BP神经网络结合有效积温预测速冻水饺变温冷藏货架期

为了解决速冻食品在温度波动贮藏过程中的货架期预测问题,准确监测其品质变化趋势,该文以速冻水饺为研究对象,将其在-28℃～-12℃进行冷藏,测定酸价、过氧化值、饺皮水分含量、亨特白度等理化指标,并结合感官评价与有效积温理论,应用BP神经网络技术预测速冻水饺的货架期。并与动力学模型预测结果进行比较。结果表明,测试集样本的距货架期终点积温的预测值与实际测定值拟合度较好,最大误差为3.29%,模型验证最大误差为2.74%。BP模型的距货架期终点时间的最大误差为3.45%低于传统动力学模型预测的误差(5.62%)。BP神经网络预测模型为速冻食品货架期预测提供了一种新途径。

基于BP网络的权值更新快速收敛算法

针对标准BP网络学习算法收敛慢的问题,提出了两种权值更新的快速收敛算法,即基于梯度变化率的快速传递算法和基于梯度方向的弹性传递算法,并在煤矿事故救援游戏式训练系统中进行仿真和比较,让游戏角色根据井下空气成分学习判断危险程度,以便受训人员或仿生机器人采取相应的措施。仿真结果表明,所提算法的收敛时间比标准算法有一定改善。

多层神经网络的快速BP算法

首先分析了BP算法中的误差函数对收敛精度的影响,给出了综合考虑绝对误差和相对误差的误差函数,其次利用优化方法中的共轭梯度算法来计算学习过程中的误差下降方向,并根据变尺度公式对该方向进行修正,从而得到快速BP算法。经过对实际算例的模拟,结果表明本文给出的快速BP算法是一种适用于多层神经网络的、性能忧良的学习算法。

BP神经网络Vogl快速算法的改进

针对 BP算法收敛速度慢的特点 ,提出了对 V ogl快速算法的改进方法 .

基于BP神经网络的建筑工程造价快速估算方法

在对建筑工程造价影响因素分析的基础上给出了样本的定性定量描述方法,建立了建筑工程造价资料快速估算的BP神经网络模型,用已建典型工程资料对BP神经网络进行训练,实现了工程造价资料的快速估算,实例证明该方法是可行的,估算结果是可靠的。

企业破产预测的 BP-th 神经网络系统

论述以双曲正切函数取代ＢＰ神经网络的Ｓｉｇｍｏｉｄ作用函数的效果，验证表明：提高了网络运行效率及输出信息精度．在此基础上建立了企业破产预测ＢＰ－ｔｈ神经网络系统，阐述如何建立企业财务信息的神经网络知识表达模式，通过考核，系统输出的企业破产与否的结论正确．

基于Gabor特征与BP神经网络的屏幕显示自动校验系统

针对人工校验视频监控设备屏幕显示(OSD)效率低下、人力物力资源耗费大的问题,提出一种OSD自动校验系统,取代传统的人工校验方式。系统首先综合多种数理统计特征进行OSD定位,然后利用改进的Otsu算法进行精确字符分割并二值化,最后通过基于Gabor特征离线训练的改进型BP神经网络进行字符识别。实验结果表明,在确保92.7%识别率的前提下,该系统识别一帧OSD平均耗时53 ms。

基于BP网络的面曝光成形系统制作参数优化研究

为了提高面曝光成形系统曝光面内的制作精度,必须对面收缩补偿因数、曝光时间间隔、曝光时间、辐照度、双向交错曝光宽度及交错曝光时间间隔等主要控制参数进行优化。通过采用BP神经网络方法,确定了最佳制作参数组合。试验结果表明,最佳制作参数组合下的误差在80μm之内,明显提高了零件的制作精度。

