一种基于高阶神经网络的档案排序检索方法

传统以遍历方式查找的档案检索方法难以应对档案内容庞大的挑战,而且存在检索结果乱的问题。本文提出一种基于高阶神经网络的档案检索方法,首先,根据检索需求建立多层次的高阶神经网络模型;然后,设置多维度阈值过滤冗余信息,减少相关性不大的检索结果;最后,通过中心权重和方向权重实现对检索结果关联性大小的排序,提高检索用户的工作效率。从学校网站采集近10年来的5000个各类档案信息进行自学习实验,结果显示本文提出的基于高阶神经网络的方法比传统方法具有更高的分类准确率和更好的关联性排序,提出的档案信息检索方法还可以应用到其它信息检索领域。     

一种基于ART-2神经网络的案例检索方法

检索是基于案例推理(CBR)系统中的关键技术,本文把ART神经网络与案例多级索引技术结合起来,提出一种两级ART网络结构模型,为大型案例库建立了案例分类及检索模型,实现案例动态聚类与从类型到具体案例的索引,增强了系统的自学习、自适应能力,大大提高了案例分类和检索的效率。     

一种基于粗糙-神经网络的文本自动分类方法

结合粗糙集的属性约简和神经网络的分类机理,提出了一种混合算法。首先应用粗糙集理论的属性约简作为预处理器,把冗余的属性从决策表中删去,然后运用神经网络进行分类。这样可以大大降低向量维数,克服粗糙集对于决策表噪声比较敏感的缺点。试验结果表明,与朴素贝叶斯、SVM、KNN传统分类方法相比,该方法在保持分类精度的基础上,分类速度有明显的提高,体现出较好的稳定性和容错性,尤其适用于特征向量多且难以分类的文本。     

基于分布式的直方图检索方法研究及实现

基于内容的图像检索在检索效率和检索性能等方面一直存在着限制与不足。为提高图像检索效率,对基于内容的图像检索和分布式计算进行研究,提出一种基于图像颜色模型向直方图转换的分布式检索方法DHCIR(Distributed Image Retrieval method based on Color Model to Histogram Conversion),并基于该方法进行系统设计及实现。通过实际测试,该算法能够提供稳定、快速、高效的图像检索服务,提高图像检索的计算效率与准确性。     

基于卷积神经网络的能见度估计方法

大气能见度是公共交通安全领域的重要指标,也是评估空气质量的重要方式.论文提出一种利用雾气图片估计能见度的方法,可以在不借助专业设备的情况下,从寻常的监控图片中端到端地直接获取大气能见度.该网络在分类网络的基础上,结合现有去雾算法的优点,生成雾气图,并将雾气图作为神经网络的输入,使神经网络在提取图像中的场景特征时,更多地...     

基于神经网络的Listwise排序学习方法的研究

近年来排序学习方法以其优异的性能成为信息检索领域研究的一个热点.排序学习方法应用机器学习方法训练排序模型用于文档相关性排序,取得了良好的实验结果.在多种排序学习模型中又以Listwise方法的效果最为显著,特别是基于神经网络的排序学习算法以其良好的理论基础,灵活的损失函数构造形式,成为排序学习研究的重要手段.本文对基于神经网络的Listwise排序学习方法及其改进方法进行综述,并介绍该方面研究的最新进展.     

一种基于自组织神经网络的中文文本聚类新方法

针对传统K—均值等算法在文本聚类中的缺陷 ,本文提出了一种树形动态自组织映射 (TGSOM)神经网络来实现中文文本聚类 ,克服了传统的K—均值等算法中文本种类需要预先给定的缺点。本文详尽描述了该网络模型的生成算法和算法中扩展因子的作用 ,并阐述了中文文本的数字化方法———TF .IDF .IG方法     

基于BP神经网络的工程项目总工期预测方法仿真研究

工程项目施工总工期的影响因素多,且很多因素对工期影响是非线性的,因此一直是预测的难点,而工期又是施工管理的重点。本文运用BP神经网络理论,对工程项目总工期进行预测,该理论具有较高的泛化能力,且具有强大的非线性映射功能,对于施工总工期的预测的精度高。     

基于深度图神经网络方法的领域知识结构探测

准确地探测和识别学科领域知识结构对于理解学科发展动态、制定科技政策以及开展科研活动具有重要意义。当前,针对该问题的探索思路主要集中在两个方面:文本内容分析和网络结构分析。在现有的研究中,这两种研究思路往往仅作为相互辅证的依据,缺少同时融合文本信息与结构信息来探测领域知识结构的方法。因此,本文借助深度学习领域涌现出的新兴算法,把深度图神经网络模型与文档表示学习以及流形学习算法加以综合,提出新的学科领域知识结构探测框架。分别选取了代表基础研究学科与新涌现研究领域的两个数据集对所提研究框架进行验证,实验结果表明,深度图神经网络能够有效融合文献的文本内容特征信息以及其引用关系特征信息,提高了领域知识结构探测效率及可识别度。本文的研究拓展了深度图神经网络模型的应用场景,并对情报工程应用领域具有一定的借鉴参考价值。     

