更新日期: 2025-06-11

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法的研究??

格式:pdf

大?。?span id="6c0osyw" class="single-tag-height" data-v-09d85783>203KB

頁數(shù):3P

人氣 :53

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法的研究?? 4.4

采用催化傳感器和電化學(xué)式氣體傳感器配合使用的傳感器陣列.為了解決2種傳感器對礦井CO和CH4氣體的交叉敏感問題,提出了一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法.通過MATLAB仿真可以看出,基于神經(jīng)網(wǎng)絡(luò)的傳感器陣列方法可以明顯提高CO檢測精度.實(shí)際輸出值和期望輸出的絕對誤差平均值為3.43 ppm,相對誤差平均值為1.43%.

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法的研究

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法的研究

格式:pdf

大小:203KB

頁數(shù):3P

采用催化傳感器和電化學(xué)式氣體傳感器配合使用的傳感器陣列。為了解決2種傳感器對礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測方法。通過matlab仿真可以看出,基于神經(jīng)網(wǎng)絡(luò)的傳感器陣列方法可以明顯提高co檢測精度。實(shí)際輸出值和期望輸出的絕對誤差平均值為3.43ppm,相對誤差平均值為1.43%。

基于GA改進(jìn)BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)異常檢測方法

基于GA改進(jìn)BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)異常檢測方法

格式:pdf

大?。?span id="s6giw4g" class="single-tag-height" data-v-09d85783>293KB

頁數(shù):4P

考慮到常規(guī)bp神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu)解,所建立的網(wǎng)絡(luò)遺傳流量檢測模型檢測效率低,準(zhǔn)確率不高等問題,提出一種改進(jìn)型ga優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法,并使用其建立網(wǎng)絡(luò)遺傳流量檢測模型。常規(guī)遺傳算法在搜索過程中,往往會(huì)由于出現(xiàn)影響生產(chǎn)適應(yīng)度高的個(gè)體而對遺傳算法搜索過程產(chǎn)生影響的現(xiàn)象發(fā)生,因此需要對常規(guī)遺傳算法進(jìn)行改進(jìn)。使用的方法是通過混合編碼方式進(jìn)行改進(jìn),同時(shí)對交叉算子、變異算子、交叉概率以及變異概率等參數(shù)進(jìn)行優(yōu)化修正。使用kddcup99數(shù)據(jù)庫中的網(wǎng)絡(luò)異常流量數(shù)據(jù)進(jìn)行實(shí)驗(yàn)研究,研究結(jié)果表明,所提出方法的檢測性能要明顯優(yōu)于常規(guī)算法,其對bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值以及閾值進(jìn)行同步優(yōu)化,避免了盲目選擇bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)帶來的問題,避免了常規(guī)bp神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解的問題。

編輯推薦下載

基于BP神經(jīng)網(wǎng)絡(luò)的工程造價(jià)估測方法 基于BP神經(jīng)網(wǎng)絡(luò)的工程造價(jià)估測方法 基于BP神經(jīng)網(wǎng)絡(luò)的工程造價(jià)估測方法

基于BP神經(jīng)網(wǎng)絡(luò)的工程造價(jià)估測方法

格式:pdf

大?。?span id="ge4ga4u" class="single-tag-height" data-v-09d85783>294KB

頁數(shù):3P

基于BP神經(jīng)網(wǎng)絡(luò)的工程造價(jià)估測方法 4.4

本文把信息擴(kuò)散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種工程造價(jià)的估測方法,并給出計(jì)算實(shí)例。

立即下載
基于多種檢測數(shù)據(jù)的軌道狀態(tài)BP神經(jīng)網(wǎng)絡(luò)評(píng)定方法研究 基于多種檢測數(shù)據(jù)的軌道狀態(tài)BP神經(jīng)網(wǎng)絡(luò)評(píng)定方法研究 基于多種檢測數(shù)據(jù)的軌道狀態(tài)BP神經(jīng)網(wǎng)絡(luò)評(píng)定方法研究

