混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法，分析了它们各自的不足。提出了一种将BP算法与遗传算法有机结合的混合智能计算方法，并且给出了具体的算法实现流程。将该方法应用于数字图象识别，经过实验表明混合算法优于传统BP算法。     

改进的BP网络在隧道锚喷支护参数设计中的应用

建立了隧道锚喷支护设计参数选择的BP网络模型，并对BP算法中的不足之处加以改进。对隧道锚喷支护的影响因素进行了分析研究，结合我国隧道的实际情况，确定了神经元网络的输入参数。同时根据计算时BP网络对于数据取值范围的要求，对输入输出参数进行了必要的变换处理。结果表明，用改进的BP网络方法选择隧道锚喷支护设计参数的效果是良好的，设计误差能够满足工程实际的需要。     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

基于BP网络的伺服阀故障诊断方法

介绍应用BP网络诊断伺服阀故障的原理和方法,在试验的基础上建立了用于伺服阀故障诊断的BP网络,并成功地实现了伺服阀状态的模式识别。     

神经网络仿PID参数自适应控制器及其应用

介绍了基于BP神经网络的仿PID自适应控制器，给出了控制算法，推导了基于变形Elman网络的系统辨识算法，仿真及应用表明此方法是可行的。     

宽脉冲时域反射网络线缆测试方法研究

针对窄脉冲时域反射法存在的测试盲区问题,结合网络传输信号无地差分的特性,提出了一种采用宽脉冲差分探测信号的线缆测试方法。该方法可以测试网络线缆的长度,判断故障的类别,并很好地解决了测试盲区问题。该文在介绍该方法的基础上,提出了使用该方法设计的网络线缆测试仪的硬件结构,并对其中的脉冲产生与回波处理模块进行了详细的分析。最后,给出了使用该测试仪进行网络线缆测试的实验结果,并对结果进行了分析。结果表明,该方法稳定可靠,具有实用价值。     

子网掩码与变长子网掩码的应用

网络的普及使得IP地址越来越少，文章将从IP地址的角度出发，介绍一种在网络几何结构上实现网络的分组管理的方法——子网划分。     

基于波分复用的全光通信网的自愈及实现

介绍了波分复用全光网络的产生原因，以及全光网络的概念和优势。分析了全光网络的生存性策略，提出了基于两行单向和双向自愈环、四行双向自愈环的网络保护方式和网状网的恢复方式。分析了两种自愈方式在链路故障情况下的实现机理和优缺点。     

复杂网络形态研究及其应用

综述了复杂网络形态的研究进展.介绍了复杂网络的扩张、腐蚀、开启和闭合这4种基本形态运算及其性质,给出了复杂网络形态的扩张序列、腐蚀序列、扩张环及腐蚀环等概念,以及两个子图的形态运算.应用复杂网络形态概念定义了形态意义下的复杂网络度量参数及其计算方法.应用复杂网络形态可分析不同尺度下的系统拓扑结构,便于人们从微观到宏观全角度来研究复杂网络.     

VPND

通过对ＶＰＮＤ（ｖｉｒｔｕａｌ ｐｒｉｖａｔｅ ｎｅｔｗｏｋｒ ｄａｅｍｏｎ） 源程序的分析，介绍了虚拟专用网络实现过程中使用到的密钥交换技术和加密机制，同时，对程序结构、流程和加密算法作了详细的分析。该方法可用Ｉｎｔｅｒｎｅｔ代替租赁专线实现不同地点网络的安全互联，对于在世界各地拥有许多分支机构的企业来说，它是一种较为简单、实用的解决方案。     

基于BP神经网络的函数逼近的MATLAB实现

BP神经网络由于它的学习能力和非线性特性,使其能够对非线性函数进行很好的逼近。通过对BP神经网络结构和MATLAB软件及其BP神经网络工具箱的应用研究,利用BP神经网络工具箱设计BP神经网络,用于对非线性函数的逼近,通过网络的训练、测试达到了预期的效果。     

BP神经网络的大学毕业生就业信息分析——以辽宁工程技术大学为例

针对近年来中国大学毕业生就业难问题,采用BP神经网络对高校毕业生就业信息进行分析,并借助计算机对就业信息进行挖掘,以辽宁工程技术大学毕业生情况调查的数据为基础,通过实例验证,结果表明BP神经网络具有较高的预测精度和良好的泛化能力。BP神经网络对大学毕业生就业指导有着现实的意义。     

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。     

基于神经网络房地产价格指数的预测研究

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。     

震灾网络舆情风险监测指标及其评估方法

为科学构建震灾网络舆情风险评估体系,在舆情监测指标构建基础上提出基于加速遗传算法的BP神经网络（AGABP）风险评估方法。依据网络舆情演化理论,围绕震灾网络舆情的物理属性和社会属性提出2个维度、4个二级指标和10个三级指标的震灾网络舆情风险监测指标体系。在评估方法上,针对常规评估系统对非线性、高维度和非正态评估问题的局限性,利用BP网络能够以任意均方差的精度逼近任意平方可积非线性连续函数的优势,将BP网络用于震灾网络舆情风险监测评估中,并用加速遗传算法（AGA）对BP网络参数进行优化,以解决常规BP网络存在训练速度慢和容易过早收敛的问题。通过随机样本数据对AGABP模型进行自学习训练,并用实际样本数据验证,结果表明：与BP神经网络、逻辑斯蒂曲线相比,本研究所构建的AGABP模型在收敛速度、评估准确度上有明显优势,能够用于震灾网络舆情风险管理实践中。     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。     

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     

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。     

移动运营商社会渠道风险预警研究

基于移动运营商渠道战略转型的需要,将back propagation（BP）神经网络引入移动运营商社会渠道风险预警研究。首先建立社会渠道风险预警指标体系,然后在此基础上构建了基于BP网络的移动运营商社会渠道风险预警模型,并对模型进行了训练和检测。结果表明,该模型在判断社会渠道风险状况和分析社会渠道风险来源方面有实际应用价值。     

基于BP神经网络的我国制造业产业安全预警研究

运用灰色系统模型、线性回归模型等方法预测制造业产业安全各评价指标,将所得预测值同历史数据相结合,建立三层BP神经网络。在此基础上,对我国制造业产业安全未来状况进行了系统预警。结果表明,未来我国制造业产业安全状况良好,只需做轻度防范。