无线传感器网络节能路由优化算法研究

无线传感器网络在远程监控和目标跟踪等场景中具有重要意义,当前亟待解决的问题是如何提高数据传输质量并提升网络生命周期。本文提出了一种基于剩余能量的优化分簇算法,对簇头节点进行合理的选取。这种算法有效改善了网络中部分节点过早衰亡进而影响整网寿命周期的现象。同时,提出了神经网络融合算法的权重修正模型,修正后的算法可以降低向汇聚节点传输的数据包数量,延长整网生命周期。通过软件仿真测试结果证明,以上两种节能算法均可有效优化无线传感器网络能耗,提升网络寿命。     

基于省域尺度工业固废产量预测模型研究

为提高BP神经网络算法在固体废物预测中的精度,提出了一种SSA-BP工业固废预测模型,并选取了GDP、常住人口、工业生产总值、能源生产总量、R&D内部支出、财政支出、人均GDP、第二产业贡献率、能源消费总量等作为影响因素,用灰色关联分析方法分别对4种情景下安徽省固废产量进行了预测.结果表明,R&D内部支出、能源生产总量、生产总值、灰色关联度携带有效信息高;SSA-BP模型的MAE、MAPE、R²值分别为375.81、0.04、0.99,均高于其他机器学习回归模型;在不同情境下,安徽省未来一段时间内工业固废产量整体呈现增长趋势,到2035年产生量变化区间为18254.36～30831.54万t.     

基于多状态跳转模型的场景独立音频事件检测方法

针对不同类型事件设计多状态跳转模型,结合两种深度神经网络实现对传统音频事件检测框架的改进。实验表明,在DCASE2017任务2的开发集数据上,改进后的DNN-HMM系统相比于基线系统取得F值8.9%的相对提升和错误率19%的绝对下降;基于多状态跳转模型聚类的卷积神经网络模型（SC-CNN）,相比于基线系统取得F值18%的相对提升和错误率30%的绝对下降。     

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。     

混沌时间序列单变量和多变量重构的预测比较

提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法，给出了多变量混沌时间序列的局部平均预测法，局部线性预测法和BP神经网络预测法等3种非线性预测方法．通过Lorenz系统的仿真计算表明，无论用3种非线性预测方法中的哪一种，多变量混沌时间序列要比单变量混沌时间序列的预测误差小得多，即使前的数据长度只有后的一半，前的预测误差也要小很多．另外从预测误差最小的角度验证了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数选取方法的有效性．     

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BP算法的地下水模拟中 加速因子的确定

在大型线性方程组的超松弛迭代法求解中,加速因子经常难以确定.应用BP神经网络对其进行训练学习,经过对比分析,得到最佳模型,应用该模型可快速确定加速因子.将该方法应用于石家庄市栾城水文试验基地,计算结果表明,BP人工神经网络有效地解决了地下水数值模拟中加速因子难以确定的问题.