应用倒传递类神经网络模拟预测山棕寮地滑地位移之研究

地滑为陡坡地最具破坏之灾害形态之一,藉由实施地滑地监测与评估,可以协助政府拟订适当的管理对策。研究以台东县池上乡山棕寮地滑地为例,利用倒传递类神经网络(BPNN)具有建构高复杂且非线性关系方式预测坡面位移变化。研究所发展之倒传递类神经网络分析系应用MATLAB程序之Levenberg-Marquardt算法求解。网络输入系以直接关系位移之7个物理因子为变数,建构最佳之4层网络。根据监测资料共取12次台风暴雨事件,作为网络训练及模拟测试,并分别以6批次、8批次、10批次等3种情况网络训练对应模拟测试。研究结果显示所需监测台风暴雨事件至少8批次,即可达到13.1%预测位移误差。其误差精度可作为中危害度以上地滑地执行后续监测管理值与利用管理之参考。

基因算法结合类神经网络优化注塑成型参数

以熔融温度、射出时间、保压压力、保压时间、冷却时间等5个制程参数作为控制因子,利用Moldflow仿真软件对导光板模型进行模流分析,应用田口法搭配倒传递类神经网路Super PCNeuom 5.0程序,建立导光板总翘曲值、体积顶出收缩值、缩痕指数质量预测模型,再应用MATLAB基因演算程序来搜寻在控制参数水平范围内局部最佳解参数组合,使塑料产品的质量提升.

类神经无线网络入侵检测风险的研究

无线网络安全期待突破技术瓶颈,为了有效辨识伪造或是有问题的无线接入点(AP),文章提出基于频谱分析仪的类神经无线网络的入侵检测机制。该机制采用频谱分析仪测量无线电磁波的信号,提取信号值,再用sniffer分析AP流量,最后,对于AP的使用行为进行分析,将采集到的数据通过NeuroSolutions软件依据倒传递的类神经网络进行仿真。

基于模糊关联与BP网络的客户感性知识挖掘

通过建立Web问卷调查系统获取用户对产品造型特征的感性反映信息,并对用户感性评价信息予以模糊表征,进行多维模糊关联法则挖掘,进而产生客户感性信息与产品造型特征关联规则高频项目集.利用BP神经网络的学习能力对不同时段关联规则进行训练、预测和整合,从而实现客户感性知识挖掘,为产品设计辅助与企划决策支持提供新思路.

基于GISANN的宁德地质灾害风险评价系统研究

将GIS技术和神经网络集成应用于宁德地质灾害危险性评价中,发挥GIS强大的空间信息可视化管理分析功能及神经网络的非线性描述和分析功能,建立GISANN模型.旨在实现地质灾害危险性评价的可视化管理,为宁德国土资源开发、环境保护、地质灾害防治工程等提供科学决策依据,增强政府自然灾害应急救助能力,为和谐社会建设和可持续发展提供科学支撑.

BPNN的AdaBoost垃圾邮件过滤算法

本研究以倒传递类神经网络为基础,使用AdaBoost (Adaptive Boosting)方法建构一垃圾邮件检测模型,对垃圾邮件进行识别检测。本模型将BPNN作为弱分类器,使用AdaBoost算法反复训练BPNN预测输出,得到由多个BPNN组成的强分类器。结果显示,BPNN_AdaBoost模型的准确率优于BPNN模型,取得良好的分类效果。

基于BPNN的AdaBoost垃圾邮件过滤算法研究

垃圾邮件泛滥成灾,影响了网络的正常运行及人们的生活质量。文中以BPNN作为弱分类器,使用Ada Boost算法,将多个BPNN弱分类器组成一强分类器BPNN_AdaBoost。结果显示,BPNN_AdaBoost模型的准确率优于BPNN模型。该实验证明强分类器分类的准确率明显高于弱分类器的准确率6%以上,其中误判率与漏判率皆降低,表明BPNN_AdaBoost分类模型取得良好的效果。

应用逻辑回归进行企业经营效率之预测

企业经营效率不仅是管理者重视的问题,更是投资人作为投资依据的重要参考指标。一般而言,在进行企业经营效率分析时,大多实行企业财务预警的模式进行。本文提出另一种预测企业经营效率的方法,由公开的企业财务报表数据来分析企业的经营效率。本文首先搜集台湾上市上柜传统产业之287家私人企业财务比率数据及财务报表作为样本数据。而财务报表的资产总额以及员工人数视为投入项,每股营收视为产出项进行数据包络分析,计算出各企业的技术效率值,以此数据划分为经营效率良好及经营效率不良之企业。然后将数据分为训练数据及测试数据,以建构决策树分类预测模型,并与倒传递类神经网络及逻辑回归模型进行分类能力之比较。研究结果显示,逻辑回归模型之分类能力显著优于倒传递类神经网络及决策树模型。

多元交通資料融合進行旅行時間預測——以臺中港路為例

利用倒傳遞類神經網路,單以資料本身進行路段旅行時間預測,避免建立高複雜度的模式以及環境所產生的干擾下,建立不失精準度的預測模式。研究過程中發現:若僅考量路段中的車輛偵測器資料用以預測旅行時間,其預測精準度較劣於融合車輛偵測器資料及公車旅行時間資料之精準度,且發現預測精準度於尖峰時段較準確,故可推論使用一種以上的多元探測器所得之交通參數資料且於車流量較大之路段皆可提高路段旅行時間預測之精準度。

产品形态特徵与构成关系影响消费者感性评价之研究－以水壶的设计为例

感性工学的发展，使设计者能藉由定量的分析，了解产品形态特徵与消费者感性的相关性，以有效地掌握消费者偏好与感受。然而在相关感性研究中，造形分析模式的建构大多以产品元件的形态特徵为导向。根据认知心理学中相关形状辨识的理论发现，单纯依赖物件特徵的辨识，并不能完整地解释人类的认知行为；构成关系－元件与元件间的相对关系，也扮演重要的角色。换言之，以产品特徵为导向的造形分析模式，并不能完整地将消费者的感性认知予以转换。因此，本研究以感性工学之人因技术为基础，结合人类图样识别之认知特质，提出一整合形态特徵与构成关系之造形分析模式，并以水壶的设计为探讨对象。研究中利用线性复回归分析进行感性工学模式的建构，并针对特徵导向模式与整合模式进行绩效的比较。研究结果指出，藉由分析结果的比较与测试样本的验证，整合模式能明显助益於消费者感性评价行为的预测。同时，本研究亦导入非线性的类神经网路，进行感性工学模式的建构，并针对线性与非线性分析模式之结果加以比较。在此案例中，复回归分析的线性模式在感性评价的预测准确率，优於非线性的类神经网路模式。