人工神经网络在经济管理问题中的应用

阐述人工神经网络机理,给出人工神经网络在经济管理问题中应用的一般方法及其方向,对未来人工神经网络在经济管理问题中的应用提出一些看法。     

图论在交通中的应用

本文以呼和浩特为例,运用图论知识就公共汽车路线最优化问题进行了探讨.     

图论方法在网络计量学中的应用研究

介绍了网络计量学的产生和发展 ,论述了网络计量学研究方法的分类 ,探讨了网络计量学中图论方法的应用。     

图论在电网建设中的应用

电力是现代日常生活和生产中最不可缺少的能源,而要利用电力则需要相应的电网。电网的铺设应当在安全用电的前提下,尽可能方便每一个用户。立足于当前我国经济已经进入到了一个以资源节约提高效率为主的时代的前提,从节约资源的角度,利用图论中的最小生成树理论,较好的解决了电网铺设中的浪费问题,并对这一类问题的解决提供了一种新的思路。     

CAPP中人工神经网络的应用

本文阐述了人工神经网络技术，研究分析了BP神经网络模型的基本原理。在此基础上，将神经网络理论应用于CAPP之中，提出了基于此理论的系统模型。     

数学归纳法在图论中的应用

本文根据图论中的点、边关系的特点,分析数学归纳法在图论中的重要作用,并用此方法证明两个定理.     

图论中一个定理证明的修正

图论部分有一个重要的定理任意平面G最多是5-色的,有时也称为5-色定理。针对左孝凌等编著的《离散数学》教材中这个定理的证明,本文指出了其中的不足之处,提出了完善的方法,消除了学生对有关概念的误解。     

人工神经网络在砂土液化识别中的应用

结合砂土液化的影响指标和神经网络的特性，提出了一种针对砂土进行识别的新方法-BP网络方法。BP网络是通过将网络输出误差反馈回传，来对网络参数进行修正，从而实现网络的映射能力。结果表明，用神经网络对砂土液化进行识别的准确率很高，它无须在判别因子与预制目标之间建立基于某种理论的经验统计关系。     

模糊数学和人工神经网络在滑坡评价中的应用

本文阐述了滑坡所造成的危害,介绍模糊数学和人工神经网络两种方法在滑坡预测及评价中的应用,举例运用模糊数学的方法分别对两个滑坡进行评价,并结合传统的推力传递系数法来分析这两个滑坡。     

人工神经网络

本文介绍了人工神经网络的概念,阐述了神经网络的一般结构和分类,以及神经网络的训练算法及其范化能力的改进,并综述了神经网络的应用。     

人工神经网络及其在中医研究中的应用进展

人工神经网络是模拟人脑工作机制的一种计算机模型,由于它有自适应性、并行处理能力和非线性处理的优点,所以在中医研究中得到了应用。本文简单介绍了人工神经网络的工作原理和特点,并对人工神经网络技术在中医研究中的最新应用作了综述,指出了其在应用上的优点、不足及发展前景。     

改进的图神经网络文本分类模型应用研究 ——以NSTL科技期刊文献分类为例

[目的/意义]随着互联网数字资源的剧增,如何从海量数据中挖掘出有价值的信息成为数据挖掘领域研究的热点问题。文本大数据分类是这一领域的关键问题之一。随着深度学习的发展,使得基于深度学习的文本大数据分类成为可能。[方法/过程]针对近年来出现的图神经网络文本分类效率低的问题,提出改进的方法。利用文本、句子及关键词构建拓扑关系图和拓扑关系矩阵,利用马尔科夫链采样算法对每一层的节点进行采样,再利用多级降维方法实现特征降维,最后采用归纳式推理的方式实现文本分类。[结果/结论]为了测试该文所提方法的性能,利用常用的公用语料库和自行构建的NSTL科技期刊文献语料库对本文提出的方法进行实验,与当前常用的文本分类模型进行准确率和推理时间的比较。实验结果表明,所提出的方法可在保证文本及文献大数据分类准确率的前提下,有效提高分类的效率。     

