模拟电路故障诊断的神经网络方法

提出了一种采用改进的ＢＰ快速算法实现模拟电路软故障诊断的方法。文中对构造神经网络交流故障字典的过程给出了详细说明，特别是隐层节点数确定，测试信号频率的优选及ＭＡＴＬＡＢ神经网络工具箱的使用。实例表明，人工神经网络技术可应用于有容差模拟电路的故障诊断。     

A356铝合金飞轮壳挤压铸造工艺参数优化

为探究最优的A356铝合金飞轮壳挤压铸造工艺参数组合，课题组研究了运用铸造数值模拟仿真、建立遗传算法优化后的BP神经网络及粒子群算法，以最小缩松缩孔缺陷体积作为优化目标，对浇铸温度、模具预热温度、比压和保压时间4个参数进行优化。结果表明：优化的工艺参数组合为浇注温度676.2 ℃，模具预热温度280 ℃，比压66.5 MPa，保压时间40 s 。优化后参数组合能够有效提高铸件成形质量及力学性能。     

基于som网络-主成分-BP网络的股价预测

文章提出一种基于som网络-主成分-BP网络预测模型,用于股市收盘价的实时预测。首先采用som神经网络将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了股市收盘价的BP神经网络预测模型,大大改善了预报的精度和效率,通过对采集的股市数据进行测试,表明本文提出方法的有效性。     

基于BP人工神经网络的磨料水射流切割深度模型

在已知的磨料水射流切割混凝土实验数据的基础上,应用BP人工神经网络理论,并且借助MATLAB神经网络工具箱,建立磨料水射流切割深度模型.模型中包括的射流参数有射流压力、靶距、磨料粒径、磨料流量、磨料喷嘴直径、磨料喷嘴长度及横移速度.通过模型预测结果与实验结果的比较,表明模型具有一定的精度.     

基于BP神经网络的零售产品销量预测方法

在研究某IT企业零售产品历史销售数据和影响其产品销量主要因素的基础上,建立了一个基于BP神经网络的IT零售产品的销量预测方法。不必考虑影响因素之间的相互关系,结合具体销售数据,探寻该方法所建模型对于销量预测的准确性影响。结果表明,采用该方法进行IT零售产品的销量预测误差较小,可利用该模型对于总体销量进行预测来指导销售。     

基于BP神经网络的湖北省生态足迹拟合与预测研究

本文通过BDS检验发现湖北省人均生态足迹序列存在非线性结构,进而通过构建"3-6-1"结构的BP神经网络对其进行拟合和预测,结果表明:所构建的网络能够很好地拟合人均生态足迹的走势,具有较好的预测性。用训练好的网络对湖北省2012~2016年人均生态足迹进行预测,结果显示:未来几年湖北省人均生态足迹将呈逐年增长的态势,其增长速度先升后降,即随着经济社会的发展,湖北省的生态环境呈逐年恶化趋势。政府应未雨绸缪,及早采取措施保护生态环境,以保证政策效果的及时发挥。     

机器学习在信用评级中的应用

2007年次贷危机之后,信用评级问题引起了包括银行等金融机构以及企业本身的高度关注。信用评级简单理解就是通过一定的方法将贷款客户进行分类,产生一系列的级别,因此其核心算法可以理解为是经典的多分类问题。随着近20年来机器学习的发展和兴起,越来越多与之相关的技术被运用到信用评级的工作中。     

人工鱼群算法优化SVR的预测模型

文章针对参数选择关系着支持向量回归机的性能进而影响GDP预测效果这一问题,引入人工鱼群算法将支持向量回归机的参数选择转化为组合优化问题,得到应用人工鱼群算法优化支持向量回归机的短期GDP预测模型。以辽宁省的GDP数据为例,将该模型的预测结果与同为智能算法的BP神经网路和单纯的支持向量机进行对比,结果表明该模型的预测效果优于其余两个,具有更好的学习能力和推广能力。     

基于BP神经网络的供应商质量评价算法

文章参考相关研究成果,构建了SCM环境下供应商质量评价指标体系,在此基础上,利用BP神经网络对供应商质量空间进行实证研究,评价结果跟实际结论完全相符。     

我国上市公司经营失败风险的判定分析--BP神经网络模型和Fisher多类线性判定模型

为了构建上市公司经营失败风险的判定和预测模型,本文将1998一1999年我国上市公司分为三类:一是连续2年净资产收益率高于同期银行存款利率;二是连续2年净资产收益率大于零但低于同期银行存敖利率;三是连续2年净资产收益率小于零,同时收集了三类各50家,共计150家上市公司为建模样本,根据其有关财务指标数据,应用BP神经网络分析方法和Fisher线性判定分析方法分别建立我国上市公司经营失败风险的判定和预测模型,并且使用同期上述三大类290家公司的有关财务数据为检验样本对模型进行验证.研究结果表明:对于第一、三类上市公司,神经网络模型和Fisher线性判定模型均具有较高的判定准确性.但相比之下,由于BP神经网络模型是一种非线性判定模型,且在某些样本指标数据缺漏不全的情况下仍可得到满意的结果,因此具有较高预测准确性和更广泛的应用价值.