简介：小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度.从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生.

简介：为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型.将模糊神经网络（FNN）技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能.

简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.

简介：人工神经网络技术现已成为近年来的热点研究领域，由于神经网络具有很强的自学习性、自组织性、容错性、高度非线性、高的鲁棒性、联想记忆功能和推理意识功能等，能够实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作。本文介绍了采用人工神经网络进行模式识别的方法，并给出了应用实例。

简介：人工神经网络是基于对人脑神经结构模拟而设计的一种数学计算方法,它是用一定量的神经元互联形成的一种计算结构,具有学习、记忆和计算等功能,及非线性和自适应的特点。在数据处理、模式识别、推断预测等方面具有明显优势,这是传统数学方法所不及的。[1]也正是这样的特点神经网络被广泛应用于工程问题的处理,本文基于矿山巷道围岩稳定性判别的工程背景,通过Matlab软件采用神经网络的方法对巷道围岩稳定性的类别进行判断。

简介：通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析，确定了各因素与通货膨胀之间的领先、一致和滞后关系；然后结合人工神经网络原理，以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型，最后根据模型预测结果，提出了控制通货膨胀的相关政策建议。

简介：为了能够客观地对海水水质进行综合评价，在分析人工神经网络概念和原理的基础上，从阈值角度出发，通过对各类海水水质污染指标浓度生成样本的方法，生成了适用于BP人工神经网络模型训练的样本，并应用基于误差反向传播原理的前向多层神经网络，建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价，通过模型的计算，得到该海域的水质类别。结果表明，2004-2007年，渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高，2005年和2006年污染较为严重，2007年有所好转。经训练的评价模型应用于实例的评价结果表明，该模型设计合理、泛化能力强，对海水水质评价具有较好的客观性、通用性和实用性。

简介：由于煤层地质条件复杂多变,煤矿开采中的通风构筑物较多,造成矿井通风困难。本文基于人工神经网络法的理论与计算方法,对麻黄矿通风系统进行实例评价,通过对比人工神经网络法的计算结果与矿井通风评价的实测值,人工神经网络法对于矿井通风评价具有较高的可靠性。

简介：摘要：基于卷积神经网络的隐写分析能够实现更高维特征的表达，提高检测精度方面取得了突破性的进展。本文首先阐述了隐写分析的历史背景、研究意义和研究现状，然后对隐写分析目前使用的两种主要方法进行了归纳和总结。最后，详细阐述了目前基于卷积神经网络的隐写分析技术存在的不足和面临的威胁，并以此为基础，讨论了下一步隐写分析可能的研究方向。

简介：摘要：随着科技的发展，我国进入互联网时代，这便使得互联网中的大数据被越来越多的人使用和重视。信息时代，群众可以从互联网中了解到自己想要的讯息，不管所属何种领域，都会挖掘大数据的经济价值以及科技价值。在目前对于分析大数据的方法来说，难度系数较高，是需要研究出一种新的分析方案，帮助挖掘大数据中存在的更多经济价值和科学价值。在当前可以采用无限深度神经网络方法来分析大数据，这种方法可以对大数据中的信息进行综合、整理、分析，为人们筛选出具有价值的信息。在本文中，将会对大数据分析的无限深度神经网络方法进行分析，希望对有需要的人有所帮助。

简介：BP神经网络分类器在信号识别领域得到了比较广泛的应用，针对其低信噪比环境下识别率相对较低的问题，引入人工蜂群算法（ABC），将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变，最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法（ABCBP算法），并以2ASK，2FSK，2DPSK信号为例，对信号进行小波包分解后，将信号各频段的能量值数据作为实验样本，对其进行了信号分类。仿真结果表明：基于人工蜂群算法的优化BP神经网络分类器，即使在5dB的信噪比环境下，仍可达到94％以上的识别率，并具有较好的稳定性，这为信号识别领域中分类器的设计提供了一个很好的理论依据。

简介：摘要：随着我国经济的快速发展，企业财务方面出现诸多问题，企业财务面临着巨大的风险，需要对于风险问题有及时的预测机制。企业发生财务危机是一个逐步显现、缓慢恶化的过程,它的发生具有一定的先兆,因此具有可预测性.为了规避和防范财务风险,企业有必要对财务风险进行充分的认识和分析。本文在深入分析财务预测面临的关键问题和比较各种财务风险预测方法的基础上，探讨利用BP神经网络对财务风险进行分析和预测的可行性。

简介：摘要：随着我国经济的快速发展，企业财务方面出现诸多问题，企业财务面临着巨大的风险，需要对于风险问题有及时的预测机制。企业发生财务危机是一个逐步显现、缓慢恶化的过程,它的发生具有一定的先兆,因此具有可预测性.为了规避和防范财务风险,企业有必要对财务风险进行充分的认识和分析。本文在深入分析财务预测面临的关键问题和比较各种财务风险预测方法的基础上，探讨利用BP神经网络对财务风险进行分析和预测的可行性。

简介：

简介：摘要:道路交通标志识别（TSR）系统是智能车辆的重要组成部分，它在车辆行驶过程中对出现的交通标志信息进行采集和识别，可及时地向驾驶员做出指示或警告，或者直接控制车辆的操作，以保持交通通畅和预防事故的发生。

简介：摘要　电力负荷数据具有非线性与周期性等特点，传统的预测模型不能准确地把握负荷数据的特点，因此使用传统预测模型所得的结果较差。本文提出一种基于SAA-LSTM神经网络预测模型，通过SAA(模拟退火算法)对LSTM神经网络参数进行优化，使电力负荷数据与网络结构更加匹配，提高预测的准确率。本文研究了温度、工作日与非工作日、节假日等因素对电力负荷数据的影响，并使用上述两种模型进行多因素电力负荷预测实验。实验结果表明，SAA-LSTM神经网络模型相较于LSTM神经网络模型在多因素电力负荷预测方面效果更好。

简介：摘要：针对机械臂轨迹规划时各个关节运动控制不光滑，本文选用IRB120机械臂对该模行末端执行器进行运动规划。首先建立机械臂连杆坐标系并得到D-H参数，并运用Matlab Robotics toolbox工具箱建立机械臂模型，分析机械臂从初始位姿到目标位姿时机械臂的角位移情况。借助MATLAB中的神经网络工具箱设计RBF神经网络，利用六个关节的角位移量训练RBF神经网络。仿真结果表明，采用RBF神经网络优化得到的角位移为平滑曲线。

简介：摘要：供水调度模型是建立在管网GIS、调度监控系统、水量分析和预测、成本预算、能耗分析等信息系统基础上的系统，应用现代信息技术对影响供水过程的各环节的主要设备、运行参数进行实时监测、运算和分析，提出调度控制依据或参考方案，辅助调度人员对供水系统进行科学调度控制。

简介：摘要：为解决作战博弈对抗中由于策略集较大，变量多出现的求解难度指数型增长等问题，如何在复杂条件下有效获取作战博弈对抗中的混合策略解还需进一步研究。本文提出一种基于Hopfield神经网络的作战对策模糊决策方法，利用Hopfield神经网络模型进行混合策略的求解；并将作战对策的双边冲突局势下的决策问题，转化为单边风险决策问题，通过模糊决策方法来对作战对策问题进行处理，选出最优策略。