型,然后将多元特征模型添加到 NCF 模型中,通过多层全连接层获取用户、商品及商品评论之间的非线性关系,最后基于此非线性关系对商品进行预测和推荐。通过基于真实数据集的实验证明,应用 NCF-i 模型的推荐算法,推荐系统的预测精度和稳定性均优于当前常用的推荐模型。     

基于汽油催化裂化过程实时数据的辛烷值损失预测模型

为准确预测汽油生产过程中辛烷值的损失,首先对某石化企业提供的实时数据进行处理,再根据处理后的数据建立灰色关联模型,筛选影响辛烷值损失的主要操作变量.以所选择的主要变量作为模型的自变量,辛烷值损失值为模型的因变量,基于BP神经网络建立辛烷损失值的预测模型,仿真结果表明,85％以上的预测值绝对误差小于0.2个单位.     

神经网络在地砖色差分类中的应用研究

通过计算机视觉系统获取地砖图像,经过图像处理提取得到相关的图像特征数据,再将特征参数作为输入建立RBF神经网络模型,利用神经网络所具有的自组织、自学习和分布式存储信息的特点对地砖进行可控的自动分类。实验证明,此方法为地砖检测分类提供了一个有效的途径。     

基于改进BP的煤矿供电系统故障诊断研究

针对煤矿供电系统故障的特点,以开关、保护等信息为基础,将粗糙集理论与BP神经网络相结合建立煤矿供电系统故障诊断模型。首先通过遗传算法对供电系统故障中的决策表进行约简,去掉冗余信息,保留必要的要素,使神经网络输入神经元数目减少,结构得到优化;然后在训练过程中应用思维进化算法优化神经网络的权值和阈值,并对处理后的信息进行诊断。仿真结果证明,该故障诊断系统有效地提高了诊断效率,增强了故障诊断的容错能力。     

基于BP神经网络的公路客运量和货运量预测方法研究

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。     

基于PSO-BP神经网络的民航发动机VSV故障诊断

现代民航发动机大多使用VSV系统来提高发动机工作稳定性和避免发动机失速或喘振。为了诊断VSV系统故障,提出了一种基于PSO-BP神经网络对VSV位置进行监控的方法,当PSO-BP神经网络模型的预测值与实际值的偏差超过一定值时,则判断VSV系统故障。利用发动机健康状态的QAR数据,基于PSO算法优化的BP神经网络建立了发动机VSV在飞机下降段的调节规律模型,同时建立BP神经网络模型。经过对比分析,通过PSO-BP神经网络建立的VSV调节规律模型的诊断精度,高于传统的BP神经网络模型,可为民航发动机状态监控和故障诊断提供依据,具有一定的工程实用价值。     

基于改进神经网络的电梯故障诊断

针对电梯运行故障的动态诊断难题,提出一种优化的BF神经网络故障诊断模型,实时分析电梯运行数据,准确快速得出电梯故障信息,提高电梯运行的安全性和可靠性。将粒子群算法引入到神经网络算法中,修改误差目标函数的距离公式,建立电梯故障诊断的改进神经网络模型,并通过实验数据的仿真分析,从而验证了电梯故障诊断具有可行性。     

基于神经网络算法的保险理赔应用研究

近些年,保险行业得到迅猛发展,同时,保险欺诈活动应运而生。面对保险欺诈,很多保险公司往往一筹莫展,导致骗赔猖獗。如何从以往的拒赔案件信息中,抽取有效识别欺诈案件的模式,促进保险业持续健康发展,成为保险行业研究的关键。数据挖掘在处理大批量数据,挖掘潜在关系方面具有无可比拟的优势。本文提出利用神经网络算法,从历史赔案信息中训练出识别欺诈案件的模型,并抽取赔案数据进行模型效果测试。实验证明,通过此模型筛选出的高理赔用户群具有较高准确率,此数据对保险工作人员具有一定的指导作用。     

GABP神经网络模型在计算机网络安全评价中的应用

当前,计算机网络安全问题已经成为信息化社会建设的重要环节,越来越受到全社会的高度重视。本文首先分析了现今计算机网络安全的状况和国内外网络安全研究领域的现状,重点阐述了BP神经网络算法和GA遗传算法这两种网络安全研究方法并在此基础上根据每个算法的特性进行优化和融合,建立了GABP神经网络模型,并最终将此模型应用于计算机网络安全评价中,由此设计并实现一个网络安全信息评价系统,通过模拟评估演示,能取得了较好的效果。     

