ABC分类法在啤酒仓库管理中的应用

本文结合啤酒行业的生产特点,针对啤酒品种繁多且在销售旺季产量高、流通量大的特点,利用ABC分类法对啤酒库存进行分类管理、重点控制。     

神经网络在航空武器装备备件需求预测中的应用

本文在分析当前我军航空武器装备备件需求量的预测方法存在不足的基础上,构建了航空装备备件需求评价指标体系,并运用神经网络模型建立了航空装备备件需求量的预测模型,为准确地预测航空装备备件需求量提供了决策依据。     

BP神经网络在人口模型中的应用

本文中将BP神经网络应用于人口预测,采用Matlab的神经网络工具箱函数建立神经网络预测模型,运用该模型对2006年至2010年我国城、镇、乡人口预测以及男女人口人数进行了预测,实践证明,该模型编程简单,并且克服了常规方法建立预测模型存在的模型复杂、训练时间长等缺点。     

BP神经网络在瓦斯预警中的应用

煤矿安全是当前安全生产工作中的重中之重,而瓦斯浓度灾害是威胁煤矿安全生产中最严重的一种自然灾害：通过BP神经网络建立对瓦斯浓度预测模型,确定BP神经网络的网络结构和参数,运用18组样本数据可对模型进行训练和仿真。     

BP神经网络在股市短期预测中的应用

设计了一个三层BP神经网络模型,结合MATLAB神经网络工具箱,针对一只个股实际数据,进行了该网络模型的训练与仿真,并时股市行情进行了短期预测。通过实验数据,计算出短期的预测值与实际收盘价的均方误差Q=0．027623,这说明此方法是有效和可行的。     

BP神经网络在高速公路交通量预测中的应用

本文介绍应用BP神经网络对高速公路交通量的预测,采用Matlab神经网络工具箱函数建立神经网络预测模型,运用该模型对高速公路的收费情况进行预测.从而间接预测该高速公路的交通量.     

基于BP神经网络的PID控制在反应釜温度控制中的应用

常规PID的控制,不但其参数难以整定,而且还依赖于对象的精确数学模型,适应性较差,对复杂过程不能保证其控制精度.本文根据反应釜温度时间滞后具有非线性、强耦合、不确定性过程的控制需要,提出了一种基于BP神经网络的PID控制方法;并介绍了神经网络PID控制器的算法,对经典PID参数选取进行了分析.仿真结果表明,与传统PID算法相比该控制方法可实现有效的控制,具有实现简单、控制效果好的特点.     

BP神经网络在河流水质评价中的应用

在人工智能和神经网络原理基础上,构建了BP人工神经网络的水质评价模型,并把该模型应用到现场水质评价中。论文介绍了BP神经网络的水质评价模型,然后在此基础上构建并加以实现,利用相关的监测数据进行了检验,评价结果同实际水质监测结果一致,而且模型应用简单,计算方便,具有很好的实用性。     

基于BP神经网络PID控制在单元机组中的应用

介绍了基于BP神经网络的PID控制策略,即：采用PID控制器对两个回路实行控制,同时根据系统误差,用BP神经网络分别在线调整PID控制器的比例、积分和微分的系数;具有算法简单,抗干扰性强及鲁棒性好等特点;仿真结果表明了其有效性。     

BP神经网络在我国粮食产量预测中的应用

本文基于BP神经网络模型，进行了2001－2010年我国粮食产量的预测。通过对比传统的“平均增长率一阶滞后模型”拟合及预测1992－2000年粮食产量与实际产量的误差值大小，可明显看出BP神经网络对于处理单输入单输出的时间序列预测问题是一种更具优越性的方法，它具有很强的学习与泛化（推广）能力，具有很好的应用价值。     

备件模型管理的面向对象技术方式的实现

模型管理是备件库存管理智能决策支持系统的核心部分。本文采用面向对象技术来实现模型的管理,对模型类的定义、模型的组织、存储、调用和运行提出了相应的解决方案。     

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。     

BP神经网络在农业发展中的应用

本文简述了BP神经网络的基本原理,提出了一种基于BP神经网络对农业增加值占国内生产总值的比重的测评模型。实验表明,该模型的辨识精度高,能正确实现。     

基于BP神经网络的语音情感识别研究

随着科技的迅速发展,人机交互越来越受到人们的重视,语音情感识别更是学术界研究的热点。将BP神经网络算法用于语音情感识别研究,并在汉语情感数据集上进行了相关实验,识别的准确率达到了91．5％,相较于SVM算法分类精度提高了5％。     

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。     

基于回归分析的备件标准制定模型

针对备件标准制定方面存在的问题,首先将备件分为必换件和视换件,然后运用回归分析模型建立了视换件的标准制定模型,最后通过实例验证了模型的可行性.     

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。