搜索结果: 31-45 共查到“计算机科学技术 BP神经网络”相关记录67条 . 查询时间(0.171 秒)
基于改进BP神经网络和工业重构理论的用电增长预测方法
神经网络 工业结构 预测
2009/8/31
运用改进BP神经网络方法和工业重构理论，建立新型工业化与用电增长的关系，提出附加动量和自适应学习率的改进BP神经网络构建工业用电增速的预测模型，利用该模型对未来工业用电增长的趋势进行判断。利用Matlab7.0对该模型进行设计，并运用该模型对工业用电增长趋势进行仿真。与传统的BP神经网络模型相比，采用改进后的预测方法仅经过47次训练就满足预定误差要求，而采用传统的预测模型易陷入局部极小点，很难满足...
针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足，提出利用粒子群算法优化BP神经网络的学习算法，在此基础上，利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测，对中长期预测中数据趋势项和随机项进行模拟；将初步预测的结果作为改进BP神经网络的输入，在此基础上进行训练和预...
基于MATLAB的软件可靠性BP神经网络模型
神经网络 软件可靠性 MATLAB仿真
2009/8/4
研究并分析了BP神经网络的结构和特点，针对不足之处提出改进方法。在改进的基础上建立神经网络软件可靠性新模型。通过MATLAB仿真工具进行了实例仿真，证实该新模型比传统模型预测精度高，泛化能力强。
基于BP神经网络的虚拟物品个性化设计推荐
数据挖掘 网络游戏 虚拟物品
2009/7/31
通过提取玩家在网络游戏数据库中的数据特征，用基于BP神经网络的数据挖掘方法挖掘出玩家对虚拟物品的各种属性的偏好，为设计开发个性化的虚拟物品提供决策支持。针对传统神经网络中很难获取有广泛代表性的训练样本、常常导致普通神经网络对陌生样本推荐时精度不高的问题，提出改进的BP神经网络，依据专家知识对神经网络的权重进行初始化，并根据训练样本对权重加以微调。仿真案例验证了该方法的有效性。
BP神经网络的联合优化算法
BP算法 学习率 误差函数 激励函数
2009/7/24
针对BP神经网络存在收敛速度慢、易陷入局部极小等缺陷，提出了一种自适应调节学习率和动态调整S型激励函数相结合的改进BP算法。该算法将学习率与误差函数相关联，再对每个隐单元和输出单元的激励函数的斜率进行自动调整。通过实例仿真，将改进算法与标准BP算法、加动量项法和自适应学习率法进行比较，来验证所提出方法的有效性。实验结果表明，联合优化的BP算法能有效加快网络的收敛过程，并具有较强的泛化能力。
BP神经网络在电信计划预测的应用研究
BP神经网络 电信计划 预测
2009/7/24
如何在满足服务需求与市场需求的同时降低企业的投资，变成了一个电信企业必须面对的问题。基于神经网络的电信计划分析预测，可以综合考虑许多对电信计划有影响的因素，比如：产品消费量，服务质量，用户数量，设备性能，收入，投资等等。结合真实的电信计划预测情况，给出了计划预测神经网络模型，并以一个城市的电信计划预测的真实情况为例，验证和分析了预测模型较高的精确性与有效性
DE-BP神经网络对产品成本预测的研究
神经网络 差异演化 预测
2009/7/24
引入BP神经网络算法对产品成本进行预测，建立了产品成本预测模型。针对神经网络参数优化容易陷入局部最优解的缺陷，结合差异演化算法，提出了DE-BP神经网络预测模型。实验表明，该算法具有较高的预测精度，能够为企业生产运营提供可靠的依据。
基于BP神经网络的模糊参数辨识
BP神经网络 模糊规则库 模糊参数辨识
2009/7/21
提出一种与TSK模糊模型相似的模糊模型—M-2模型，证明了M-2模型与一个4层前向神经网络是等价的，在此基础上提出基于BP神经网络的模糊模型参数辨别算法，即通过BP神经网络对样本数据的学习，直接从样本数据获取模型参数，建立M-2模糊模型，通过仿真实例验证了该算法的有效性。
基于BP神经网络和Bagging算法的入侵检测
入侵检测 前溃神经网络 Bagging算法
2009/7/21
提出基于Bagging算法集成BP神经网络的入侵检测方法。采用BP神经网络为分类器，以用户的网络连接行为为特征进行检测，为进一步提高BP神经网络的分类性能，采用Bagging算法对BP神经网络分类器进行加权投票。实验表明，提出的方法具有良好的检测性能。
基于BP神经网络和特征选择的入侵检测模型
入侵检测 神经网络 特征提取
2009/7/21
提出了一种基于后向传播神经网络和特征选择的入侵检测模型。通过使用该模型对经过特征提取后的攻击数据的训练学习，可以有效地识别各种入侵。在经典的KDD 1999数据集上的测试说明：该模型与传统的入侵检测模型相比，能够轻便、高效地对攻击模式进行训练学习，从而正确有效地检测网络攻击。
基于差异演化算法的BP神经网络预测模型及其应用
差异演化算法 神经网络 预测
2009/7/20
人工神经网络的结构设计没有系统的规律可遵循，而常用的基于梯度的神经网络参数优化又易陷入局部最优解。针对BP人工神经网络所存在的缺陷，结合差异演化算法，提出了实数编码的DE-BP神经网络预测模型。利用税收预测的实例验证了算法的有效性，取得了令人满意的结果。
水资源承载力的BP神经网络评价模型研究
水资源承载力 BP神经网络 评价
2009/7/10
针对当前水资源承载力评价方法的不足，提出了基于BP神经网络的综合评价方法。构建了水资源承载力的评价模型和指标体系，描述了方法的应用过程，并通过MATLAB神经网络工具对其进行模拟计算。最后，给出了一个算例。
中药的性味归经与降脂药效的BP神经网络研究
BP神经网络 降脂中药 性味归经
2009/7/3
针对中药药效与其性味归经之间复杂的、不确定的关系,建立适于单味降脂中药的BP神经网络模型,运用Matlab快速预测降脂中药的药效指标。经验证,该方法为一种快速、可靠的方法。
基于最具影响粒子群优化的BP神经网络训练
学习算法 最具影响粒子 复合适应度
2009/7/2
系统地介绍了粒子群优化算法,将粒子群优化算法用于BP神经网络的学习训练,提出了一种改进的粒子群算法——最具影响粒子PSO算法BIPSO,并利用复合适应度即均方误差和误差均匀度之和作为BIPSO训练神经网络的指标,并对它与其他的神经网络训练算法诸如BP算法、GA算法、PSO算法进行了比较。实验结果表明:BIPSO性能优于其他算法,更容易找到全局最优解,具有更好的收敛性。