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GA-BP神经网络的手足口病疫情预测

影响手足口病疫情的气象因素众多、变量关系复杂,采用主成分分析法降低气象影响因子的维度,然后基于遗传算法BP神经网络建立手足口病疫情预测模型。以衡阳市手足口病为例,开展手足口病的疾病发病率预测研究。结果表明,模型预测的发病率与衡阳市实际手足口病发病率吻合良好,可作为手足口病疫情预测的一种有效方法。     

基于改进遗传算法的BP神经网络控制器

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足,提出了一种基于改进遗传算法的BP神经网络控制器,此方法可以克服基本遗传算法收敛速度慢,容易陷入"早熟"收敛,计算稳定性不好等一系列问题,进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真,证明了控制器的有效性。     

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.     

基于灰色预测与BP神经网络的全球温度预测研究

为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。     

一种新的BP神经网络人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化.主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求.在BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,能够提高识别的正确率,减少训练时间,同时简化网络结构,减少很大的计算量.     

基于主成分和BP神经网络方法的湖南省汽车保有量预测

汽车保有量预测对城市交通的发展方向、城市交通的控制管理、城市道路的建设情况等都有直接的参考意义。本文通过分析影响城市汽车保有量的因素,通过参考部分参考文献,城区人口总数人均GDP、公路客运量等8个指标,首先采用主成分分析法将8个因素进行分析,然后建立BP神经网络模型对湖南省2006到2008年汽车保有量进行预测,预测结果分别为98.93万辆、122.18万辆、137.03万辆,与汽车保有量实际值94.64万辆、121.72万辆、142.67万辆很接近,预测精度比较高。这表明BP神经网络具有很强的学习与泛化能力,用于汽车保有量预测的可行性与有效性。     

基于BP神经网络的新农合欺诈识别实证研究——以定点医疗机构欺诈滥用为中心

有效识别新农合定点医疗机构欺诈滥用行为对新农合基金的安全有重大意义。为此,本文旨在构建新农合欺诈识别指标体系,利用主成分分析法结合BP神经网络模型,对定点医疗机构住院医疗服务的欺诈滥用行为识别进行实证研究,并与Logistic回归模型的性能进行比较。研究表明,BP神经网络模型具有较高的识别能力,其性能优于Logistic回归模型。因此,将其应用于新农合管理实践将有助于提高医疗费用支付审核的效率和准确性。     

基于理化指标的BP神经网络葡萄酒质量评价

针对我国葡萄酒业内缺乏利用理化指标对葡萄酒进行评级的现状,分析能否使用葡萄和葡萄酒的理化指标评价葡萄酒的质量．通过运用双因子方差分析、主成分分析、逐步回归分析等方法分析了葡萄酒的分级以及酿酒葡萄与葡萄酒的理化指标之间的联系等问题,建立了基于Matlab平台的BP神经网络模型,得到了在一定条件下,能用酿酒葡萄和葡萄酒的理化指标来评价葡萄酒的质量的结论．但仅考虑理化指标时会使结果存在一定的误差,故建议使用理化指标和简单的感官分析相结合来评价葡萄酒的质量,以提高评价葡萄酒质量的准确性．     

基于BP神经网络的图像识别技术研究

图像识别以图像的主要特征为基础,根据这些特征进行识别和分类。通常有效提取待识别样本的特征是一件很困难的工作。而BP神经网络通过非线性计算来识别图像,相比较而言,它的特征抽取过程要简单得多。但是,BP算法还存在许多值得探讨的地方,如收敛速度慢和容易陷入局部极小等问题。为改进BP算法存在的不足,将遗传算法引入其中。遗传算法具有很强的宏观搜索能力,并且简单通用,用它来完成前期搜索能较好地克服BP算法的部分缺点。     

基于遗传算法和BP神经网络的优化设计方法

随着生产规模的复杂化、多维化和非线性等复杂特性的增加，对生产中高效的优化技术要求也越来越迫切，利用并行遗传算法和BP网络的优点，提出采用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取，利用BP网络简单和可塑性强的优点来优化样本空间，以取得整体的优化效率。     

神经网络的BP训练算法和遗传优化训练算法的对比研究

BP算法是人工神经网络的传统常用训练算法。遗传算法是一种新型的、随机性的、全局性的优化方法。基于MATLAB对比这两种训练方法的异同和优缺点,从而达到神经网络的最优化训练,充分发挥神经网络的作用。     

基于BP神经网络模型的通货膨胀预测

通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析,确定了各因素与通货膨胀之间的领先、一致和滞后关系;然后结合人工神经网络原理,以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型,最后根据模型预测结果,提出了控制通货膨胀的相关政策建议。     

基于改进BP神经网络的DDoS检测模型研究

分布式拒绝服务(DDoS)攻击是当今最流行的网络攻击之一,对该攻击的检测是当前网络安全研究领域中的难点.文章在系统分析比较国内外DDoS攻击检测理论和方法的基础上,根据DDoS攻击时数据包的特性,运用改进BP神经网络理论和方法建立了DDoS检测模型.该方案所采用的技术,实现简单,代价小,具有很好的实际应用前景.     

基于神经网络的青岛港口物流需求量预测研究

港口物流需求是制定港口资源分配规划与进出口贸易的重要依据.为了确保港口物流需求的准确性,构建港口物流需求预测模型.对于指标的选取则从社会经济、人文和港口物流发展三个层面进行选择,采用主成分分析方法进行主成分得分预测并科学的选取神经网络的输入层内容,在此基础上,采用三层BP(Back Propagation)神经网络模型...     

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。     

基于遗传BP神经网络的区域物流需求预测

针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题,提出了基于遗传BP神经网络的区域物流需求预测模型。首先,分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系;其次,采用遗传算法优化预测网络中的可变参数,并建立多输入—多输出的BP神经网络多元预测模型;最后,通过实例结果表明该模型具有较高的预测精度和有效度。     

遗传算法优化BP神经网络的非线性函数拟合研究

传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度.     

BP神经网络改进算法研究

通过分析标准BP算法的原理发现,BP标准算法所形成的误差曲面存在着饱和区域,并且在饱和区域,误差梯度变化缓慢,使得训练次数多、学习效率低、收敛速度慢。通过在标准BP算法中调整激活函数,可以缩小饱和区域,进而减少训练次数。实验结果表明,该方法有效地减少了BP算法的迭代次数。     

基于BP神经网络的供应链绩效评价模型

应用平衡计分卡理论为供应链绩效建立平衡计分卡，可以从财务，客户满意度，内部业务流程，学习、成长性四个方面构建供应链绩效评价指标体系。利用BP神经网络建立供应链绩效评价模型，该模型能较好地避免传统方法人为选取权值和相关系数过程中的主观性和不确定性。