基于时域卷积与双向GRU神经网络的时序预测模型

随着物联网技术和5G技术的发展,各类智能设备收集的时序数据规模急剧增长,为了利用深度学习技术对大规模时序数据进行预测,提出一种基于深度神经网络的时序预测模型。该模型首先利用时域卷积神经网络层对时序数据进行预处理,然后利用双向GRU神经网络层提取时序数据的前向特征和后向特征,最后对时序数据进行预测。在真实数据集上的实验结果表明,该模型相比传统长短期记忆网络模型,预测准确度提高了近70%,预测速度提高了近10%,可更好地满足对大规模时序数据的预测需求。     

人工神经网络在膀胱癌诊断中的应用

目的：探讨应用BP神经网络技术建立诊断模型来判断膀胱癌的可行性。方法：153例患者分为训练集和测试集,应用BP神经网络模型,建立人工神经网络诊断模型,然后随机抽样测试样本输入模型进行预测。结果：人工神经网络预测膀胱癌的灵敏度为100％,特异度为92．3％。结论：人工神经网络诊断模型对膀胱癌的判断有良好的诊断性能。     

基于人工神经网络的时间序列交通事故预测

分析了人工神经网络和时间序列的优越性和适用性，提出了基于神经网络基础之上的时间序列预测方法，从而实现了从线性预测到非线性预测的转变。     

基于正弦激励的WASD神经网络的上证指数预测

由于金融时序数据的高度非线性特征,准确预测股票市场的证券指数非常困难.本文提出了一种单隐层前向正弦激励的神经网络并将其用于上证指数的预测.这种神经网络采用权值和结构直接确定(WASD)的方法进行训练,能够直接获得最优的权值和结构,也被称之为正弦激励的WASD神经网络.基于历史数据,将WASD神经网络和BP神经网络、SVM进行了对比实验.实验结果表明,正弦激励的WASD神经网络在预测上证指数时具有更好的性能.     

基于MATLAB和BP网络的公路软基沉降量预测模型

人工神经网络具有强大的非线性映射能力,文章利用BP神经网络建立了公路软土地基沉降量预测模型,并用MATLAB人工神经网络工具箱进行了实现。根据实测资料,对此预测模型进行训练和预测,试验表明,预测模型具有较好的预测精度,操作简单,具有广阔的工程应用前景。     

基于时间卷积网络的废钢价格预测模型

针对废钢价格预测问题,引入了深度学习领域的时间卷积网络构建模型。通过数据预处理、特征工程、构建时间卷积层、构建深度神经网络等步骤,拟合了一个根据历史一个月的废钢价格数据推测未来一天废钢价格指数的函数。通过近期四个月的实际数据验证,在预测误差绝对值和趋势预测准确度两个指标上,均优于传统时序以及神经网络模型。深度学习在废钢价格预测方面的研究也为其应用于行业其他时序相关数据的分析和建模提供了参考方向。     

采用非线性模块的BP神经网络PID水位预测控制

因非线性时变控制系统造成的滞后,压水堆核电厂蒸汽发生器(SG)水位控制会引起的较大惯性或耦合,对此提出一种基于非线性模块的BP神经网络PID控制预测模块。采用BP神经网络模型作为非线性预测模块,调用SG水位PID控制运行数据作为非线性预测模块的训练样本;提取BP神经网络模型的输出数据作为BP神经网络PID的输入数据,多重优化BP神经网络的权值及阈值,缩小修正差值逼近系统整定值;构建SG水位非线性模块的预测数值与系统运行数据之间的非线性映射关系,修正带有预测判断方向的阈值,实现在线动态调整输出PID各参数的最优值。实验结果表明,预测模块可有效缩短系统的稳定阶跃响应周期,具有较高的计算精度。     

冰蓄冷技术时间序列研究

为了解决传统的各种单一预测方法中存在的问题,运用一种BP神经网络的预测方法,将人工神经网络理论和算法应用于冰蓄冷技术的研究,并在正交实验66组数据中选择56组作为BP神经网络的输入样本,余下的10组为检测样本的输出样本。在对网络进行训练的基础上,建立了蓄冷时间与管壁温度之间的数学模型。     