NIR-BP联合定量模型快速分析长春西汀注射液的含量

目的将近红外光谱快速检验方法和BP(Back Propagation)神经网络智能算法相结合,进行长春西汀注射液的NIR-BP联合定量建模方法研究,实现对长春西汀的定量快速检验。方法选取78批长春西汀注射液样品,按照标准方法测定样品含量并采集近红外漫反射光谱。通过优化确定采用多元散射校正MSC光谱预处理方法,建模谱段为6000~8000 cm^(-1),神经网络隐含层神经元20个,隐含层和输出层激励函数分别为purelin和tansig时,所建立的长春西汀注射液的NIR-BP联合定量模型对总体样本预测值与真实值的相关系数R最高。结果所建立的NIR-BP联合定量模型对预测集的预测值与真实值的最大绝对偏差为0.27 mg·mL^(-1),平均绝对偏差为0.10 mg·mL^(-1),最大相对偏差为4.54%,平均相对偏差为1.64%,预测结果与标准检验方法检测结果无显著性差异。对长春西汀注射液和烟酸注射液样本的欧氏距离检验表现出良好的专属性。结论所建立的定量模型均有准确、快速、便捷的特点,提供了近红外光谱建模的新方法,同时对药品的在线检验具有较高的参考价值。

神经网络在工程造价和主要工程量快速估算中的应用研究

采用动量法和学习自适应调整策略改正的BP神经网络建立了工程造价和主要工程量估算数学模型。针对以往估算模型精度不高的原因,模型中增加了工程造价指数和工程硬、软件环境对工程造价的影响。采用m atlab6.1计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性。

上市公司财务失败预测模型的预测能力比较

通过实证分析,建立了判别分析模型、主成分模型、主成分逻辑回归模型以及基于快速BP算法的ANN仿真模型四种财务失败预测模型,并对它们的预测能力进行了比较。结果表明,这四种方法都可以用来进行财务失败预测,但预测的效果是有差异的,基于快速BP算法的ANN仿真模型是最有效的一种方法。

快换式公交充电站短期负荷预测方法的研究

为了应对电动汽车规模化发展之后庞大的充电站负荷对电力调度配送等环节带来的影响,依据当前北京奥运快换式公交充电站的相关实测数据,对快换式公交充电站负荷特征及其影响因素进行分析,提出一种基于模糊聚类分析与BP神经网络相结合的快换站短期负荷预测方法。利用该方法对四组不同的测试日进行预测实例分析,并与单一BP网络模型的预测效果进行比较。统计结果表明,基于模糊聚类分析与BP神经网络相结合的预测方法具有较高的预测精度,满足一定的应用要求,适用于快换式公交充电站短期负荷预测工作。

基于数值模拟与BP神经网络的城市调蓄池调度快速预报方法

调蓄池是当前削减暴雨引起城市内涝问题的主要工程措施,然而调蓄池何时开启一般通过人工观测判定,难以及时有效地发挥调蓄池的调蓄作用。如何通过数值模拟和AI技术对调蓄池控制节点及相应的内涝点进行精准模拟和预测是亟待解决的问题,该文将一维SWMM模型和具有高精度的二维水动力模型进行耦合,再结合具有高效率的BP神经网络,提出了一种快速预报城市调蓄池调度的方法。该方法以耦合模型模拟出的结果作为数据驱动,构建调蓄池控制节点及内涝点的BP神经网络快速预报模型。结果表明:快速预报模型可在24 s内快速预测出调蓄池的控制节点水位及内涝点的积水深度,且预报模型的纳什效率系数NSE不低于0.90,误差较小。可以满足日常防汛应急的需要,有效降低生命财产损失。

基于Hadoop的电动汽车充电站负荷预测

为了应对大规模电动汽车充电站负荷的调度管理,提出一种基于Hadoop的模糊灰色GA-BP神经网络负荷预测模型。在云平台上,运用模糊聚类及灰色关联度分析选取相似日,将相似日负荷代入Map Reduce架构下的GA-BP神经网络预测模型进行学习,获得待测日的预测负荷。以城市辖区快换式充电站实测数据进行实验,实验结果证明,此方法在快换式充电站的负荷预测上兼具高效性与精确性。