oalib

Publish in OALib Journal

ISSN: 2333-9721

APC: Only $99

Submit

Any time

2020 ( 1 )

2019 ( 62 )

2018 ( 939 )

2017 ( 919 )

Custom range...

Search Results: 1 - 10 of 40092 matches for " BP神经网络 "
All listed articles are free for downloading (OA Articles)
Page 1 /40092
Display every page Item
基于组合神经网络的教师评价模型研究
刘彩红,唐万梅
重庆师范大学学报(自然科学版) , 2008, DOI: 10.11721/cqnuj20080412
Abstract: 本文提出的基于组合神经网络的教师评价模型,可以弥补以往基于神经网络的教师评价模型的不足,不但可以给出教师的综合得分或所属类别,还可以给出教师在每个方面的得分。所使用的组合神经网络,由多个结构相同的BP神经网络组成;用构建的组合神经网络和传统BP神经网络分别进行实验。仿真实验表明,该模型相对误差较小,可以满足评价需求。
双重BP神经网络组合模型在实时数据预测中的应用
李蔚,盛德仁,陈坚红,任浩仁,袁镇福,岑可法,周永刚
中国电机工程学报 , 2007,
Abstract: 在回归和延时神经网络的基础上,利用非线性组合预测方法的优点,提出一种新的预测模型--双重BP神经网络组合模型模型,选用某660MW机组的主蒸汽流量数据进行学习训练,实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度,校核样本的平均相对误差为1.5%,而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2.7%和1.9%,证明双重BP神经网络组合模型具有很高的预测精度,可应用于火电厂实时数据的有效性验证。
一种基于多神经网络的组合负荷预测模型
张亚军,刘志刚,张大波
电网技术 , 2006,
Abstract: 针对BP神经网络、RBF神经网络和小波神经网络应用于负荷预测时所遇到的问题,提出了一种基于各种神经网络的组合预测模型。该模型为单输出的3层神经网络,即将3种神经网络的预测结果作为神经网络的输入,将实际负荷值作为神经网络的输出,使训练后的网络具有预测能力。该模型能降低单个神经网络的预测风险,提高预测精度。仿真结果表明,所提出的组合预测模型的精度高于其中任一单一网络模型,也高于传统的线性组合预测模型。
基于神经网络猪舍氨气浓度预测方法研究 Study on prediction method ammonia concentrations in pig house using Neural Network
谢秋菊,罗文博,李妍,王莉薇,闫丽
- , 2016,
Abstract: 猪舍内氨气浓度对猪生长发育影响较大,建立准确氨气浓度预测模型尤为必要。目前已有针对猪舍内氨气浓度预测研究,但氨气浓度受猪舍内多种环境因素影响,缺少准确预测模型。为此本研究从实测猪舍内环境数据(包括氨气浓度、温度、湿度、活动量、通风)中随机选取1 537组数据,使用L-M算法优化BP神经网络、线性神经网络和Elman神经网络预测猪舍内氨气浓度。结果表明,基于L-M算法优化BP神经网络建立5-9-9-1四层结构预测模型经290步后达目标误差,预测值和真实值最大绝对误差仅为0.1720,与Elman神经网络和线性神经网络预测方法相比可提高猪舍氨气浓度预测准确性和及时性,为猪舍环境预警提供支持。
基于神经网络的柴油机故障诊断
Application of Neural Network in Diagnosis of Diesel Engine
 [PDF]

秦恺, 任开春, 牟浩, 吴珍毅, 田力
Artificial Intelligence and Robotics Research (AIRR) , 2013, DOI: 10.12677/AIRR.2013.21013
Abstract:
智能化故障诊断是现代设备诊断技术发展的必由之路,也是当前诊断技术的发展方向。本文主要以BP网络和RBF网络的基本原理,利用Matlab神经网络工具箱,对基于BP网络和RBF网络分别进行柴油机的故障诊断,并且对两种算法的诊断结果进行了对比。
Intelligent fault diagnosis is the only way for the development of diagnostic techniques of modern equipment, but also the direction of development of the current diagnostic techniques. In this paper, basic principle of BP and RBF network using Matlab neural network toolbox, engine fault diagnosis based on BP network and RBF network were compared, and the diagnostic results of the two algorithms.
基于神经网络的昆明市牛奶品牌选择预测研究
Kunming Milk Brand Choice Prediction Research Based on Neural Network
 [PDF]