厦门市景观格局的BP人工神经网络模型

在地理信息系统的辅助下采用人工神经网络技术,建立厦门市景观格局分析的模型,选取高程、坡度、距公路远近、居民点及工矿用地面积作为输入变量,以斑块密度、平均斑块分维数、聚集度指数、Shannon多样性指数作为输出变量,选取具有代表性均匀分布的34个样本作为训练样本,对另外6个样本进行仿真.结果表明:仿真的6个输出结果与6个样本的实际景观格局指数误差较小,最大误差仅为0.28970%.神经网络模型是定量分析景观格局指数的方法之一,可用于研究城市自然、社会因素与城市景观格局指数变化的非线性映射.在受人类活动影响较少的高海拔山区,斑块密度、平均斑块分维数和多样性指数小,聚集度指数大,一些人类活动影响程度大的平原地区的特征则与之相反.     

Improved Breast Cancer Classification Through Combining Graph Convolutional Network and Convolutional Neural Network

AimIn a pilot study to improve detection of malignant lesions in breast mammograms, we aimed to develop a new method called BDR-CNN-GCN, combining two advanced neural networks: (i) graph convolutional network (GCN); and (ii) convolutional neural network (CNN).MethodWe utilised a standard 8-layer CNN, then integrated two improvement techniques: (i) batch normalization (BN) and (ii) dropout (DO). Finally, we utilized rank-based stochastic pooling (RSP) to substitute the traditional max pooling. This resulted in BDR-CNN, which is a combination of CNN, BN, DO, and RSP. This BDR-CNN was hybridized with a two-layer GCN, and yielded our BDR-CNN-GCN model which was then utilized for analysis of breast mammograms as a 14-way data augmentation method.ResultsAs proof of concept, we ran our BDR-CNN-GCN algorithm 10 times on the breast mini-MIAS dataset (containing 322 mammographic images), achieving a sensitivity of 96.20±2.90%, a specificity of 96.00±2.31% and an accuracy of 96.10±1.60%.ConclusionOur BDR-CNN-GCN showed improved performance compared to five proposed neural network models and 15 state-of-the-art breast cancer detection approaches, proving to be an effective method for data augmentation and improved detection of malignant breast masses.     

基于人工神经网络的自适应系统研究

研究了人工神经网络技术在自适应系统的应用。在运用人工神经网络原理建立站点模型的基础上,提出一个应用贝叶斯网络技术的自适应系统框架模型。     

基于人工神经网络的相位跟踪研究

本文介绍了一种基于人工神经网络的相位跟踪控制方法,当电网并网时,用于对控制电流与电网电压进行同相位跟踪,以实现对电网电压的同步跟踪。经MATLAB电力系统动态仿真,验证了该文提出的BP控制方法,跟踪性能良好,具有较强地自适应能力。     

核磁共振永磁体无源匀场的神经网络方法

针对核磁共振永磁体的磁场传统匀场方法难度大，经验依赖程度高的情况，提出了人工神经网络应用于磁场匀场的手段。通过基于Matlab的神经网络设计，建立了一个匀场的BP网络模型。由于在磁体的不同的均匀度条件下匀场的方法不同，所以该网络由两个子网络组成----粗调网络和精调网络，并分别对其进行训练。该模型建立之后，可以快速、准确地匀场，使无源匀场不再盲目得进行多次尝试，一次就能使判断准确。通过人工神经网络方法匀场的磁体，均匀度高，满足了核磁共振岩心分析仪的匀场环境。     

基于BP人工神经网络的物流配送中心选址决策

物流配送中心的选址在整个物流系统规划中占有十分重要的地位,需要决策者综合考虑多种因素。但在传统的算法中,有些重要的定性因素被忽略。本文通过建立选址决策的模糊评价矩阵,利用BP人工神经网络来处理数据,可避免传统算法的不足,较客观地对多个选址方案的优劣进行评价,并引用实例说明该方法的实现过程。     

人工神经网络技术发展综述

介绍了人工神经网络的定义,起源和发展历史沿革,对神经网络在现代科技领域当中的应用做了详细阐述,最后对其发展趋势和前景做了分析和展望。