基于多種檢測數(shù)據(jù)的軌道狀態(tài)BP神經(jīng)網(wǎng)絡(luò)評(píng)定方法研究

格式:pdf

大?。?span id="q44myim" class="single-tag-height" data-v-09d85783>296KB

頁數(shù):2P

基于多種檢測數(shù)據(jù)的軌道狀態(tài)BP神經(jīng)網(wǎng)絡(luò)評(píng)定方法研究 4.4

為了有效利用多種檢測數(shù)據(jù)來綜合評(píng)價(jià)軌道的狀態(tài),本文應(yīng)用bp神經(jīng)網(wǎng)絡(luò)技術(shù)建立了軌道狀態(tài)評(píng)定方法,并采用matlab軟件編制了具有自學(xué)習(xí)功能的評(píng)價(jià)軟件。bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于軌道狀態(tài)的評(píng)價(jià)中,其學(xué)習(xí)樣本、規(guī)模及代表起關(guān)鍵作用,通過大量的樣本訓(xùn)練,對\"未知\"樣本神經(jīng)網(wǎng)絡(luò)模型的評(píng)價(jià)具有較高的準(zhǔn)確性。理論分析與算例的結(jié)果表明,該評(píng)價(jià)方法是可行的、有效的,為解決軌道狀態(tài)評(píng)定提供了一條新的途徑。

立即下載

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??熱門文檔

相關(guān)文檔資料 962428 立即查看>>
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測

格式:pdf

大?。?span id="qs2c88m" class="single-tag-height" data-v-09d85783>173KB

頁數(shù):未知

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測 4.4

針對傳統(tǒng)方法單獨(dú)采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于mimo-ofdm系統(tǒng)信號(hào)檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

立即下載
基于BP神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)方法

基于BP神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)方法

格式:pdf

大?。?span id="sia2mao" class="single-tag-height" data-v-09d85783>210KB

頁數(shù):3P

基于BP神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)方法 3

基于bp神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)方法——運(yùn)用人工神經(jīng)網(wǎng)絡(luò)的理論和方法,建立了基于bp神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)模型,并利用matlab7.0進(jìn)行編程,實(shí)現(xiàn)了礦井通風(fēng)系統(tǒng)的安全評(píng)價(jià)預(yù)測。通過某礦通風(fēng)系統(tǒng)的實(shí)例評(píng)價(jià),預(yù)測結(jié)果與實(shí)測結(jié)果相符,表明應(yīng)...

立即下載
工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法 工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法 工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法

工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法

格式:pdf

大小:834KB

頁數(shù):6P

工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法 4.7

針對工業(yè)控制系統(tǒng)入侵檢測模型對各類攻擊的檢測率和檢測效率不高的問題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測模型.首先利用主成分分析法對原始數(shù)據(jù)集進(jìn)行預(yù)處理,消除其相關(guān)性;其次利用adaboost算法對訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值;最后再通過adaboost算法將bp弱分類器組合成bp強(qiáng)分類器,從而實(shí)現(xiàn)工業(yè)控制系統(tǒng)的異常檢測.實(shí)驗(yàn)結(jié)果表明該方法在對各攻擊類型的檢測率和測試時(shí)間明顯優(yōu)于其他算法模型.

立即下載
改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法在基坑沉降預(yù)測中的應(yīng)用

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法在基坑沉降預(yù)測中的應(yīng)用

格式:pdf

大?。?span id="uywqmqc" class="single-tag-height" data-v-09d85783>292KB

頁數(shù):2P

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法在基坑沉降預(yù)測中的應(yīng)用 4.5

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來預(yù)測深基坑沉降的方法,結(jié)合具體工程實(shí)例,構(gòu)建了預(yù)測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測結(jié)果表明,該模型有較高的預(yù)測精度,可作為預(yù)測沉降的一種新方法。

立即下載
改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測 改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測 改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測

改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測

格式:pdf

大?。?span id="igoyuuu" class="single-tag-height" data-v-09d85783>4.1MB

頁數(shù):8P

改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測 4.6

為解決bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測時(shí)檢測率較低、訓(xùn)練時(shí)間過長的問題,對改進(jìn)差分進(jìn)化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)并用于入侵檢測的可行性進(jìn)行研究.該算法引入模擬退火算法(sa)和一種融合de/rand/1與de/best/1的變異算子對差分進(jìn)化算法進(jìn)行改進(jìn)以提高其全局尋優(yōu)能力.用改進(jìn)后的算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值閾值.通過逐次的迭代訓(xùn)練使bp神經(jīng)網(wǎng)絡(luò)收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡(luò)用于入侵檢測.仿真實(shí)驗(yàn)結(jié)果顯示,優(yōu)化的bp網(wǎng)絡(luò)在收斂速度和精度方面有明顯提升,用于入侵檢測時(shí)提高了檢測準(zhǔn)確率,縮短了訓(xùn)練時(shí)間.