基于BP神经网络的公路客运量和货运量预测方法研究

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。     

基于遗传神经网络的时序数据预测

针对机场短时局地天气预报这一特定的时序数据预测问题,提出用遗传算法同时优化神经网络的连接权值、阈值和网络结构,建立了基于遗传神经网络的天气预报模型,并利用某气象站的实际观测数据进行了实验。仿真结果表明,相对于单独使用BP神经网络,运用该方法可以有效提高预测精度。     

基于BP神经网络的中医舌诊诊断的研究

将现代计算机技术与舌诊相结合构建了中医舌诊智能诊断的神经网络模型,以此研究了人工神经网络方法应用于中医舌诊诊断,讨论了利用MatlabN神经网络函数对实验提供的舌象样本数据进行训练学习,最终得出相应病例．     

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。     

神经网络在预测饱和砂土液化中的应用

1　Ｉｎｔｒｏｄｕｃｔｉｏｎ　Ｍｏｄｅｌｉｎｇｏｆｓｏｉｌｂｅｈａｖｉｏｕｒｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｄｅａｌｉｎｇｗｉｔｈｐｒｏｂｌｅｍｓｒｅｌａｔｅｄｔｏｓｏｉｌｍｅｃｈａｎｉｃｓａｎｄｆｏｕｎｄａｔｉｏｎｅｎｇｉｎｅｅｒｉｎｇ .Ｏｖｅｒｔｈｅｐａｓｔｆｏｕｒｄｅｃａｄｅｓ ,ｍａｎｙｒｅｓｅａｒｃｈｅｒｓｈａｖｅｄｅｖｏｔｅｄｅｎｏｒｍｏｕｓｅｆｆｏｒｔｓｔｏｆｏｒｅｃａｓｔｉｎｇｔｈｅｌｉｑｕｅｆａｃｔｉｏｎｏｆｓａｔｕｒａｔｅｄｓｏｉｌｕｎｄｅｒｖａｒｉｏｕｓａｓｓｕｍ…     

基于BP神经网络对学生学习专业课程效果的评价

通过建立BP神经网络的课程效果评价模型结构,并在MATLAB系统上对样本数据进行仿真,最后进行数据验证。结果表明,应用人工神经网络对课程效果进行评价,排除了专家主观因素对评价效果的影响,能够获得客观满意的评价结果,具有广泛的适用性。     

基于人工智能的机器人折弯机滑块行程研究

针对金属板料折弯工艺和更高精度的要求,提出基于人工智能神经网络的机器人折弯新技术。对机器人弯折工艺进行特征参数分析及提取,并建立改进算法的BP神经网络模型;比较了不同机器人折弯训练函数下的性能,建立更加有效的神经网络训练函数。通过经验实测值与改进算法的BP神经网络预测值对比,验证了所确定的机器人折弯的改进BP神经网络能够更加精准确定折弯工艺过程中所需的滑块行程,提高了折弯工艺精度。     

智能化时代学科评价的工具探索

学科评价是高等教育评价的重要内容,是高校学科建设的重要组成部分。在智能化时代,利用人工智能、大数据技术对学科数据进行深度挖掘和科学分析,可以将学科评价从基于小样本或不完整信息的评价转化为基于整体信息的多元化科学化评价。本文通过应用聚类、神经网络分析、关联规则分析等数据挖掘方法对学科数据进行建模分析的思考,对智能化时代高校学科评价进行探索。     

Assessment of highway slope failure using neural networks

An artificial intelligence technique of back-propagation neural networks is used to assess the slope failure. On-site slope failure data from the South Cross-Island Highway in southern Taiwan are used to test the performance of the neural network model. The numerical results demonstrate the effectiveness of artificial neural networks in the evaluation of slope failure potential based on five major factors, such as the slope gradient angle, the slope height, the cumulative precipitation, daily rainfall and strength of materials.     

一种基于模糊神经网络的变压器故障诊断方法的研究

文章介绍了一种基于模糊逻辑理论的人工神经网络，提出了利用模糊数学对神经网络的输入进行预处理的方法，并将其应用于变压器故障的诊断，提高了IEC比值法诊断变压器故障的复杂性和准确性。