人工神经网络的发展及应用

系统地论述了人工神经网络理论发展的历史和在各个领域的应用, 神经网络是一门活跃的边缘性交叉学科,研究它的发展过程和应用,具有重要的理论意义.     

基于神经网络原理的高职学生自我管理能力的培养方法

高职院校学生自我管理能力普遍较差,在寒暑假等特殊时期表现尤为显著,出现了作息混乱、肥胖、无法专注学习等各种问题.基于神经网络工作的原理,构建自适应能力强的自我管理神经网络模型,能够适用于各种不同情况的高职学生.自我管理神经网络模型分为任务输入层、权值系数中间层、输出层,任务输入层为每日的学习和运动等主要活动;中间层为持续时间、运动强度等权值系数;输出层为一天结束时对自我的评价.实际输出与期望输出进行比较,根据偏差调整中间层的权值系数,经过迭代纠偏,使神经网络模型趋于稳定.经实验验证,在随机抽取的100名高职大二学生中,86％的学生经过5天的迭代纠偏后,神经网络模型能够达到稳定,形成自我管理的良性循环.     

权值混合更新的神经网络液位控制方法及应用

综合考虑现场液位控制的需求、增量式PID实质及算法计算复杂度,设计了一权值混合更新的神经网络控制器。输入层到隐层的权值向量更新采用梯度下降法,隐层到输出层的权值向量更新采用Levenberg Marquardt算法,并结合信赖域理论对相关参数设置进行了详细说明。双容水箱液位控制实验表明,调节阀动作次数少,控制器参数人工设置简单,并具有良好的动态性能、抗扰性能及稳态精度,并可在省却流量变送器的前提下取代常规的PID串级控制。     

改进的BP神经网络预测高校毕业生就业能力

针对传统BP算法的神经网络收敛较慢的缺点,提出基于L-M(Levenberg-Marquard)算法的神经网络对影响高校毕业生就业能力的各项因素进行分析的模型,以预测高校毕业生的就业能力存在的不足.因素量化采用模糊数学中的格贴近度和专家打分的方法.仿真结果表明:系统模型缩短了训练时间,具有较高的准确性,预测值与实际值的误差很小,可以将此模型应用于对高校毕业生就业能力的预测.     

基于BP神经网络的建筑物沉降预测——以泉州市东海湾某建筑项目为例

利用人工神经网络强大的学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法.以泉州市东海湾某实例工程1~12期的沉降观测数据为基础,建立网络模型.将13~16期建筑物沉降的实测数据和模型的预测数据进行对比,发现两者间的误差相对较小,证明BP神经网络预测模型具有较高的精确性和稳定性,且具有一定的工程应用价值.     

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。     

时序与回归预测方法比较研究

基于神经网络的时序和回归预测方法,对同一数据建立BP、RBF神经网络及小波神经网络(WNN)模型,分别采用两种方法预测,比较实验结果,指出各自的优点和存在的问题。仿真实验表明回归预测法高于时序预测精度,但回归预测法要求一定规模的数据且规律性好,它需提供各影响因子数据才能进行并行递推预测;时序预测一般精度较差,但数据采集方便,其可行性和实用性好,适用于数据信息少的环境等特点。     

基于优化的BP神经网络柴油机燃料系故障诊断仿真研究

神经网络具有并行处理能力、自学习能力,自适应能力和可以逼近任意的非线性函数等特点,是解决非线性、多变量、不确定的复杂诊断问题的一条有效的途径,神经网络的这些特点使得它在故障谚断领域应用越来越广泛.本文利用LM改进学习算法训练所建立的BP神经网络,然后利用训练好的神经网络进行柴油机故障诊断,得出诊断结果,使故障诊断具有人工智能化.     

基于EMD和ANFIS的股票市场短期预测

结合经验模态分解（empiricalmodedecomposition,EMD）算法和自适应神经模糊推理系统（adap-tiveneuralfuzzyinferencesystem,ANFIS）算法应用于股票市场预测,提出了一种新的股票市场的预测模型,即EMD-ANFIS的多步预测模型。首先应用EMD算法把原始数据分解成不同尺度的基本模态函数（IMF）和残差（RES）,然后通过ANFIS算法对生成的各个IMF和RES进行自适应神经模糊推理,再把各个预测结果进行简单的聚合作为股票的预测价格,并与传统的预测方法进行比较,实验证明了EMD-ANFIS的多步预测模型具有更高的预测精度。     

BP神经网络模型预测Phoredox工艺出水CODcr研究

根据污水处理过程去除污染物的非线性特点,建立基于BP神经网络的Phoredox工艺出水CODcr仿真预测模型,预测和验证某污水处理厂实测数据,并通过权值贡献指数分析确定了各种输入因素对出水CODcr浓度的影响。