用基于神经网络的图书管理员素质评价方法

针对传统人力资源评价效率不高,评价各因素主次不明,容易产生主观片面的缺点。本文利用正交模拟试验和BP神经网络对图书管理员综合素质进行了模拟。确定了影响图书管理员综合素质各因素的主次,建立了图书管理员综合素质评价模型。由于神经网络具有较强的自学习、自适应及联想记忆等功能．从而实现了图书管理员综合素质评价系统的智能化,这对促进人力资源管理水平的提高具有重要意义。     

基于深度神经网络的中文新闻文本分类方法

【目的】文章比较多个基于深度神经网络的中文新闻文本分类模型,旨在找到准确度较高的方法用以实际工作,为中文新闻文本分类提供更加高效的方法。【方法】对文本分类技术和中文新闻分类进行了梳理和归纳,对中文新闻文本的特征和预处理进行了阐述,详细介绍FastText算法、Bert分类算法、TextCNN算法和TextRNN算法。【结果】四种深度神经网络算法均可以应用于中文新闻文本分类,可以有效处理信息紊乱问题以及快速准确进行分类。【结论】通过对四种深度神经网络算法进行试验和效果对比,发现FastText模型在实际工作中的文本分类效果最为优异。     

基于Hopfield神经网络和PSO的线性系统辨识方法

研究了一种基于连续型Hopfield神经网络和粒子群优化（PSO）的线性系统辨识方法。首先建立了系统的预测模型以及辨识误差函数,然后将误差函数近似为连续型Hopfield神经网络的能量函数。利用神经网络的自我演化,得到近似的辨识参数。通过引入PSO机制,缓解了Hopfield神经网络在辨识过程可能陷入局部极小值的缺陷,增强了辨识的效果。最后,仿真研究验证了所提方法的有效性。     

基于粗糙集和RBF神经网络的文本自动分类方法

结合粗糙集的属性约简和RBF神经网络的分类机理，提出一种新的文本分类混合算法。试验结果表明，与朴素贝叶斯、SVM、kNN传统分类方法相比，该方法在保持分类精度的基础上，分类速度有明显提高，体现出较好的稳定性和容错性，尤其适用于特征向量多且难以分类的文本。     

基于神经网络自适应方法的上肢康复机器人系统的智能控制

本文针对5自由度上肢康复机器人,分析提出神经网络自适应控制,设计控制器用于康复机器人系统,通过与传统PID控制效果进行比较,验证控制方法的有效性。最后,结合matlab/simulink强大的计算仿真功能,设计构建5自由度上肢康复机器人的仿真系统,分别对康复机器人系统进行仿真分析,仿真结果证明神经网络自适应控制方法对康复机器人系统稳定性改善的有效性。     

基于蜂群算法的神经网络集成

为选择差异度大的集成个体,构建精确度高的集成网络,。本文提出一种利于ABC算法(蜂群算法)去除冗余个体,新的选择性神经网络集成构造算法。该算法首先用可重复采样技术训练大量集成个体,继而采用蜂群算法,将网络集成预测误差作为优化目标函数,选择集成个体。并通过实验,在UCI数据集上,与传统算法进行了实验对比。实验结果表明,该算法无论从效率、精度、预测误差均优于传统算法。     

科技论文中直方图和条形图的错用案例

为了提高科技论文中统计图使用正确率,研究了科技论文中直方图和条形图的定义和编辑加工要点。以GB/T3358.1—2009为依据,结合科技论文中统计图的常见错用问题,就科技论文中直方图和条形图的错用情况进行分析并从编辑加工的角度提出相应的修改对策。     

基于卷积神经网络的物流服务业顾客满意度评价方法研究

[目的/意义]本文提出了基于卷积神经网络的物流服务业顾客满意度评价方法,为人们科学客观地了解物流实际运行情况,改善物流服务有重要的参考价值。[方法/过程]文章运用网络爬虫技术、词频统计和特征提取得出五个物流服务特征,然后构建卷积神经网络文本分类模型,对物流评论信息进行分类,最后对物流服务满意度进行赋值评分。[结果/结论]实验结果表明,在网络生鲜产品物流服务特征中,便利性、可靠性、及时性、完整性和友好性是消费者关注的服务特征,而消费者最关注完整性,最不关注及时性,并最终得到了物流服务业顾客满意度分值。本文最终选择了生鲜物流作为案例进行顾客满意度评价,以期推广到更多物流服务业评价应用中。     

基于神经网络的企业竞争对手分析

本文提出使用聚类方法对评估企业竞争力空间进行研究 ,并用SOFM自组织神经网络对企业的竞争能力进行了聚类。通过聚类 ,我们可以获得竞争能力的整体分布格局即得到企业当前的竞争态势 ,明确了企业最直接竞争对手群和要提防的竞争对手群。     

一种基于SOM的中文Web文档层次聚类方法

近年来Internet迅猛发展 ,网上的信息急剧膨胀 ,如何高效、高质量地检索到用户所感兴趣的中文信息资源 ,是当前我国Internet资源发现的热点问题之一。本文将神经网络聚类方法之一SOM(Self OrganizingMap ,自组织特征映射 )的思想和方法引入中文Web搜索引擎 ,首先探讨了其网络模型和算法 ,而后提出一种聚类用户所感兴趣的中文Web文档的层次聚类方法 ,从而提高中文Web文档的检索质量