简介：为了科学合理地对个人信用进行分级评价,本文提出了一种基于离散Hopfield神经网络的个人信用评价模型.由于离散Hopfield神经网络结构特征,使得其学习的过程可以演化到稳定状态,能够模拟生物神经网络的记忆机理,弱化评价中的人为因素,提高评价结果的准确性和权威性.同时借鉴美国FICO信用评分表的12个影响因素作为个人信用评价指标,把个人信用等级分为A,B和C三个等级,构建离散Hopfield神经网络个人信用评价模型.将3个待分类的个人指标数据进行仿真实验,结果表明该模型能够对个人信用进行有效的分级评价.

简介：针对我国葡萄酒业内缺乏利用理化指标对葡萄酒进行评级的现状，分析能否使用葡萄和葡萄酒的理化指标评价葡萄酒的质量．通过运用双因子方差分析、主成分分析、逐步回归分析等方法分析了葡萄酒的分级以及酿酒葡萄与葡萄酒的理化指标之间的联系等问题，建立了基于Matlab平台的BP神经网络模型，得到了在一定条件下，能用酿酒葡萄和葡萄酒的理化指标来评价葡萄酒的质量的结论．但仅考虑理化指标时会使结果存在一定的误差，故建议使用理化指标和简单的感官分析相结合来评价葡萄酒的质量，以提高评价葡萄酒质量的准确性．

简介：水体富营养化改变了水体的理化性质，不仅破坏生态的平衡还严重影响人类的健康．因此，对水体富营养化的研究是一件有意义的研究工作．BP神经网络由于操作简便易行，可以白组织、自学习、白适应并具有容错和抗干扰能力等特点，已成为水体富营养化评价的一个热门．文章应用BP神经网络对泉州市山美水库的水体营养状况进行评价，并与综合营养指数法进行了比较，提出了富营养化的防治对策．

简介：避免构造Lyapunov函数的困难,运用广义Dahlquist数方法研究了一类神经网络模型平衡点的存在唯一性和指数稳定性,在没有假设激活函数具有可微性、有界性的条件下,得出新的判据。

简介：摘 要：利用MIT和KITTI车辆图片数据库制作数量充足的训练样本和测试样本，对样本进行镜像化和灰度化等处理。然后运用MATLAB平台搭建了用于检测车辆前方目标的深度卷积神经网络，使其能够区分前方的车辆和行人，帮助车辆在面对不同目标时做出不同的决策。对卷积神经网络的参数进行反复调试，使网络性能得到明显提升，识别率达到95%以上。

简介：【摘要】本文采用基于GA-BP神经网络预测算法，对我国从2015~2021年期间的农机总动为碳排放因素进行预测。预测结果表明，利用GA-BP神经网络的方法预测全国农机总动力，农机总动力预测值与绝对值最大误差为1.425%、预测值与历史样本数据之间的绝对值平绝误差为0.853%，预测精度稳定，该预测方法适用于本时间序列预测问题。

简介：摘要：本系统开发完成时间：2020.1.13，首次发表时间：2020.1.15

简介：利用卷积神经网络在图像识别方面的优势,提出了一种基于深度卷积神经网的哈萨克手写字母识别方法（DCNN-KLR）,成功建立了一种哈萨克手写文字识别模型。与传统的方法（SVM＋HOG）相比,不仅训练方便、速度快,而且提高了哈萨克手写文字的识别率。在5708个数据样本上进行训练和测试,将样本分为33类和100类,正确识别率分别达到93.29%和92.38%。

简介：研究了自组织特征映射(SOM)神经网络的结构及学习算法,提出了利用SOM神经网络对输入样本的'聚类'作用,实现对病人疾病的分类,并依此作为诊断的主要依据.

