基于神经网络模型的地方智库竞争力评估——以江苏淮安地方智库为例

基于战略管理理论、竞争力分析理论和计算实验逻辑框架,以江苏淮安若干地方智库为研究对象,运用神经网络模型（包括三层BP神经网络模型和Elman神经网络模型）、遗传算法对地方智库进行竞争力评估.研究结果表明：运用遗传算法约简得到的少数评估指标可以有效地评估智库竞争力,以上两种神经网络模型均可适用于地方智库的评估工作,Elman模型相对略优.     

雷达和导航信号的混沌分析与遗传优化的RBF神经网络预测

文章从建立雷达和导航信号的轨迹的相空间入手,通过计算Lyapunov指数,得出系统的演化行为是混沌的过程的结论,并对其进行了主分量(PCA)分析,而小波分析与遗传算法优化的RBF网络结合,解决了传统的线性理论不能预测混沌时间序列的难题,从预测的结果来看,全面提高了预测速度,为系统建模奠定了基础。     

改进遗传算法的神经网络模型研究

神经网络模型及遗传算法在信息识别、分析与处理方面有着广泛的应用前景。通过对实数编码的遗传算法进行分析,给出了一种改进的优化神经网络模型权值的遗传算法,试验表明,改进的遗传算法可以使神经网络模型的收敛性和稳定性得到明显改善,并且可以减少优化时间。     

基于小波分析和神经网络的金融时间序列预测

以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。     

改进的BP神经网络在铀矿冶设施水环境评价中的应用

铀矿冶设施退役水环境评价的本质是一个模式识别问题。本文在充分分析遗传算法和BP神经网络的基础上,利用遗传算法改进BP神经网络建立了评价模型,并将其应用于铀矿冶设施退役水环境评价中。结果表明,改进后的BP神经网络能够很好的适用于铀矿冶设施退役水环境评价。     

无线信号自动识别算法的仿真实现

首先对比Hilbert变换构建的解析信号进行时频分析的方法,探讨了基于决策理论的模拟调制方式识别方法。然后在分析该方法缺陷的基础上,提出了基于神经网络的识别方法。神经网络(NN)在进行信号识别时,主要是依据谱峰位置的不同,小波变换在这里则相当于一个数学显微镜,反映信号类别与谱峰位置间的必然联系。利用小波变换并结合简单的三层BP神经网络,即可提取更加精确的待识别信号的时频特征。     

基于遗传算法与神经网络混合算法的数据挖掘技术综述

数据挖掘是对大型数据库的数据进行统计分析、提取信息的方法,其基础是人工智能技术。遗传算法和神经网络是人工智能技术中最重要的技术。通过对遗传算法和神经网络的特征分析,阐述了遗传算法与神经网络混合算法在数据挖掘中的应用,指出了数据挖掘技术未来发展的方向。     

小波神经网络在土地利用效益分析中的应用——以兰州市为例

随着我国工业化与城镇化进程的加快,土地利用效益作为土地资源利用水平的有效度量标准,其分析对于提高土地资源的优化配置水平具有重要的作用。提高土地利用效益分析水平可以通过改进计算模型的方法来实现。本文探讨将小波神经网络这一改进的人工神经网络模型在土地利用效益分析中进行研究。以兰州市为研究区,在经济效益、社会效益和生态效益3个方面建立了土地利用效益指标体系的基础上,采用小波神经网络模型对兰州市土地利用效益进行评价,并与熵值法、BP神经网络模型进行比较分析。结果表明,小波神经网络的效率性与精确性更高,效果更好,具有较好的适用价值。这为土地利用效益的方法研究提供了一种科学的思路;同时,也为兰州市土地资源优化配置研究提供了一定的参考依据。     

压力铸造充型过程多工艺参数的优化选择

首先建立一个多维参数优化模型 ,即 2个目标函数 ,多个工艺参数 .在不能得到其理论解的时候 ,采用神经网络与遗传算法相结合的方法 ,求解该复杂优化模型的近似解 .即先利用铸造充型过程数值仿真软件 ,通过数值计算获得一些有关工艺参数的仿真结果 ;然后将数值实验结果作为样本数据 ,运用L M算法训练神经网络 ,建立起目标函数值 (充型时间和充型结束时型腔内最高温度与最低温度之差 )和输入参数 (多个工艺参数 )之间的函数关系 ,进而使用遗传算法寻优 ,从而得到最合适的浇铸参数组合 .     

