智能答疑中问题相关度算法研究及系统实现

针对现有答疑系统缺乏智能性和人机交互不够友好的不足,提出了一个智能答疑系统实现方案。为提高系统中问题与答案的匹配准确程度,着重对问题相关度算法进行了研究,在自动分词后用关键词集合相似度来计算问题的相关度,通过有监督的机器学习BP模型建立一个适合智能答疑系统的学习模型来优化分词权值。实验证明,这种算法可以帮助智能答疑系统提高准确性和智能性,具有一定的实用价值。

基于BP神经网络模型的企业员工忠诚度研究

员工对企业的忠诚度既反应了企业管理的好坏，又关系到企业的成本和利润。随着知识经济的到来，员工流动率增高，员工对企业的忠诚度降低。较高的员工流动率给企业带来严重的影响。如何认识员工的忠诚度及解决人才流失问题，是当前企业人力资源管理所面临的重要问题。

基于BP神经网络的Stacking模型融合的光谱分类算法

文章介绍了Stacking集成学习方法、BP神经网络模型,分别讨论了单分类器的精度,特征提取与单分类器结合的算法的精度、Stacking集成学习算法的精度。实验测试表明,以决策树、LDA、朴素贝叶斯、随机森林为基学习器,以BP神经网络为元学习器所建立的Stacking算法是最佳的光谱分类算法,该算法稳定性强,学习效果好,平均准确率高达94%。

基于BP神经网络和可拓学的停车场停车问题的策略生成

结合人们在停车场中停车时遇到的矛盾问题,文章采用可拓学的方法解决这些矛盾问题并提供策略.为了进一步提高权重的精准度,提出了基于BP神经网络算法计算可拓学中策略评价的权重,最终提供了一种更为合理的停车策略.

基于自适应粒子群优化BP神经网络的氨法烟气脱硫效率预测

针对氨法烟气脱硫效率的预测问题,建立了以脱硫系统运行中8个主要参数作为输入变量的BP神经网络模型,采用粒子群优化算法(PSO)对建立的BP神经网络模型的权值进行优化,提出基于粒子群优化算法的BP神经网络(PSO-BP)预测新模型,并利用某电厂脱硫系统20组运行数据对该模型进行了验证.结果表明:采用PSO算法对BP神经网络的权值和阈值进行寻优,避免了网络局部极小值的出现,提高了网络的泛化能力,采用PSO-BP预测模型可以对氨法烟气脱硫效率进行较高精度的预测.

基于BP神经网络的电路故障诊断方法

介绍了BP神经网络的电路故障诊断方法、故障诊断的原则及BP网络的算法,实验证明所提出的方法是有效可行的。

改进的BP算法在电力系统短期负荷预测中的应用

针对电力负荷短期预测问题,提出了一种基于相似日的神经网络预测方法,分析传统BP算法的不足,提出一种基于Levenbery-Marquardt优化法的BP模型学习算法,在建立具体模型时,对于24点负荷预测,采用24个单输出的神经网络来分别预测每天的整点负荷值,具有网络结构较小,训练时间短的优点,考虑了不同类型的负荷差异,并对四川省电力公司某区一条线路的供电负荷进行短期负荷预测仿真,仿真结果表明其具有较好的预测精度。

基于城管热线数据的城管问题预警研究

城市管理中的违规、违法问题事件一直是困扰城管执法人员的一个痼疾,如何对这些城管问题进行有效预测预警,已成为转变城市管理模式,提高城市管理效率的重要问题。针对城管预测预警问题,本文应用时间序列与BP神经网络相结合的思路,通过指数平滑预测、主成分分析、综合评价警度、神经网络预警等设计了一种基于热线数据的城管问题预测预警理论方法和模型,并对城管问题中比较典型的六大类城管问题发生情况进行预测预警。实例分析表明,模型具有较好的预测预警效果,从而为城管问题预警研究提供了一种新的方法和思路,以期对城管问题预警提供参考。

基于BP网络和遗传算法的蜗杆传动优化设计CAD系统

如何将优化方法和CAD建模过程无缝集成在一起是一个急需解决的有重大应用价值的课题。以蜗杆传动优化设计CAD系统的开发为例进行了初步探索。首先介绍了蜗杆传动优化设计的两大关键技术:基于BP网络实现图表的逼近,基于遗传算法求解混合离散变量优化问题。然后根据国家最新标准,建立蜗杆传动优化设计的规范化数学模型。最后介绍了Visual Studio 2008环境下采用Pro/Toolkit二次开发Pro/ENGINEER Wildfire 4.0软件开发蜗杆传动优化设计CAD系统的过程。

应用改进混合蛙跳算法的实用语音情感识别

针对支持向量机(Support Vector Machine,SVM)的参数优化问题,提出了一种改进的混合蛙跳算法(Improved Shuffled Frog Leaping Algorithm,Im-SFLA),提高了其在实用语音情感识别中的学习能力。首先,我们在SFLA中引入了模拟退火(Simulated Annealing,SA)、免疫接种(Immune Vaccination,IV)、高斯变异和混沌扰动算子,平衡了搜索的高效性和种群的多样性;第二,利用Im-SFLA优化SVM的参数,提出了一种Im-SFLA-SVM方法;第三,分析了烦躁等实用语音情感的声学特征,重点分析了基音、短时能量、共振峰和混沌特征随情感类别的变化特性,构建出144维的情感特征向量并采用LDA降维到4维;最后,在实用语音情感数据库上测试了算法性能,将提出的算法与混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)优化SVM参数的方法(SFLA-SVM方法)、粒子群优化(Particle Swarm Optimization,PSO)算法优化SVM参数的方法(PSO-SVM方法)、基本SVM方法、高斯混合模型(Gaussian Mixture Model,GMM)方法和反向传播(Back Propagation,BP)神经网络法等进行对比。实验结果表明,采用Im-SFLA-SVM方法的平均识别率达到77.8%,分别高于SFLA-SVM方法、PSO-SVM方法、SVM方法、GMM方法和BP神经网络法各1.7%,2.7%,3.4%,4.7%,7.8%,并且对于烦躁这种实用情感的识别率提高效果最为明显,从而证实了Im-SFLA是一种有效的SVM参数选择方法,并且Im-SFLA-SVM方法能显著提升实用语音情感的识别率。

基于神经网络与证据理论的入侵检测系统

针对基于神经网络(ANN)的入侵检测系统(IDS)难以得到足够丰富的实测样本这一问题,引入信息融合的观点,提出了一个基于神经网络与证据理论相结合的入侵检测系统模型。模型的神经网络模块是由自组织映射网络(SOM)和反向误差传播网络(BP)合成的,并将BP 网络的输出作为证据,输入到证据理论模块。通过证据理论模块的信息融合,降低了虚警率,提高了检测率。

基于蚁群算法和人工神经网络的物流配送中心选址决策

将蚁群聚类算法和人工神经网络进行融合,提出ACC-BP算法,并将其用于物流配送中心的选址问题。