振动干涉计量的一种方法

本文介绍测量物体振动的一种新方法。该方法由相干光源照明相位板,在空间产生恒定干涉场,将振动物体置于干涉场中,记录下带有物体振动信息的干涉条纹。根据此干涉条纹可定量分析物体振动的振幅。理论分析与实验结果相符。     

高精度长光栅动态检测的新方法

根据双频激光干涉测量原理,针对进口设备HP5528激光干涉仪不能进行动态检测的缺点。提出了一种改进HP5528激光干涉仪并实现高精度长光栅动态检测的新方法。论述了长光栅长度误差的检测和长光栅莫尔条纹信号质量的检测。其中包括激光信息处理、信号采集、计算机接口和算法。该方法不仅可以检测光栅尺的精度,还可以通过信号分析了解光栅尺制造过程中的误差源对光栅尺制造精度的影响,也可以实现对磁栅、线纹尺等长度计量元件进行高精度动态测量。     

数字散斑相关的应用

本文从数字散斑相关理论出发,建立了数字散斑相关测量系统。精确地测得了超声波在无水乙醇中的传播速度。该方法可以推广应用于干涉条纹与衍射光斑距离的快速精确测量中。     

纸币序列号提取与识别方法研究

通过对人民币序列号的研究,提出了一种基于投影法和BP神经网络的纸币序列号识别方法。算法步骤包括对纸币图像进行二值化、边缘检测、倾斜校正、序列号定位、序列号分割和特征提取,算法最后利用BP神经网络对纸币序列号进行识别。实验结果表明,该方法不受纸币倾斜影响,对图像背景要求不高,平均识别率达到了99.375%。     

基于改进粒子群算法的神经网络优化证券投资组合方法

采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种玫进型粒子群（Improved Particle Swann Optimizer,IPSO）算法．可以优化BP（Back Propagation）神经网络．并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明：该研究方法能够在预测精度和稳定性方面明显优于传统的PSO—BP神经网络优化证券投资组合方法。     

关于等倾干涉圆条纹的几点讨论

从探讨光密膜等倾干涉圆条纹线半径的直观数学描述入手，讨论等倾干涉圆条纹的分布特征，使得等倾干涉条纹的图像直观化，具体化。     

基于遗传算法和BP神经网络的信用风险测量模型

随着新巴赛尔协议的推出,信用风险测量问题越来越受到重视。在西方发达国家,商业银行的信用风险管理测量技术已比较成熟,继传统的比例分析、主观分析之后,统计方法得到广泛的应用,如判别分析和logit回归分析等。自从20世纪80年代末期以来,人工智能技术如神经网络、专家系统等也被应用于商业银行信用风险测量中。目前,该领域应用最多的就是BP神经网络,但其固有的一些缺点,如易陷入局部极小点,会影响预测效果。但可以利用改进的遗传算法对BP神经网络进行优化,实验证明效果非常好。     

苹果产量的神经网络预测模型

在介绍神经网络预测方法的基础上 ,采用 BP神经网络技术对我国未来若干年的苹果产量进行预测 ,并将其结果与灰色系统 GM(1,1)的预测结果进行比较分析 ,表明该方法预测效果比传统的预测方法好 ,可以用来对水果等经济作物的产量进行中短期预测。     

基于BP神经网络的模拟电路故障诊断研究

本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断。对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性。     

基于神经网络房地产价格指数的预测研究(续)

研究表明,房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,所以本文便尝试采用神经网络模型作为预测的模型。本文具体运用的是基于误差反向传播算法的多层前馈网络(BP神经网络)和径向基函数(RBF)神经网络。首先利用BP神经网络对采集到的中国房地产价格指数进行训练和模拟,最后进行预测,并比较预测结果和真实值,发现误差比较大,一方面是因为选取的样本数据少,另一方面是因为BP神经网络本身具有缺陷。为了克服BP神经网络预测的缺陷,本文接着运用RBF神经网络对选取的数据进行训练和模拟,用训练好的网络来进行预测,得到的预测结果与真实值相比较,误差很小,而且RBF神经网络的运行速度要比BP神经网络快很多。经过比较可以得出RBF神经网络用于经济预测可以达到很好的效果。     

