地基沉降预测中CSI和BP-ANN生成“填空数据”精确度比较

基于地基沉降观测数据,同时采用三次样条插值法(Cubic Spline Interpolation,CSI)和经遗传算法优化的BP人工神经网络(Back Propagation Artificial Neuron Network,BP-ANN)仿真生成"填空数据"(插值),并与对应的实际观测数据进行比较.结果发现,BP-ANN仿真生成的数据比CSI仿真生成的数据精确度更高.在具体工程实践中,BP-ANN可作为一种可供选择的"填空数据"生成技术,进行地基沉降预测.

基于声学特性的鸡蛋蛋壳裂纹检测

通过自行研制的一套禽蛋裂纹检测装置,采集并分析敲击鸡蛋产生的响应信号,检测裂纹鸡蛋。采用基于归一化最小均方算法的自适应滤波器对信号进行去噪处理。结果表明:经自适应滤波后,敲击响应信号的分辨率和灵敏度均有显著提高。提取经滤波去噪后的鸡蛋敲击响应信号功率谱的5个特征参数,作为误差反传人工神经网络模型的输入向量进行判别。判别模型对实验鸡蛋的交互验证训练集和独立样本预测集的判别率均为97%。

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。

基于人工神经网络的计算机网络中的攻击检测

如今,计算机安全非常重要,对于网络管理员或安全人员而言,要检测出正在攻击的计算机以及入侵源非常困难。伴随人工神经网络的入侵检测系统的出现,此类攻击的检测变得更加有效。神经网络具有学习以及能够对数据进行分类的优势,应用弹性传播神经网络检测模拟攻击的研究成为一项重要的手段。该文提出的研究方法包含数据预处理模块和神经网络模块,数据预处理模块执行归一化数据功能,而神经网络则对每个连接进行处理和分类以找出攻击。经过文中研究方法的结果与现有方法进行比较,我们可以发现人工神经网络检测具备很好的优势。