立即下載

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??精華文檔

相關(guān)文檔資料 962428 立即查看>>
改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測 改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測 改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測

改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測

格式:pdf

大?。?span id="y4wi4gs" class="single-tag-height" data-v-09d85783>744KB

頁數(shù):8P

改進(jìn)差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測 4.5

為解決bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測時(shí)檢測率較低、訓(xùn)練時(shí)間過長的問題,對改進(jìn)差分進(jìn)化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)并用于入侵檢測的可行性進(jìn)行研究。該算法引入模擬退火算法(sa)和一種融合de/rand/1與de/best/1的變異算子對差分進(jìn)化算法進(jìn)行改進(jìn)以提高其全局尋優(yōu)能力。用改進(jìn)后的算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值閾值。通過逐次的迭代訓(xùn)練使bp神經(jīng)網(wǎng)絡(luò)收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡(luò)用于入侵檢測。仿真實(shí)驗(yàn)結(jié)果顯示,優(yōu)化的bp網(wǎng)絡(luò)在收斂速度和精度方面有明顯提升,用于入侵檢測時(shí)提高了檢測準(zhǔn)確率,縮短了訓(xùn)練時(shí)間。

立即下載
基于BP神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測分類 基于BP神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測分類 基于BP神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測分類

基于BP神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測分類

格式:pdf

大?。?span id="eqm4yci" class="single-tag-height" data-v-09d85783>2.0MB

頁數(shù):5P

基于BP神經(jīng)網(wǎng)絡(luò)的表面缺陷檢測分類 4.4

精密軸承應(yīng)用廣泛,精度要求高,軸承表面缺陷對其使用影響很大.因此,對軸承缺陷的檢測很有必要.目前的檢測以人工為主,但當(dāng)缺陷小于0.075mm時(shí)人眼就很難識(shí)別.以ccd攝像機(jī)為視覺結(jié)合圖像處理技術(shù),設(shè)計(jì)一種軸承在線檢測方法,能夠在很大程度上提高檢測效率和檢測精度,最后利用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行缺陷分類,實(shí)驗(yàn)結(jié)果表明:分類正確率可達(dá)92.7%,符合工業(yè)要求.

立即下載
造價(jià)估測方法的研究和BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

造價(jià)估測方法的研究和BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

格式:pdf

大?。?span id="e4ouymy" class="single-tag-height" data-v-09d85783>192KB

頁數(shù):2P

造價(jià)估測方法的研究和BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用 4.5

比較分析了現(xiàn)行的造價(jià)估測模型的特點(diǎn)及其存在的問題,突出bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行造價(jià)估測的理論優(yōu)勢,引入工程分類思想,以學(xué)校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進(jìn)行了造價(jià)估測。

立即下載
造價(jià)估測方法的研究和BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

造價(jià)估測方法的研究和BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

格式:pdf

大?。?span id="cosguyi" class="single-tag-height" data-v-09d85783>350KB

頁數(shù):2P

造價(jià)估測方法的研究和BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用 3

造價(jià)估測方法的研究和bp神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用——比較分析了現(xiàn)行的造價(jià)估測模型的特點(diǎn)及其存在的問題,突出bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行造價(jià)估測的理論優(yōu)勢,引入工程分類思想,以學(xué)校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進(jìn)行了造價(jià)估測?! ?/p>

立即下載
BP神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測中的應(yīng)用及改進(jìn)

BP神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測中的應(yīng)用及改進(jìn)

格式:pdf

大?。?span id="8ageyka" class="single-tag-height" data-v-09d85783>307KB

頁數(shù):5P

BP神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測中的應(yīng)用及改進(jìn) 4.8

在對某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會(huì)遇到預(yù)測結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時(shí)間較長的問題,提出采用matlab中的mapminmax函數(shù)進(jìn)行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對bp網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了改進(jìn).研究結(jié)果表明:與常用的基于梯度下降原則相比,改進(jìn)后的bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)間和預(yù)測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經(jīng)網(wǎng)絡(luò)在訓(xùn)練樣本時(shí)的迭代次數(shù)最少為74次,采用共軛梯度法的預(yù)測結(jié)果與實(shí)測結(jié)果的誤差最大為2.4%,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預(yù)測值則比較均衡,預(yù)測結(jié)果相對最佳.

