中国科技创新能力评价与比较

本文利用"欧洲创新记分牌"指标,提出了一种基于BP神经网络的国家创新能力评价方法,对中国的科技创新能力进行了评价与比较。首先建立国家科技创新指数指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。计算结果表明,在总体上,中国科技创新指数远落后于世界发达国家,与参加"欧洲创新记分牌"比较的33个国家相比,排名第22位,仅强于大多数东欧国家。     

BP神经网络在数字识别中的应用

神经网络(neuralnetwork)是近年来再度兴起的一个高科技研究领域,数字识别就是其中一项既基本又非常重要的应用性研究领域。BP神经网络(Back-Propagation),又称误差反向传递神经网络,是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。BP网络可以看作是对多层感知器网络的扩展,即信息的正向传播及误差数据的反向传递。本文给出了设计用于识别手写数字BP神经网络的过程。     

基于SOM神经网络的品牌丑闻微博传播分类预测研究*

作为重要的社会化媒体,微博凭借其社会性、媒体性、广泛参与性和快速传播4大特性已成为网络舆论的主要载体。针对品牌丑闻事件在微博上的传播进行研究,选取了29个近年来在微博上有明显传播特征的品牌丑闻事件作样本,以两小时为间隔搜集事件爆出后的一周时间内的微博博文数量,记录丑闻事件传播动态变化,并运用神经网络SOM模型方法对博文的数量变化进行聚类,得到微博上品牌丑闻事件传播的五种类型：对数型、缓坡型、突变型、长坡型及堤坝型,并在Matlab软件中用指数拟合的方法对数据做预测分析。企业了解丑闻事件在微博上的不同传播类型及各自的特点,对于其在快速预测和有效应对丑闻事件以及品牌危机时,具有很好的参考和借鉴价值。     

基于Zernike矩与网格特征的两级神经网络字符识别系统

从待识别字符中分别提取网格与Zernike矩特征,并将两种特征输入改进的BP神经网络进行比较,得知网格特征对随机噪声及笔划粗细变化不敏感,而Zernike矩特征对旋转不敏感,针对两种字符特征的缺点与优点,把以上两个神经网络进行联合,设计了一个两级神经网络字符识别系统,实验表明,基于不同特征输入的神经网络识别结果之间存在互补现象,上述两级神经网络分类器串级集成字符识别系统正确识别率达98%.     

两种用于城市用水量预测的灰色-神经网络组合模型

为了提高灰色GM(1,1)模型在城市用水量预测中的精度,结合BP神经网络的优点,给出了两种灰色-神经网络组合模型GM-BP1和GM-BP2.模型1利用神经网络对GM(1,1)模型的误差序列进行回归训练,将得到的预测值作为原始误差的修正来减小误差;而模型2由部分数据建立了GM(1,1)模型组,通过神经网络训练得到部分数据GM(1,1)模型组与真实值之间的非线性映射关系,利用这种精准的映射关系来提高预测精度.最后实际算例表明了所给方法是有效的,该组合模型可用于城市用水量的中长期预测.     

时变时滞的BAM神经网络的指数稳定性分析

引入一种全新的BAM神经网络系统,通过一种变换变为易于处理的情形,并用LMI(线性矩阵不等式)的方法对它进行了指数稳定性分析;介绍了一维和二维的两种模型,两种模型存在着很多相同点.     

基于改进卷积神经网络的交通标志识别分类方法

交通标志识别系统是智能交通系统与先进辅助驾驶系统的重要组成部分,由于道路交通较为复杂,提高交通检测与识别算法的准确率和实时性是走向实际应用进程中需要解决的关键问题。文章提出一种基于参数优化的卷积神经网络方法,在对选用的数据集进行预处理操作基础上,适当调整CNN的规模、结构,使用网格法对相关参数进行协同优化,再使用改进的CNN模型在CTSDB数据集上进行训练和验证。结果表明：优化后的模型性能和稳健性均显著提高,且能够有效地完成交通标志的识别、分类任务。     

脑科学与教育--尖端研究与未来展望

研究表明,大脑会经历“敏感期”,在“敏感期”内大脑能够响应外界刺激,在特定的区域形成神经网络,并使这些网络的功能逐渐发达。根据“髓鞘化”理论,我们应该从新的角度对“学习”、“教育”进行定义。脑科学与教育的研究,将使人们学会按照脑的特性,对不同人群进行针对性的“学习”与“教育”活动,从而培养人们的创造性,激发人们的热情,提高人们的适应能力,为人类的安宁和幸福做出贡献。