工业技术研究院协同创新平台评价体系研究

针对工业技术研究院创新效率和成果转化率低下等问题,在探索协同创新作用机理的基础上,提出了涵盖组织协作、资源整合、知识分享、成果转化、风险分担等维度的工研院协同创新平台评价指标体系。借助层次分析法对指标体系及其权重系数进行了测算,并利用三层BP神经网络模型开展了模拟仿真,以分布于全国范围的14家工研院的数据对所构建的协同创新平台评价指标体系及其权重系数的有效性与可靠性进行了验证,提出了帮助工研院提高创新效益的政策建议,为政府科技主管部门进一步完善国家创新体系提供管理参考。     

高科技企业人才流失预警机制研究

以风险信息采集—风险预警指标库构建—风险评估—预警警报发布为逻辑思路阐述高科技企业人才流失风险预警模式。根据对人才流失风险的识别,从个体、组织、环境3个方面构建高科技企业人才流失风险预警指标体系,并利用层次分析法和熵权法对风险指标进行评估。最后,根据BP神经网络原理确定高科技企业人才流失风险预警模型,设计预警模型的构建步骤,进一步对风险等级及临界值进行设计和界定。     

基于大数据分析的高职院校专业评价神经网络模型研究

近十几年来,随着我国职业教育的快速发展,高职院校专业设置与结构调整已成为高职教育领域非常关注的热点问题。本文是基于大数据分析的高职院校专业评价神经网络模型研究,深入分析高职院校专业设置重要影响因素,通过对部分职教领域专家、教师及企业人员的详细调查与咨询,结合教育部有关专业设置相关管理文件的要求,构建科学的专业设置与调整评价指标体系,并根据指标体系采集大批量专业样本数据进行仿真实验。结果表明,运用BP神经网络模型对专业设置与调整进行评价,排除了对专业设置与调整的主观因素影响,能够获得客观满意的评价结果,具有广泛的适用性与科学性。     

基于管理层的风险分析方法探析

风险管理是近几年来比较热门的安全话题,也是很多学者一直在钻研探讨的学术方向。风险管理作为事前预防的一种手段方法,对于预防事故的发生具有现实意义。以往对于风险的管理过多的是针对于操作层员工,关于管理层对于风险管理的贡献则谈之甚少。出于员工层与管理层的风险管理的目的有所不同,本文针对此设计出适用于管理层的风险分析方法。以期望可以自下而上与自上而下相结合地进行风险管理。     

基于MATLAB的煤粒图像识别

为了提高煤炭企业对煤粒几何尺寸、颜色、形状等特征的分析能力,提出了基于MATLAB的煤粒图像识别系统。系统对煤粒图像进行有效分析,取出图像相关特征向量输入到神经网络中,通过BP神经网络对煤粒的密度级别进行预测。测试结果表明,该方法精确度高,可以大大提高选煤效率,具有广阔的应用空间。     

基于优化的BPNN模型在色彩空间转换中的应用研究

色彩空间转换在图像采集、显示,色彩信息传递及重现中发挥着重要作用,为实现真正意义上的“所见即所得”,需提高色彩转换精度。针对传统色彩空间转换模型中BP神经网络转换精度低、易陷入局部最优等不足,使用萤火虫算法优化BP神经网络的初始权值和阈值,提出一种FABPNN算法的色彩空间转换模型,并使用色差模型进行验证。实验结果表明,该模型具有较高的色彩转换精度,达到预期效果。     

基于BP神经网络优化的PID控制器研究

在现代网络控制系统中,数据通信时数据包的丢失,严重影响网络控制系统的稳定性。针对数据包丢失问题,采用一个满足2-stateGilbert的随机分布变量来描述数据在传输过程中的丢包,进而建立一个随机的、非线性输入模型,设计一种BP神经网络PID控制器,将BP神经网络算法和PID控制器有效结合,实现由BP神经网络整定的最佳PID控制。仿真验证表明,当网络控制系统的数据丢包率在一定范围时,与传统的PID控制器性能进行对比,BP神经网络PID控制器可以使系统具有更好的控制效果、较好的环境适应力和鲁棒性。     

具有多时滞的离散Hopfield网络的收敛性分析

研究了一类具有多重时滞的离散Hopfield网络的收敛性定理,证明了如何把一个具有多重时滞的神经网络转化为一个新的具有单一时滞的网络.基于串行演化模式演化规则,给出了具有多重时滞的离散Hopfield网络的收敛性条件.     

基于CNN超混沌序列的语音加密方案研究

提出一种基于五维CNN超混沌序列的语音加密方案,并对该方案进行了性能分析.仿真结果表明,该方案对密钥具有高度的敏感性,密钥空间巨大,明文的统计特性完全被打破,且大大降低了相邻语音数据的相关性,因此,具有较高的可靠性和保密性.     

GA优化T-S模糊神经网络的干燥窑温湿度控制器设计

为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,结合模糊控制、神经网络和遗传算法的优点,设计了一种遗传算法(GA)优化的T-S模糊神经网络温湿度控制器。该控制器利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力实现整个非线性过程的模糊逻辑推理,并通过遗传算法对神经网络的参数进行优化与训练,提高系统的自学习和自适应能力。仿真实验结果表明,在木材干燥过程的温湿度控制上,GA优化的T-S型模糊神经网络控制器具有良好的控制效果,控制器响应速度快、超调小并且具有一定的鲁棒性。