立即下載

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??最新文檔

相關(guān)文檔資料 962428 立即查看>>
Hedonic住宅特征價(jià)格模型的BP神經(jīng)網(wǎng)絡(luò)方法 Hedonic住宅特征價(jià)格模型的BP神經(jīng)網(wǎng)絡(luò)方法 Hedonic住宅特征價(jià)格模型的BP神經(jīng)網(wǎng)絡(luò)方法

Hedonic住宅特征價(jià)格模型的BP神經(jīng)網(wǎng)絡(luò)方法

格式:pdf

大?。?span id="koo2k8s" class="single-tag-height" data-v-09d85783>198KB

頁數(shù):未知

Hedonic住宅特征價(jià)格模型的BP神經(jīng)網(wǎng)絡(luò)方法 4.6

房地產(chǎn)在金融市場中占有舉足輕重的地位,其價(jià)格變化對整個(gè)金融市場有著顯著的影響。采用特征價(jià)格模型,對美國一線城市2007年6月及2008年的房價(jià)進(jìn)行了相關(guān)定價(jià)研究。對傳統(tǒng)特征價(jià)格模型的屬性因子進(jìn)行了擴(kuò)充,加入房產(chǎn)周邊犯罪率因子進(jìn)行模擬;在數(shù)值方法計(jì)算方面,首先對數(shù)據(jù)進(jìn)行了box-cox變換,分別采用bp神經(jīng)網(wǎng)絡(luò)及傳統(tǒng)的最小二乘法進(jìn)行數(shù)值模擬分析,結(jié)果表明,房價(jià)隨犯罪事件類型及發(fā)生距離房地產(chǎn)的遠(yuǎn)近有-5.78%~2.08%的變化;在2008年與2007年6月的不同時(shí)段內(nèi),犯罪率的變化對房價(jià)的影響有所不同。bp神經(jīng)網(wǎng)絡(luò)模擬的價(jià)格與實(shí)際交易價(jià)格曲線比傳統(tǒng)最小二乘模擬的價(jià)格曲線精度高出5.74個(gè)百分點(diǎn)。

立即下載
改進(jìn)BP神經(jīng)網(wǎng)絡(luò)及其在西北建筑業(yè)預(yù)測中的應(yīng)用

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)及其在西北建筑業(yè)預(yù)測中的應(yīng)用

格式:pdf

大?。?span id="issko00" class="single-tag-height" data-v-09d85783>138KB

頁數(shù):4P

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)及其在西北建筑業(yè)預(yù)測中的應(yīng)用 4.7

bp神經(jīng)網(wǎng)絡(luò)是分析處理復(fù)雜非線性問題的一種有效方法,是目前廣泛應(yīng)用的一種神經(jīng)網(wǎng)絡(luò),已被逐漸應(yīng)用于對宏觀經(jīng)濟(jì)問題的研究中。本文有機(jī)地整合了計(jì)量經(jīng)濟(jì)學(xué)與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學(xué)習(xí)率可變的動(dòng)量bp算法的用于研究經(jīng)濟(jì)領(lǐng)域問題的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型,加強(qiáng)了網(wǎng)絡(luò)模型的理論基礎(chǔ),提高了網(wǎng)絡(luò)模型的質(zhì)量,并將其應(yīng)用于西北建筑業(yè)的預(yù)測和控制中,取得了令人滿意的效果。

立即下載
基于BP神經(jīng)網(wǎng)絡(luò)電子評(píng)標(biāo)方法的研究和應(yīng)用

基于BP神經(jīng)網(wǎng)絡(luò)電子評(píng)標(biāo)方法的研究和應(yīng)用

格式:pdf

大小:222KB

頁數(shù):5P

基于BP神經(jīng)網(wǎng)絡(luò)電子評(píng)標(biāo)方法的研究和應(yīng)用 3

基于bp神經(jīng)網(wǎng)絡(luò)電子評(píng)標(biāo)方法的研究和應(yīng)用——為了解決招投標(biāo)中評(píng)標(biāo)環(huán)節(jié)專家評(píng)審法隨意性大的問題,針對建設(shè)工程的不同特點(diǎn),對評(píng)標(biāo)內(nèi)容進(jìn)行分類剖析.利用人工神經(jīng)網(wǎng)絡(luò)的智能識(shí)別功能,建立基于神經(jīng)網(wǎng)絡(luò)的電子評(píng)標(biāo)方法.結(jié)合人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)功能、良好的容錯(cuò)能...