简介：土地利用定量评价一直是土地科学研究的热门问题,BP神经网络定量评价方法是被应用于土地利用评价中的新方法。介绍BP神经网络的概念,阐述BP神经网络评价方法的原理,分析其优点,从拓扑结构确定、输入数据处理、评价工具选择、评价模型的学习、利用评价模型评价五个方面,解析BP神经网络在土地利用定量评价中的应用,为土地利用定量评价提供一种具备可操作性的方法。

简介：PID神经网络（PIDNN）是将神经网络和PID控制规律融合一起的新型神经网络.本文分析了多变量控制系统—MPIDNN控制存在的局限性,采用一种新的函数替换原MPIDNN控制的激励函数,并对改进后的MPIDNN系统进行仿真,仿真结果显示改进后的MPIDNN系统性能得到了明显改善.

简介：文章通过BP神经网络对山西省农民人均纯收入进行预测,根据1994年-2013年山西省农民人均纯收入及影响收入因素值数据建立了两种预测模型,并采用MATLAB软件实现了模型的构建、训练和仿真。仿真结果表明,预测模型具有较好的拟合度。

简介：摘要：本项目提出了一种基于卷积神经网络的端到端MOOCs学习者辍学预测模型。卷积神经网络的广泛应用证明了其强大的特征提取能力，本课题尝试将卷积神经网络用以对MOOCs学习者的学习行为数据进行有效特征的提取，并将特征提取和分类整合到一个框架中，通过它们的协同学习来提高模型的预测能力。

简介：讨论了一类具有时滞的脉冲Cohen-Grossberg神经网络的全局指数稳定性．利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个充分条件，同时给出示例说明结果的有效性．

简介：本文针对多变量耦合系统,采用DRNN神经网络对PID控制器参数进行自学习,提出了将学习因子在学习过程中进行动态调整,与传统DRNN神经网络自学习PID控制整定结果进行比较,使用matlab进行仿真,仿真结果表明,学习因子动态调整后的参数结果在超调量、调节时间、稳态性能上明显优于传统DRNN算法。

简介：针对手工提取网络上传数据过程烦琐、工作量大的问题,提出一种融合双重BP神经网络组合模型（AcombinationmodelofdualBPneuralnetwork,CMDBPNN）的Python解析计算机网络上传数据算法.该算法对BP神经网络组合模型的空间实施网络化处理,且对于网络单元中的信息也可以借助相似的方法来进行记录,依据优化之后的金字塔时间结构对其中潜藏的网格单元来实施有效的存储,以实现Python解析计算机网络上传的数据算法.最后,利用真实数据集与仿真数据集进行实验.结果表明：该算法具有良好的适用性和有效性.

简介：基于传统的语音识别系统的缺点，提出了一套基于虚拟仪器和BP神经网络的语音识别系统设计方案。利用LABVIEW软件和PC机声卡硬件相结合采集和提取语音数据特征，并把数据分成测试集和训练集，再调用MATLABScript节点利用BP神经网络对测试集进行学习并对训练集进行识别。经过测试，该系统识别准确率高、成本低，具有一定的适用性。

简介：研究一类近似插值单隐层前向神经网络的逼近问题。利用Steklov平均函数,以光滑模为度量,估计了该网络对Lebesgue可积函数的逼近误差。所获结果表明：对于定义在[a,b]上的任意p（1≤p〈＋∞）次Lebesgue可积函数f（x）,只要隐层节点数n足够大,均有一个近似插值神经网络以任意精度逼近f（x）。

简介：BP神经网络算法具有很好的非线性推理能力及优越的自组织、自适应、容错性能。利用该方法对高层建筑地基沉降数据进行分析,可不考虑地基沉降影响因素与沉降之间的对应关系,而直接根据已知时间内实际沉降数据构建模型对未知时间的沉降进行预测推理。将该方法应用于西安市某高层建筑的地基沉降数据预测分析,并与多项式拟合方法的分析结果进行对比可知,BP神经网络的非线性预测推理能力更强,应用前景广阔。

简介：采用灰色关联法分析了原棉的性能指标对成纱质量的影响，并结合BP人工神经网络对成纱条干、成纱强度和成纱强度不匀进行了预测。与单纯的BP神经网络的预测结果相比，灰色关联分析法结合BP神经网络预测结果更准确，预测值与实测值之间的平均相对误差较小。