基于灰色BP神经网络的员工需求预测

人员配置直接影响企业的生产经营活动,一份科学合理的员工需求预测对企业的作用不言而喻。以某制造业为研究对象,搜集整理2005—2017年数据。利用SPSS做相关性分析,选取固定资产、开发支出等6项员工需求影响因素。运用灰色BP神经网络理论,预测未来3年员工需求。结果表明：灰色BP神经网络比灰色预测模型具有更高的精确度;虽然灰色BP神经网络具有较高的精确度,但其结果受参数影响较大,如何确定参数则是未来研究的一个方向;灰色BP神经网络的预测结果对企业招聘、员工关系管理等模块具有一定的指导意义。     

基于BP神经网络组和DS证据理论的信用风险评估算法

结合BP神经网络和DS证据理论,将其有效地结合应用于商业银行的信用评估中。该方法通过对信用风险的输入数据特征进行分类,建立BP网络组,对网络组的输出,建立对于各类信用度的基本概率分配函数,最后利用DS证据理论融合,从而实现信用风险的最终决策。通过实际案例,验证了算法的可行性和有效性。     

基于优化BP神经网络的营销风险衡量与控制

营销风险是由营销环境等因素的不确定变化带来的,营销风险衡量是营销风险管理的核心。文章提出了基于改进BP神经网络的营销风险评价方法。这种方法的步骤包括建立营销风险评价指标体系,并进行FA指标处理;构建BP神经网络模型,以实例训练模型,并验证此方法的可行性。在此基础上,用概率法划分五个营销风险等级,并根据企业承受营销风险的能力及风险管理水平,采取相应的预警控制措施。     

党政机构微博在突发事件中传播效果的影响因素及策略

在分析铁路货运量预测方法的基础上，针对标准BP神经网络的不足，提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度，以此来得到更好的激励函数响应特征以及更好的非线性表达能力；其次，利用附加动量因子，通过对以前经验的积累，既降低了神经网络对误差曲面的局部细节敏感特性，又较好的遏制了神经网络易于限于局部最小的缺陷；最后，采取改变学习率的方法，给定一个较大的学习率初始值，在学习的过程中学习率不断减小，网络最终趋于稳定。改进BP算法既可以得到更优的解，还能够缩短训练时间。利用全国铁路货运     

现金流量预警指标视角下的BP神经网络模型实证检验研究——来自2007—2012年沪深两市ST公司的数据分析

文章针对现金流量指标的国内外研究动态,从财务危机预警角度构建现金流量预警指标体系;并选取2007年-2012年沪、深两市A股79家ST公司及79家非ST公司作为训练样本,用样本公司被ST前1年、2年、3年的数据对指标进行筛选,将BP神经网络模型预警结果与样本的实际结果进行比较。研究结果表明：BP神经网络模型t-1年、t-2年、t-3年的预测精度依次下降,但t-3年财务预警模型对训练样本的预测精度仍能达到79．22％,对检验样本的预测精度也能达到78％。     

基于神经网络的期铜价格趋势预测研究

运用X-12-ARIMA季节调整方法,对上海交易所三月期铜月平均价格进行季节性调整,消除了季节因素和不规则因素对铜价的影响。针对季节调整后序列,分别建立了BP、RBF、Elman等神经网络模型,并对期铜价格进行预测。预测效果比较说明,与传统的神经网络相比,Elman神经网络模型具有收敛速度快、预测精度高的特点,能在期铜价格预测方面取得较好的效果。     

基于"透明"神经网络的模拟电路故障诊断

本文通过分析BP神经网络用于模拟电路故障诊断时的缺点,提出了一种新的神经网络．称为“透明”神经网络(TANN)．然后将TANN用于模拟电路子网络级故障诊断．并通过实例验证了该诊断方法的有效性．     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。