基于BP神经网络的产品造型设计评价

为了对产品的造型设计进行评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价产品造型设计的方法.根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了产品造型设计BP神经网络评价模型,选择某一产品造型设计的13款方案作为样本,利用Matlab软件进行了BP网络的实例训练和验证.实验结果表明,BP神经网络模型可以较准确的对产品造型设计进行评价.     

基于粗糙集和神经网络的供应链绩效预测研究

文章从知识发现和数据挖掘的角度,利用粗糙集和BP神经网络的理论和方法,建立了基于粗糙集和BP神经网络相结合的供应链绩效预测模型。并结合一个供应链绩效预测实例,首先对其基于平衡记分卡的指标体系进行了约简,然后将约简的评价指标输入到BP神经网络中进行智能训练,最后把预测的样本输入到训练好的BP网络中得出供应链绩效的预测值,预测结果与实际结果基本吻合。     

基于改进型BP神经网络的信用评估系统研究

通过研究企业信用评估中的模型问题,为企业经营活动和决策过程提供信息支持。介绍了几种常用的信用评估模型,通过分析它们在评估中的缺陷,提出基于改进型BP神经网络的信用评估模型。在建立指标体系和输出机制的基础上,讨论了基于信用评估模型的评估系统的设计与实现。对模型和评估系统的不足进行了分析,并提出了改进建议。     

一种BP神经网络机场噪声预测模型

机场噪声预测对机场噪声控制、航班计划制定和机场规划设计具有十分重要的作用。现有的机场噪声预测模型都是以飞机的噪声距离曲线（NPD曲线）为核心,用相应的数学模型将其修正至与具体机场的特定环境条件相关的噪声传播模型,存在预测成本高和误差大的缺点。针对这种情况,提出一种使用BP神经网络利用机场噪声历史监测数据进行NPD曲线修正计算方法,从而建立适用于特定机场环境条件的机场噪声预测模型。实验表明,在特定机场的特定环境条件下,允许误差为0.5 dB时,该模型预测准确率高达91.5%以上,具有预测成本小、准确度高的特点。     

基于BP神经网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程研究的一个重要方面.如何在缺乏可靠性数据的情况下,选择合适的软件可靠性模型是对软件可靠性进行量化分析的关键.参照软件可靠性模型评价准则,根据聚类思想,对失效数据编码,采用反向传播神经网络进行聚类计算,从而实现了软件可靠性模型的选择.最后通过仿真实验证明了该方法的正确性和有效性.     

基于样本自组织聚类的BP神经网络预测模型

根据实际应用中神经网络训练样本通常具有内在特征和规律性,提出一种基于样本自组织聚类的BP神经网络预测模型。通过自组织竞争网络的聚类特征,改善样本训练对BP网络性能的影响。BP神经网络采用收敛速度较快和误差精度较高的动量—自适应学习速率调整算法。并通过基于这种模型的空气质量预测实验,表明基于样本自组织聚类的BP神经网络预测模型首先会提高收敛速度,其次会减少陷入局部最小的可能,提高预测精度。     

基于可拓物元模型的供应链柔性评价

为了及时跟踪和动态调整供应链柔性,将可拓方法应用于供应链柔性评价。在对供应链柔性研究的基础上,首次将可拓学应用到供应链柔性的评价上,给出了供应链柔性的物元模型。通过计算该模型综合关联度,对模型中的各个柔性维度进行了定量分析。最后通过案例对方法进行了验证,供应链柔性的可拓评价能揭示不同层次的供应链柔性水平,体现柔性变化的趋势,有利于动态调整供应链管理策略,持续提高供应链的柔性。     

A cooperation model based on CVaR measure for a two-stage supply chain

In this paper, we introduce a cooperation model (CM) for the two-stage supply chain consisting of a manufacturer and a retailer. In this model, it is supposed that the objective of the manufacturer is to maximise his/her profit while the objective of the retailer is to minimise his/her CVaR while controlling the risk originating from fluctuation in market demand. In reality, the manufacturer and the retailer would like to choose their own decisions as to wholesale price and order quantity to optimise their own objectives, resulting the fact that the expected decision of the manufacturer and that of the retailer may conflict with each other. Then, to achieve cooperation, the manufacturer and the retailer both need to give some concessions. The proposed model aims to coordinate the decisions of the manufacturer and the retailer, and balance the concessions of the two in their cooperation. We introduce an s* ? optimal equilibrium solution in this model, which can decide the minimum concession that the manufacturer and the retailer need to give for their cooperation, and prove that the s* ? optimal equilibrium solution can be obtained by solving a goal programming problem. Further, the case of different concessions made by the manufacturer and the retailer is also discussed. Numerical results show that the CM is efficient in dealing with the cooperations between the supplier and the retailer.     

基于MATLAB的软件可靠性BP神经网络模型

研究并分析了BP神经网络的结构和特点,针对不足之处提出改进方法.在改进的基础上建立神经网络软件可靠性新模型.通过MATLAB仿真工具进行了实例仿真,证实该新模型比传统模型预测精度高,泛化能力强.     

