县域新型城镇化发展质量BP神经网络评价

城镇化是国家实现现代化发展的必经之路。新型城镇化发展的背景下,以新型城镇化发展内涵和县域新型城镇化发展质量作为基础,构建新型城镇化发展质量评价指标体系,运用BP神经网络对我国县域新型城镇化发展质量进行评价,得出50个县级城市的BP神经网络曲线拟合,表明优化的BP神经网络具有良好的拟合效果。根据我国各县域城市的新型城镇化发展质量情况,提出了推动县域新型城镇化发展和提高城镇化发展质量水平的对策与建议。     

变截面压杆弹性屈曲的实验模型仿真研究

利用最小二乘法和BP神经网络对变截面压杆实验数据进行曲线拟合仿真及建立相应的仿真模型,并将用仿真模型测算的变截面压杆的临界载荷与实验测得的临界载荷进行比较和分析,结果表明用神经网络仿真测算变截面压杆的临界载荷能够达到预期计算的精度要求,并比传统的曲线拟合方法更具有优越性。     

BP神经网络的应用

回顾了人工神经网络的发展史,分析了BP神经网络的结构,对BP神经网络在函数逼近、模式识别、分类应用、数据压缩等方面的应用进行了综述.     

遗传算法和神经网络在图像识别中的应用

针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对图像进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。     

BP神经网络法在房产估价中的应用

阐述了各种房地产估价的方法,在比较各种现有方法的基础上,采用BP神经网络法进行房产估价.将BP神经网络理论应用于房地产估价,计算实例表明,应用BP神经网络法进行房产评估,可以克服传统方法上的一些缺点,估价结果更科学、合理和公正.     

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.     

BP神经网络在预测问题中可用条件的分析

介绍了BP神经网络的结构，分析了神经网络预测原理，指出神经网络是内插值，讨论了可应用神经网络进行预测的条件，并通过实例进行了验证。     

基于神经网络的中文分词技术研究

基于神经网络的人工智能分词是中文分词技术的一个重要发展方向。介绍了当前神经网络分词的研究现状,给出神经网络分词的一般模型,重点阐述BP等算法在歧义解决中的应用,介绍了BP算法在未登录词识别方面的应用,最后对分词技术的发展进行了展望。     

运用BP算法神经网络拟合传感器的输出特性

首先介绍了BP算法神经网络的基本原理，然后将BP算法神经网络应用于拟合传感器的输出特性，并在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合传感器的输出特性的优越性。     

智能优化算法优化BP神经网络的函数逼近能力研究

在工程应用中经常遇到一些复杂的非线性系统,这些系统状态方程复杂,难以用数学方法精确建模。BP神经网络可以描述这些非线性系统的输入输出映射关系,但其自身也存在较明显的缺陷。应用遗传算法和粒子群算法对BP神经网络进行优化,可弥补BP神经网络寻优时的缺陷。通过实例比较分析,两种优化算法有效提高了拟合精度。     

BP神经网络在TiO_2太阳能电池天然染料敏化剂研究中的应用

介绍了BP神经网络和燃料敏化太阳能电池的原理,着重阐述了在原特殊植物中提取的色素作为敏化剂原料的实验中结合BP神经网络将实验数据进行分析的过程。在填充因子FF不变的前提下,以短路电流、开路电压作为神经网络的输入节点,对应的光电转换效率作为神经网络输出为例,介绍了神经网络的设计、训练和测试的过程,证明了BP神经网络在燃料敏化剂制作过程中的应用是可行的。     

自然通风防辐射罩辐射误差算法

为提高自动气象站温度传感器观测数据精度,对不同型号的自然通风防辐射罩所产生的辐射误差进行分析,提出一种基于BP神经网络算法对不同表面反射率的防辐射罩进行误差修正。将BP神经网络应用于温度传感器防辐射罩辐射误差的预测:将太阳辐射强度、风速、表面反射率作为BP神经网络的输入,利用计算流体动力学分析防辐射罩在不同大气环境下的辐射误差作为BP神经网络的训练输出。分析训练输出与样本输出,两者的绝对误差仅在[-0. 001,0. 002],可见BP神经网络的预测精度在理想值内。最后将BP神经网络得到的辐射误差修正方程用Java进行封装,并开发Web平台实现算法应用。     

神经网络在股票市场预测中的应用

分析了BP神经网络、遗传神经网络、双神经网络、RBF神经网络和概率神经网络在股票市场预测中的应用。     

用BP神经网络解决“徽章”问题

神经网络具有大规模并行处理、自适应性、自组织性及容错性等其他算法无法比拟的优点,在处理分类问题中得到了广泛的应用。BP算法已成为目前应用最为广泛的神经网络学习算法,绝大部分的神经网络模型是采用BP算法或它的变化形式,它是前向神经网络的核心部分,体现了神经网络最精华的部分。文章介绍了利用BP算法解决一个典型的分类问题——徽章问题。     

混沌风险探测模型的研究与应用

BP神经网络是应用最广泛的预测模型,它能方便、灵活地对信用卡消费行为进行探测,但BP网络有很多固有缺陷,比如结构难确定、初始权值选择盲目性导致训练速度慢等,结合信用卡交易数据的混沌特征分析,通过应用混沌理论中的相空间重构技术,把信用卡客户的相关数据嵌入到重构的相空间中,然后利用BP神经网络技术建立混沌风险探测模型,对信用卡交易行为进行风险预测.实验结果表明,该模型的预测精度高于一般的神经网络预测方法,其中正确检出率比使用BP神经网络模型提高了3%.     

三种分类预测模型在医学中的应用研究

基于一个肾衰竭患者数据,应用两种神经网络(BP神经网络和贝叶斯正则化BP神经网络)与常用的二分类Logistic回归对肾衰竭患者是否死亡进行预测,并比较三种模型的预测效果.三个模型的判对率都达到89%以上.其中,以贝叶斯正则化BP神经网络的判对率和ROC曲线下面积(AUC)最大,即预测效果最好;BP神经网络和Logistic回归预测效果差别不大.     

基于小波神经网络的短时交通流预测

针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值.     

BP神经网络在粮仓平均温度预测中的应用

粮仓平均温度决定粮食变质的快慢。经研究发现,粮仓平均温度表现为非线性变化,而BP神经网络能够无限逼近任意非线性函数,故可利用BP神经网络对粮仓平均温度进行预测。介绍了粮仓平均温度预测的重要性,阐述了BP神经网络的预测原理,介绍了BP神经网络设计及MATLAB实现。据此编写程序进行平均温度预测,为粮食保质工作提供依据。     

BP神经网络在高职学生体质综合评价中的应用

分析影响学生体质的指标,阐述BP神经网络的基本概念,探讨BP神经网络在高职学生体质综合评价中的应用。     

基于改进BP神经网络对非线性时间序列的建模预测

分析了BP神经网络的基本特性,对BP神经网络用于非线性时间序列(股价)预测的算法进行了研究,并对其进行了改进。利用MATLAB软件对其进行仿真,结果表明,利用改进的BP神经网络对股价进行短期预测是可行的,改进方法有效。