基于神经网络的伺服系统辨识与内模控制

根据一组伺服驱动系统的辨识试验数据，进行了基于神经网络的非线性系统的正模型与逆模型辨识，分析了辨识结果，给出基于神经网络模型的内模控制方案，并提出了实现高速高精运动的可能方式。     

基于模糊神经网络的农业设备剩余寿命预测与仿真

该系统具备了神经网络自学习和模糊推理处理不确定信息的能力。通过仿真实验和仿真结果表明,该系统能有效地进行农业设备样本模式的模糊量化处理,极大地改善了神经网络训练的收敛性。通过对模糊神经网络系统的多次测试,当实际数据与学习样本接近时,该系统能够得出与样本相同的预测结果;当输入数据与学习样本偏离时,该系统依然能够得出准确的预测结果,达到了农业设备剩余寿命预测的要求。     

基于Elman神经网络的商品销售额建模及预测

为提高预测精度,采用Elman神经网络对商品销售额进行预测.在分析样本数据特性基础上,采用Elman神经网络对商品销售额的预测进行建模,通过实例验证模型的有效性并对比分析BP神经网络的预测效果.研究结果表明,基于Elman神经网络的商品销售额预测能够较好地反映商品销售额的变化趋势且提高了预测精度,验证了该方法在商品销售额预测中的可行性.     

基于深度学习的虚假健康信息识别

随着互联网的迅猛发展,网上健康信息以几何速度增长,其中大量虚假健康信息给人们的生活带来了很大影响,但目前对虚假健康信息文本识别的研究非常缺乏,以往研究主要集中在识别微博上的谣言、伪造商品评论、垃圾邮件及虚假新闻等方面。鉴于此,采用基于词向量的深度神经网络模型和基于双向编码的语言表征模型,对互联网上流传广泛的健康信息文本进行自动分类,识别其中的虚假健康信息。实验中,深度网络模型比传统机器学习模型性能提高10%,融合Word2vec的深度神经网络模型比单独的CNN或Att-BiLSTM模型在分类性能上提高近7%。BERT模型表现最好,准确率高达88.1%。实验结果表明,深度学习可以有效识别虚假健康信息,并且通过大规模语料预训练获得的语言表征模型比基于词向量的深度神经网络模型性能更好。     

神经因子分解机推荐模型改进研究

因子分解机对特征各维度之间的一阶线性关系和二阶线性关系建模,在推荐系统中已有较多应用。神经因子分解机模型（NFM） 是因子分解机与神经网络的结合模型,它能捕获特征之间的高阶交互信息,使得模型预测效果更佳。但由于神经因子分解机模型一般都是采用全连接的前馈神经网络,使得整个推荐网络过于复杂,存在过拟合风险。为了降低神经因子分解机模型的整体复杂度,提高推荐模型的泛化性能,提出一种基于交叉网络的因子分解机模型（CFM）,降低模型复杂度,提高模型泛化性能。实验表明,该模型在数据集上的预测准确度为77%左右,相比NFM预测准确度提高了约2%,整体模型泛化性能也有所提高。     

水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性     

自适应动态入侵检测模型的研究

提出了将模糊控制和神经网络用于入侵检测的新方案．在该模型中神经网络训练模块可以不断地从模糊控制模块中获得攻击数据信息和正常数据信息,并根据这些信息进行自适应调整,更新权值和阈值,使整个智能入侵检测过程完全成为一个在实际应用中动态自适应的过程．实验结果表明．这种方案具有很高的准确检测率,对检测未知攻击具有较好的性能．     

变压器内部故障诊断的融合集成策略研究

研究了变压器故障的集成融合诊断系统. 该系统中在线监测项目主要有铁心接地电流、局部放电和油中溶解气体; 分析手段包括简单规则判断、模糊逻辑推理和神经网络判别. 考虑到众多故障信息的相互影响, 基于神经网络和专家系统的集成实现智能化诊断. 其融合集成策略主要包括基于信息集成监测装置、多层次地共享信息库和遵循思维规律融合诊断等, 该专家系统实现了推理式的逻辑思维, 神经网络实现了模式化的形象思维, 它们相互结合可得出创造性的结论. 给出了本文系统的一个实例, 表明融合诊断更合理可行.     

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。     

基于改进的模糊神经网络算法的微互动平台设计

基于改进的模糊神经网络算法进行微互动平台设计,调整模糊神经系统网络的结构和参数以建立信息搜索引擎模型,生成时间序列来提取校园的数据信息,提取结果作为设计微互动平台的基础,由此可以使慕课平台给用户提供个性化的服务,提高用户浏览的有效性和便利性。