基于BP神经网络的顾客价值识别研究

本文把顾客价值分为好、中、差三种状态,将通过了预测试的顾客价值量表指标作为输入结点,构建了基于BP神经网络的顾客价值识别模型.并针对食品(饮料)业的34家上市公司的主要产品设计调查问卷并取得数据,将数据输入顾客价值BP神经网络识别模型进行仿真实验,结果表明该模型适合对企业的顾客价值进行识别.     

基于神经网络的语音识别鲁棒性研究

语音识别技术已经取得令人鼓舞的成就,市场上也出现了许多相对成熟的语音识别产品,但是大部分语音识别系统仍局限于特定的环境,距离真正的实用化还相差很远。本文以提高语音识别系统的鲁棒性为目标,进行了相关的实验和研究。     

基于SIFT和BP神经网络的车牌识别技术的研究

针对车牌容易变形,涂漆易脱落,受光照等环境因素的影响,本文将SIFT算法和BP神经网络应用在车牌识别领域中,有效地克服了上述问题。SIFT算法对汉字,字母和数字提取SIFT局部特征,并用BP神经网络进行识别。克服了传统的模板匹配方法对数字和字母形状相近不能识别的缺点。实验中的结果和模板匹配法相比较,表明该方法明显优于传统的模板匹配法。     

基于BP神经网络的物流车辆识别

车型识别是智能交通的重要组成部分。本文针对降低物流产业的运输成本,论述了用BP神经网络构建物流车辆识别模型,通过像素点的曲率与相对距离输入,得到车型类别,并通过算例分析其鲁棒性。     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

基于BP网络的语音识别器的理论设计

对BP神经网络的提出、基本思想及网络结构进行了简要地介绍,采用BP神经网络对语音进行识别.     

基于MP神经网络模型的语音点歌系统

语音识别是一个涉及交叉学科的复杂问题,如何和机器进行自由的交流一直困扰着相关研究人员。本文提供一种基于MP神经网络模型的语音识别方法,并在此基础上开发了电话语音系统点歌。     

空中目标BP神经网络识别方法研究及应用

空中目标识别是军事信息处理中的一个重要环节,对军事目标类型的识别是一个重要的课题。通过采用基于改进BP算法的神经网络目标识别方法,对具体的军事目标类型给予识别特征描述与提取,以矩和圆度两种特征形成特征向量,将其标准化后作为BP神经网络的输入,并通过仿真对网络进行调整。仿真结果表明,此方法合理可行,对提高军事信息处理的准确性具有重要意义。     

基于QPSO—BP神经网络的财务舞弊识别研究

为提高上市公司财务舞弊识别模型判断的准确度,文章以1998--2009年中国证监会网站上公开披露的财务舞弊的56家上市公司的75个舞弊年度为研究对象,并选取了与舞弊公司同行业、同年度的75个非舞弊上市公司年度作为控制样本,运用量子粒子群算法改进的BP神经网络建立财务舞弊的识别模型。研究结果表明,采用量子粒子群算法与BP神经网络结合的方法建立的财务舞弊识别模型判断的准确度较标准BP神经网络判断的准确度有了较大提高。这对于防范上市公司财务舞弊、提高监管效率、降低投资者的损失等方面具有一定的积极意义。     

基于BP神经网络的地震预测

地震预测是地理问题研究领域中的一个重要课题.由于引起地震的相关性因素很多,很难建立物理理论模型.神经网络在预测和构造未知时象模型方面具有独特的优势,因而在预测控制领域得到广泛的应用,本文探讨将BP神经网络应用到地震预测中的一种方法.     

基于PCA和神经网络的人脸识别算法研究

在MATLAB环境下,取ORL人脸数据库的部分人脸样本集,基于PCA方法提取人脸特征,形成特征脸空间,然后将每个人脸样本投影到该空间得到一投影系数向量,该投影系数向量在一个低维空间表述了一个人脸样本,这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类,得到识别率,接下来使用BP神经网络算法进行人脸识别,最后通过基于神经网络算法和最近邻算法进行综合决策,对待识别的人脸进行分类。     

基于BP神经网络的中国人口预测

本文基于中国统计年鉴1990—2010年中国人口数据,通过建立BP神经网络模型,对中国人口进行了预测。结果表明,神经网络预测数据相对误差不到0.01%,比传统预测方法精确很多,根据该模型预测,中国人口将在2050年达到峰值14.5亿左右。     

基于神经网络的语音增强系统设计

利用神经网络设计语音信号增强处理系统,在无噪和含噪条件下,提取语音信号的MFCC系数,用于BP神经网络的训练和识别,最终达到语音信号消噪和提高可懂度的目的。自适应神经网络系统具有非线性映射和自学习能力,能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计,并且能够克服信号处理中存在的不确定性。仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单,而且节省运行时间,语音增强效果很好。     

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BP神经网络的时延水温控制系统设计

神经网络具有自组织、自学习、自适应的特点,近年来随着计算机技术的发展,为其网络优异的函数逼近性能和分类性能应用于工程提供了硬件基础,神经网络由于其大多结构简单,算法易于理解和使用,有利于工程人员应用解决实际问题。本文介绍了BP神经网络在时延控制对象中的建模,建立了一个基于BP神经网络的预测模型,在Matlab中对几种使用神经网络模型的控制方案进行了研究和比较。     

粒子群算法优化BP神经网络的指纹识别技术

指纹识别技术是当今应用最广泛的生物识别技术之一。在指纹识别过程中,图像处理、特征提取、匹配等过程数据量庞大,计算比较烦琐。BP神经网络具有良好的自学习能力、强大的分类能力和容错能力,将其应用到指纹识别中是可行的。为改进BP神经网络计算速度较慢,梯度下降法不能处理一些不可微传递函数的问题,采用粒子群算法对BP算法进行优化,提高了指纹识别的速度和准确度。     

基于BP神经网络的金属材料字符识别研究

字符识别是模式识别领域的一项传统课题,其内容是模式识别领域中很多课题的基本内容。人工神经网络的出现为字符识别的研究提供了一种新的手段,BP神经网络(Back Propagation Neural Network)作为人工神经网络的一个分支,现已成为其最广泛的应用。本文以三层BP网络作为模型,并将其应用于对金属角铁上的字符识别。由于角铁字符为数字与英文字母混合,文中在对传统的BP算法进行了改进的基础上,采用了分组神经网络的设计方法,取得了良好的识别效果。     

基于改进的神经网络异常声音自动识别系统研究

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法（PSO）优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和闽值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明：在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。     

高速公路BP神经网络限速控制

通过对高速公路在运行中遇到的主要问题的阐述,分析了可变限速控制在高速监控系统中的作用。针对高速公路可变限速控制是一个非线性时变系统,难于用数学模型进行建摸这一特点,提出了BP神经网络控制方法。阐述了BP神经网络的学习算法,根据高速公路主线上车辆数目以及路面状况、气象条件等信息,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究。仿真表明:网络学习速度快,自适应强,泛化能力好,结果精度高,对交通流限速控制中具有一定的推广应用价值。