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。     

高校课堂教学质量的智能评价模式及应用

科学评价高校课堂教学质量是保证与提升高校人才培养质量的关键环节。为了克服传统评价过程中主观因素的干扰,本文在建立高校课堂教学质量评价指标体系的基础上,基于BP神经网络提出了一种高校课堂教学质量的智能评价模型并将其应用到某高校的评价实践之中,评价实例充分证明了这种评价模式的可行性与有效性。     

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。     

浅谈0—3岁儿童教育的重要性

"三岁看老",0-3岁是婴幼儿教育的黄金时期。在越来越重视教育的今天,教育理应从0岁开始,为儿童的健康发展打好基础。大脑神经网络的发展、儿童的依恋情绪和发展阶段,对0—3岁儿童发展具有重要的影响作用。     

基于自动化控制的机械设备故障诊断系统设计

机械设备的最重要的组成单元就是控制系统,其性能的好坏对机械设备的生产效率起着决定性作用。本文对这一机械设备常出现的故障和造成故障的原因进行分析,并且以遗传算法(GA)与粒子群算法(PSO)为优化工具,然后结合BP神经网络的方法对系统的故障诊断进行研究。分析结果显示,采用这种方法能够很好的使BP神经网络远离局部极小值,也就是提高了机械设备的精度,能够快捷、方便、准确地对机械设备进行故障诊断。     

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。     

BP神经网络在采空区瓦斯涌出量预测中的应用

在人工神经网络的实际应用中,绝大部分的神经网络模型是采用BP神经网络和它的变化形式,它也是前向网络的核心部分,其主要用于函数逼近、模式识别、分类和数据压缩四个方面。文章采用模式识别来预测采空区瓦斯的涌出量,根据BP学习算法的原理,建立神经网络预测模型,并得到预测结果,从而为有效地预测和防治瓦斯灾害提供依据。     

遗传算法在柴油机故障诊断中的应用

BP神经网络在故障诊断时,对故障的学习训练盲目性大,导致速度慢,结果可靠性差。但是遗传算法可以优化挑选故障向量具有针对性,弥补BP神经网络诊断的不足。所以基于遗传算法的BP神经网络可以使各代种群在进化过程中容易得到全局最优解。实例对比分析,表明优化后的神经网络具有较好的收敛性能和运算速度,能够改善诊断精度。     

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。