立即下載
基于BP神經(jīng)網(wǎng)絡(luò)的民航安全預(yù)測方法研究 基于BP神經(jīng)網(wǎng)絡(luò)的民航安全預(yù)測方法研究 基于BP神經(jīng)網(wǎng)絡(luò)的民航安全預(yù)測方法研究

基于BP神經(jīng)網(wǎng)絡(luò)的民航安全預(yù)測方法研究

格式:pdf

大?。?span id="4mu4goo" class="single-tag-height" data-v-09d85783>58KB

頁數(shù):4P

基于BP神經(jīng)網(wǎng)絡(luò)的民航安全預(yù)測方法研究 4.4

為了對民航系統(tǒng)安全運(yùn)行狀態(tài)進(jìn)行科學(xué)的分析和預(yù)測,針對反映民航系統(tǒng)安全運(yùn)行狀態(tài)的重要指標(biāo)之一——飛行事故萬時(shí)率,采用bp神經(jīng)網(wǎng)絡(luò)的時(shí)間序列非線性預(yù)測模型及方法,對其進(jìn)行了分析研究和仿真驗(yàn)證,計(jì)算結(jié)果表明,該預(yù)測方法是可行的,并與實(shí)際具有較好的一致性。

立即下載
基于人工神經(jīng)網(wǎng)絡(luò)的礦井構(gòu)造定量評(píng)價(jià) 基于人工神經(jīng)網(wǎng)絡(luò)的礦井構(gòu)造定量評(píng)價(jià) 基于人工神經(jīng)網(wǎng)絡(luò)的礦井構(gòu)造定量評(píng)價(jià)

基于人工神經(jīng)網(wǎng)絡(luò)的礦井構(gòu)造定量評(píng)價(jià)

格式:pdf

大小:116KB

頁數(shù):2P

基于人工神經(jīng)網(wǎng)絡(luò)的礦井構(gòu)造定量評(píng)價(jià) 4.5

探討了礦井構(gòu)造定量評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)方法,結(jié)合東坡井田討論了bp模型的輸入層、隱含層和輸出層的構(gòu)置和優(yōu)選等問題,利用東坡井田已知資料使用有序地質(zhì)量最優(yōu)分割方法和插值法得到學(xué)習(xí)樣本,經(jīng)過學(xué)習(xí)樣本的訓(xùn)練,對未知單元進(jìn)行評(píng)價(jià)。

立即下載
基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的工程建設(shè)項(xiàng)目評(píng)標(biāo)方法研究

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的工程建設(shè)項(xiàng)目評(píng)標(biāo)方法研究

格式:pdf

大?。?span id="u0isqcc" class="single-tag-height" data-v-09d85783>184KB

頁數(shù):4P

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的工程建設(shè)項(xiàng)目評(píng)標(biāo)方法研究 4.4

針對評(píng)標(biāo)工作中專家的主觀性、隨意性和傾向性所帶來的偏差,運(yùn)用改進(jìn)bp算法,構(gòu)建了建設(shè)工程項(xiàng)目評(píng)標(biāo)的神經(jīng)網(wǎng)絡(luò)模型。該模型能夠較好地適應(yīng)各影響因素之間的非線性關(guān)系,并通過附加動(dòng)量法的自學(xué)習(xí)、自適應(yīng)能力,提高了收斂速率,從而避免了局部極小值,提高了精度。通過仿真試驗(yàn),驗(yàn)證了該模型的科學(xué)性和有效性。

立即下載
基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)高層建筑物沉降規(guī)律分析

基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)高層建筑物沉降規(guī)律分析

格式:pdf

大?。?span id="0muki0k" class="single-tag-height" data-v-09d85783>917KB

頁數(shù):4P

基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)高層建筑物沉降規(guī)律分析 4.7

隨著我國經(jīng)濟(jì)建設(shè)的不斷發(fā)展,多層建筑物已經(jīng)被高層和超高層建筑所替代。高層建筑物對單元地面所產(chǎn)生的壓力驟然增加,建筑物自身所存在的荷載相應(yīng)增加。本文主要利用數(shù)字水準(zhǔn)儀對高層建筑h樓進(jìn)行沉降觀測,設(shè)置15個(gè)周期,主體施工階段每2層觀測一期數(shù)據(jù),封頂之后觀測了5期數(shù)據(jù)。取3個(gè)點(diǎn)作為實(shí)驗(yàn)分析數(shù)據(jù),得出了沉降變化曲線。利用bp神經(jīng)網(wǎng)絡(luò)、改進(jìn)bp神經(jīng)網(wǎng)絡(luò),對沉降數(shù)據(jù)進(jìn)行預(yù)測,取期間的沉降數(shù)據(jù)和期間累計(jì)沉降數(shù)據(jù)作為訓(xùn)練樣本,根據(jù)兩個(gè)沉降數(shù)據(jù)預(yù)測值的大小,選擇合適的訓(xùn)練樣本,提高預(yù)測精度。