基于遗传算法的冷链物流节点选址研究

根据传统的T.T.T.理论,在假设温度不变的条件下,推导出食品的腐败率与时间的非线性关系,并在此基础上建立了惩罚函数和冷链物流节点选址模型。采用遗传算法对模型进行求解,通过一个算例证明了遗传算法可以有效解决冷链物流节点选址问题。     

遗传神经网络预测路基沉降

把基于遗传算法的人工神经网络用于岩土工程领域,建立遗传神经网络路基沉降计算模型。通过监测数据来训练遗传神经网络以获得网络神经元的连接权值。获得满意的权值后,用遗传神经网络来计算高等级公路地基沉降,取得了较好的预测结果。这将为公路的预测和控制路基沉降问题提供一种新的方法。     

基于MATLAB实现BP神经网络模型在地下水水质评价中的应用

本文运用BP神经网络理论和方法,使用MATLAB工具箱函数编程,建立了地下水水质评价模型,对抚州市临川区5个地下水水质监测点进行水质评价。将评价结果与模糊综合评价法的评价结果进行对比,结果表明,BP神经网络对地下水水质评价是可行的,能够很好地解决评价因子与水质等级间复杂的非线形关系,评价结果的精度也得以大大提高。     

基于小波神经网络的电力系统负荷预测

文章在介绍神经网络模型构成原理的基础上,针对传统模型在对非线性序列进行预测时速度慢、容易陷入局部次最优的缺点,引入小波作为隐含层的传递函数,构成新的预测模型:小波神经网络预测模型,并分析了小波神经网络在电力负荷预测领域的研究和应用现状。     

电子商务产品销售能力评价体系研究

对于电子商务供应商而言,充分地评估和了解自身产品销售的竞争能力,是提升其竞争力水平的前提。本文在网络消费影响因素的基础上,结合电子商务条件下产品销售的特性,提出了电子商务产品销售能力评价指标体系。利用遗传算法(GA)对BP神经网络进行改进,建立了基于GA-BP神经网络的评价模型。其目的是帮助电子商务供应商准确地了解产品属性及其竞争形势,通过有针对性地更改销售策略,调整服务来提升产品的竞争力。     

基于LSTM神经网络的环渤海动力煤价格指数预测

文章针对金融时间序列的预测问题,基于长短期记忆神经网络技术,构建了一个多层LSTM神经网络并将其应用于我国环渤海动力煤价格指数预测研究中。结果发现：根据数据训练拟合的LSTM模型的稳定性较好,模型预测效果也高于线性回归模型以及其他两个非线性对照模型(K近邻回归、RNN循环神经网络模型)。说明LSTM神经网络在价格指数预测方面具有较好的稳定性以及预测准确性。     

小经神经网络的信息融合传感器故障诊断方法

本文详细阐述了小波神经网络的结构、原理,提出了基于小波神经网络的信息融合传感器故障诊断新方法。本文通过MATLAB仿真和模拟空调系统温度传感器漂移故障诊断实验表明,在相同的条件下,小波网络在解决传感器故障检测、分离和补偿问题上应用。     

神经网络自适应逆控制在铝电解过程控制中的应用

通过采用神经网络自适应逆控制方法来解决铝电解过程中存在的时变和大时滞问题,可以提高其控制性能。本文就铝电解过程进行建模,并将神经网络与自适应逆控制算法相结合,发现神经网络自适应逆控制模型的输出能很好地跟踪铝电解生产过程,控制效果好。在这里提出一个能使铝电解过程很快进入稳态、超调量较小的控制方案,提高铝电解过程的动态和稳态性能。     

基于遗传算法的预测指标信息提取方法研究

建立预测模型时,选择合适的自变量集合很重要。指标太多会增加数据采集的工作量和问题分析的复杂性;盲目减少指标又会损失很多信息,容易产生错误的结论。因此需要找到一个合理的信息提取方法,在减少分析指标的同时,尽量减少原指标包含信息的损失。通过应用遗传算法技术,根据预测模型的预测正确率来选择指标,建立了基于遗传算法的预测模型指标的自动提取模型。实验应用表明,利用遗传算法提取预测模型的指标信息效果比较好,优于神经网络和决策树模型。     

基于小波网络的电力系统故障诊断

小波神经网络(Wavelet Neural Network)结合了小波变换及神经网络的优点,是一种基于知识的故障诊断方法,它不需要精确的数学模型,既具有良好的时频局部性质,又有较好的自学习能力和容错能力。本文介绍了小波网络及其在电力系统故障检测中的应用,通过EMTP仿真实验表明,小波网络与传统的人工神经网络相比,具有收敛速度快,鲁棒性强的特点,可以将小波网络应用于电力系统的故障检测。     

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。