神经网络与模糊理论相结合在股市中的应用

为了避免人类感情因素在投资过程中的影响,采用比较符合人类思维习惯的模糊控制方法和神经网络相结合对股票投资进行研究。通过不确定性人工智能,解决了在实际模糊系统中输入变量隶属函数和知识规则确定的难题,利用神经网络实现了变量之间的非线性映射,从而对股票的走势进行预测。     

基于神经网络的多参数损伤识别

本文首先对损伤参数进行了理论分析,提出基于神经网络的损伤识别原理,利用ansys建立简支梁数值分析模型,建立非线性映射能力较强的单隐层BP网络进行损伤识别,定位损伤,较为准确的判断了损伤程度。     

基于BP神经网络的应用及实现

针对医学中癌细胞与正常细胞的正确分类率不高的问题,提出BP神经网络对其进行分类。本文介绍了BP神经网络的基本算法及几种改进算法。为了提高癌细胞的检测正确率,本文分别采用四种改进算法训练BP神经网络并进行测试。通过分析其训练效果的关键数据及测试结果,可以得到较高的癌细胞分类准确率。实验表明,采取合适的算法对BP网络进行训练,可以达到较好的分类效果。     

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。     

KWNN特征选择在客户关系管理系统中的应用研究

为了提高基于数据挖掘的客户关系管理系统的决策性能和决策效率,首先进行KWNN特征选择,选取客户数据集中分类最优的决策特征子集,然后对该特征子集的数据集中进行挖掘抽取知识,作为企业的决策依据。KWNN特征选择过程分3步：原始数据初始化、基于K-W的H值计算和依据H值采用神经网络分类器挑选最优特征子集。采用UCI数据库中German数据集进行验证,实验证明KWNN特征选择的可行性。     

基于模糊神经网络的RTT智能预测算法

在网络拥塞控制的重要参数中,RTT（Roundtriptime）尤为突出,因为它能对网络所发生的拥塞作出较早的反映。所以对RTT的精确预测程度,无论是对网络拥塞控制还是流量、带宽估计都很有意义。分析了RTT的特性,发现其有很强的高频噪声,因而采用低通滤波和MBP网络相结合的RTT预测策略。实验表明,即使在网络状况较忙的情况下,也能获得很好的预测结果。     

基于RBF神经网络的图书馆文献采购经费预测——以北京建筑工程学院图书馆为例

为解决图书馆文献采购经费预算这一问题,利用RBF神经网络,建立图书馆文献经费预测模型.结合北京建筑工程学院图书馆2000-2012年文献经费实际进行Matlab仿真,实验表明RBF神经网络模型能有效预测图书馆文献经费.     

神经网络技术在文献检索中的应用前景

神经网络是人工智能技术用于文献检索领域的一个主要分支。文中分折了神经网络的主要特点, 说明了在提高检索效率上存在着极大优势, 并从对人的思维的适应性这一角度分析了它与超文本技术相结合的前景。     

改进BP算法的参数优化和知识学习

论述一种基于人工神经网络（ＡＮＮ）的知识学习方法，采用改进的ＢＰ算法训练ＡＮＮ，用于船用柴油机故障诊断，以解决一般专家系统在知识获取过程中的“瓶颈”问题。还讨论了ＢＰ算法的改进与参数优化，并给出了在故障诊断中的应用实例。