立即下載
用于混合式斷路器的神經(jīng)網(wǎng)絡(luò)故障電流檢測方法 用于混合式斷路器的神經(jīng)網(wǎng)絡(luò)故障電流檢測方法 用于混合式斷路器的神經(jīng)網(wǎng)絡(luò)故障電流檢測方法

用于混合式斷路器的神經(jīng)網(wǎng)絡(luò)故障電流檢測方法

格式:pdf

大?。?span id="o2soiqg" class="single-tag-height" data-v-09d85783>640KB

頁數(shù):5P

用于混合式斷路器的神經(jīng)網(wǎng)絡(luò)故障電流檢測方法 4.7

為了有效的實(shí)現(xiàn)用于混合式電力電子斷路器的故障電流檢測,設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)理論的短路電流檢測方法,其主旨是將動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)應(yīng)用于故障電流的檢測,利用反饋神經(jīng)網(wǎng)絡(luò)的歷史記憶效應(yīng),對信號(hào)進(jìn)行預(yù)測比較,可實(shí)現(xiàn)一種有效的短路電流故障檢測。使用matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行仿真,通過仿真產(chǎn)生模擬訓(xùn)練樣本,以單相工頻基波疊加多次諧波分量,簡化時(shí)可用類正弦函數(shù)代替,仿真結(jié)果表明了該方法的有效性和快速性。

立即下載
改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在傳動(dòng)軸結(jié)構(gòu)設(shè)計(jì)中的應(yīng)用 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在傳動(dòng)軸結(jié)構(gòu)設(shè)計(jì)中的應(yīng)用 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在傳動(dòng)軸結(jié)構(gòu)設(shè)計(jì)中的應(yīng)用

改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在傳動(dòng)軸結(jié)構(gòu)設(shè)計(jì)中的應(yīng)用

格式:pdf

大小:251KB

頁數(shù):3P

改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在傳動(dòng)軸結(jié)構(gòu)設(shè)計(jì)中的應(yīng)用 4.6

shaffer函數(shù)定義域在[-10,10]區(qū)間內(nèi),bp神經(jīng)網(wǎng)絡(luò)擬合該函數(shù)訓(xùn)練時(shí)間長,且無法達(dá)到期望精度,說明bp神經(jīng)網(wǎng)絡(luò)擬合復(fù)雜非線性函數(shù)能力需改善.文章提出了一種改進(jìn)的bp神經(jīng)網(wǎng)絡(luò),先對網(wǎng)絡(luò)的輸入進(jìn)行k-means聚類,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用大規(guī)模節(jié)點(diǎn),聚類輸入分別激活部分節(jié)點(diǎn)進(jìn)行訓(xùn)練,每組聚類使用不同的節(jié)點(diǎn),通過子網(wǎng)絡(luò)訓(xùn)練聚類樣本,減少了網(wǎng)絡(luò)擬合難度.經(jīng)測試改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)達(dá)到了精度.最后,用改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行了軸徑的最優(yōu)計(jì)算.

立即下載
改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中的應(yīng)用

改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中的應(yīng)用

格式:pdf

大?。?span id="scqm6yc" class="single-tag-height" data-v-09d85783>194KB

頁數(shù):5P

改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中的應(yīng)用 4.6

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn),提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經(jīng)網(wǎng)絡(luò)預(yù)測方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,建立路基沉降預(yù)測模型。該模型可克服bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點(diǎn)等缺點(diǎn)。結(jié)合現(xiàn)場實(shí)測數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預(yù)測模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比,結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中精度最高,適宜于廣泛推廣應(yīng)用。

立即下載

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??相關(guān)

陳超華

職位:裝飾設(shè)計(jì)材料員

擅長專業(yè):土建 安裝 裝飾 市政 園林

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??文輯: 是陳超華根據(jù)數(shù)聚超市為大家精心整理的相關(guān)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??資料、文獻(xiàn)、知識(shí)、教程及精品數(shù)據(jù)等,方便大家下載及在線閱讀。同時(shí),造價(jià)通平臺(tái)還為您提供材價(jià)查詢、測算、詢價(jià)、云造價(jià)、私有云高端定制等建設(shè)領(lǐng)域優(yōu)質(zhì)服務(wù)。手機(jī)版訪問: 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??