李海燕, 费宇
Hans Journal of Data Mining (HJDM) , 2015, DOI: 10.12677/HJDM.2015.51001
Abstract:
随着生活条件的提高,人们越来越注重饮食的健康,品牌意识越来越强。本文以牛奶品牌为例,研究了消费者如何进行品牌选择,讨论了消费者特征与最终选择的牛奶品牌之间的联系,结果显示品牌对于消费者的行为有较大的影响,消费者的性别、年龄、收入、文化程度、家庭结构与最终的品牌选择有很强的联系,可以采用BP神经网络模型来拟合这种关系,模型用于回判分析以及三折交叉检验均达到较好效果,准确率80%左右,为牛奶生产者与营销者提供一定的参考。
With the improvement of living conditions, people pay more and more attention to the healthy diet, and their brand consciousness is stronger too. Taking the milk brand for an example, this paper studies the consumers how to make brand choice and discusses the connection between the con-sumer characteristics and the final choice of milk brand. The result shows that the brand has large influence on consumer behavior. Consumers’ gender, age, income, educational level and family structure have strong links with the final brand choice. And the BP neural network model fits the relationship well. Two tests of the model show about 80% of accuracy. The conclusion provides certain reference for milk producers and sellers.
根据粗糙集理论进行bp网络设计的研究
系统工程理论与实践 , 1999,
Abstract: ?提出了一种根据粗糙集理论进行bp网络设计的方法,它结合了粗糙集理论的强大的定性分析能力和bp网络的准确的逼近能力,得到一种可理解性好、计算简单、收敛速度快的神经网络模型.这种神经网络的学习算法的要点是:应用粗糙集的理论和方法,从给定学习样本数据中发现一组规则,并根据这些规则去建立网络模型中相应的隐层节点;然后用bp算法迭代求出网络的参数,从而完成网络的设计.
BP神经网络和小波分析在年降水预报中的应用研究
Study on the Precipitation Forecast Based on BP-Neural Network and Wavelet Analysis
 [PDF]

熊海晶, 王式成, 王栋
Journal of Water Resources Research (JWRR) , 2012, DOI: 10.12677/JWRR.2012.15052
Abstract: 江苏省地处江淮流域,是受旱涝灾害影响最为严重的地区之一。在该地区开展降水预报的研究,对防汛抗旱具有重要意义。本文采用江苏省徐州站、赣榆站、东台站和南京站的降水数据,建立了BP神经网络和小波神经网络降水预报模型。通过实例分析得出:1) BP网络模型预报的最小相对误差为1.16%,最大相对误差为16.35%,最优确定性系数0.87,均方误差4.27%;2) WNN网络模型预报的最小相对误差为0.7%,最大相对误差为88.65%,最优确定性系数0.94,均方误差4.2%。结果表明:1) BP神经网络模型预报降水具有可行性,该模型能在一定程度上反映降水变化的趋势;2) WNN模型在某些年份预报误差较大,可在实践中将多种预报方法相互验证,相互校核,提高预报精度。
Jiangsu province is located in the Yangtze and Huaihe River basins, which is one of the areas most severely affected by droughts and floods. Therefore, it is important to study on the precipitation forecast in this area for the flood control with drought relief. In this paper, the precipitation forecast model based on BP Neural Network and Wavelet Neural Network is established with the precipitation data from four rainfall sta-tions in Jiangsu Province, which include the Xuzhou, Ganyu, Dongtai and Nanjing Stations. The following conclusions can be obtained by the example analysis: 1) The minimum relative error of BP neural network is 1.16%, the maximum relative error is 16.35%, the determine coefficient is 0.87, the mean square error is 4.27%; 2) The minimum relative error of WNN neural network is 0.7%, the maximum relative error is 88.65%, the determine coefficient is 0.94, the mean square error is 4.2%. The results show that: 1) It is feasi-ble to apply the back propagation neural network precipitation forecast model. To a certain extent, this model can reflect the trends of the precipitation; 2) There is more error of WNN in some years, so a variety of forecasting methods in practice are used to mutual authentication and mutual checking to improve forecast accuracy.
神经网络在预测高温高压环境中油管钢腐蚀速率的应用
周计明,刘道新,白真权
腐蚀科学与防护技术 , 2003,
Abstract: 简要综述了神经网络的发展概况及相关理论,并利用Matlab软件中的神经网络工具箱成功地建立了预测油管钢腐蚀速率的神经网络模型,实践证明神经网络预测结果与实验值吻合较好.最后通过现场实验数据检验了神经网络的泛化能力,表明其预测结果与现场实验结果相近.
有选择学习人工神经网络BP算法
旷戈,赵之山,王良恩,黄海峰
福州大学学报(自然科学版) , 1999,
Abstract: 模拟人脑学习提出一个有选择学习的改进的BP算法(SSBP) , 提高了学习速度, 具有一定打破学习性僵局的能力.
Page 1 /40092
Display every page Item


Home
Copyright © 2008-2017 Open Access Library. All rights reserved.