基于肤色模型与BP神经网络的手势识别

针对基于视觉的手势识别率不高,鲁棒性欠佳的问题,提出了一种基于YCb Cr椭圆聚类肤色模型分割手势结合反向传播(BP)神经网络识别的手势识别方法。对采集到的图像序列利用离散余弦变换(DCT)去噪处理和边缘检测,根据人体肤色在YCb Cr空间聚类紧凑的特性提取出手势的形状轮廓,将边缘检测与肤色模型分割结果相与得到分割出的手势,利用加速稳健特性(SURF)算法提取构建手势的特征向量,最后通过BP神经网络对手势图分类和识别。实验结果表明:针对复杂背景下的手势,该算法具有较强的鲁棒性,效率高,识别的准确率可达到96%。     

基于BP神经网络和特征选择的入侵检测模型

提出了一种基于后向传播神经网络和特征选择的入侵检测模型。通过使用该模型对经过特征提取后的攻击数据的训练学习,可以有效地识别各种入侵。在经典的KDD 1999数据集上的测试说明：该模型与传统的入侵检测模型相比,能够轻便、高效地对攻击模式进行训练学习,从而正确有效地检测网络攻击。     

Algorithm optimization of large-scale supply chain design based on FPGA and neural network

The Supply Chain Management System permits an organization to work quickly and adequately all through a large scale. It will begin with every idea's fundamental comprehension, including Production, Inventory, Location, and Transportation. Consolidating all the cycles will underline the part of SCM (Supply chain Management) in business economics. In the existing method IoT and Convolutional Neural Network for Supply Chain Management (SCM). The drawback of the previous method is un-sensitive in the supply chain in extensive scale management. The proposed method is based on FPGA (Field Programmable Gate Arrays) and Neural Network for Supply chain Management. The outcome and looking at the finished flexibly chain the executive's plan, and the administrator can operate without much of a stretch limit the mix-up and fix it in a brief period. Each organization has its own personal SCM (Supply Chain Management) plan, and the progression of the network domain will choose the system's viability. The proposed Neural Network-based Numeric Framework Algorithm long-chain centers on the SCM (Supply chain Management) framework's all-out methodology and wants to have a superior SCM (Supply Chain Management). Base on the meeting date, the current Neural Network understands the positive and negative perspectives.At last, it can address the inquiries of how to improve the network framework. The organization has a more powerful SCM (Supply chain Management. Furthermore, the significant organization improves to have the option to rival the unfamiliar creations.     

Optimization of supply chain efficiency management based on machine learning and neural network

Neural Computing and Applications - Supply chain management is of great significance to business operations and socioeconomic development. However, the current supply chain efficiency management...     

基于改进BP神经网络的围岩自稳能力评估模型

指挥防护工程是国家防护工程体系的重要组成部分。为提高其建设水平,采用改进的前馈 (BP)神经网络,对指挥防护工程围岩自稳能力进行评估。结合指挥防护工程围岩的特点,设计评估网络拓扑结构。针对BP网络原始模型的缺陷改进,引入动量项、自适应调节学习率、陡度因子、可变隐层节点等,并采用遗传算法（GA）寻找最优的初始权值和阈值。最后结合实例对算法进行验证。结果表明,该模型科学可靠,具有较好的工程应用价值。     

基于BP神经网络的非线性网络流量预测

传统的流量分析建立在线性模型的基础上,但是由于复杂的拓扑结构和网络行为,网络流量表现为一个非线性的系统。根据实际网络中测量的大量网络流量数据,建立一个时间相关的基于神经网络的流量模型,预测和分析网络流量状况。相对于传统线性模型该模型具有较高的预测精度、自适应性和鲁棒性。     

基于TEEN协议和BP神经网络的WSN数据融合模型

针对无线传感网感知数据中含有大量无效或冗余数据的现象,本文提出了一种基于TEEN协议和BP(Back Propagation, BP)神经网络的数据融合模型。该模型利用三层BP神经网络描述簇结构,通过TEEN阈值过滤非必要信息,在簇结构信息传输过程中运用神经网络功能函数处理大量感知数据,从中提取感知数据的特征值并转发至汇聚节点。实验仿真表明,该模型无论在数据通信量、使用寿命及网络消耗上都优于TEEN协议,在降低网络通信量和网络能耗的同时提升了网络的使用寿命,大大提升了数据采集的效率和性能。     

目视检测损伤检出概率BP神经网络预测模型

为了获得更可靠的检出概率,提高目视检测结果准确性,保证航空维修安全,根据检测环境影响因素实验结果,选取照明条件、检测距离、检测角度、损伤深度作为检测结果影响因素,采用反向传播（ BP）神经网络,以4个影响因素作为输入层神经元,检出概率作为输出层神经元,通过网络训练对样本数据进行仿真,建立检出概率预测模型,通过比较预测和实验数据对模型进行检验。结果表明,模型预测与实验所得检出概率值均方百分比误差为4.79',模型预测结果是有效可行的。根据目视检测损伤检出概率BP神经网络预测模型可以选择符合要求的检测条件。     

基于BP神经网络的蓄电池充放电温度模型的建立

由于蓄电池机理复杂,蓄电池的温度具有明显的非线性、滞后性和模型不确定性,采用BP神经网络对蓄电池温度进行仿真研究,建立网络模型,反映蓄电池温度变化趋势.     

基于BP网络模型的立项评估研究与应用

在项目管理立项评估数据的基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件将BP算法的评估模型首次应用在科研项目的立项评估中。通过科研项目立项评估模型的实际运行,证明了该评估算法的有效性,有力提高了科研部门的立项评估水平。     

基于BP神经网络的模糊参数辨识

提出一种与TSK模糊模型相似的模糊模型—M-2模型,证明了M-2模型与一个4层前向神经网络是等价的,在此基础上提出基于BP神经网络的模糊模型参数辨别算法,即通过BP神经网络对样本数据的学习,直接从样本数据获取模型参数,建立M-2模糊模型,通过仿真实例验证了该算法的有效性。