农民创业者获取创业资源中社会网络的利用

农民创业活动已成为推动农村经济发展和农村城镇化进程的重要动力源泉，创业资源的获取是制约农民创业者的关键因素，而社会网络影响着农民创业过程中社会资源的配置，因此探讨农民获取创业资源的社会网络途径和机制有着重要的意义。运用问卷调查和统计分析的办法，就社会网络对农民创业者获取创业资源的影响作了分析，将农民创业者的社会网络按其关系密度进行了分类，深入分析了该社会网络的规模、密度、动态性和差异性，研究发现不同类型的社会网络在农民创业者获取资源过程中作用各有不同。     

基于纹理特征和神经网络的图像识别

图像特征是用来区分图像内部最基本属性或特征的,它包括了几何特征、形状特征、颜色特征、纹理特征等,在这些特征中纹理特征理解过于复杂,至今尚未有一个大家都认同的定义,从而也就使得纹理分析变得很困难。该文主要研究图像的分类识别,采用基于灰度共生矩阵的纹理特征的提取。以8位灰度图为研究对象,依次对图像进行4个方向(0°、45°、90°、135°)的扫描,并分别建立灰度共生矩阵,从而提取纹理特征参数,然后建立BP神经网络模型,用提取的纹理特征值,来训练BP神经网络模型,使网络模型能够识别图像的内容。此文提出了用纹理特征训练神经网络的方法来识别图像,研究结果表明,纹理是图像分析中一个非常重要的特征,所提取的图像特征是描述图像相当有效的参数。     

桃的电特性及新鲜度识别

为了解采后果品电特性变化机理，并探索基于电特性识别果品品质的方法，研究了桃采后电特性和生理特性的变化。结果表明，随着桃新鲜度下降，相对介电常数呈余弦规律变化，损耗角正切逐渐减小，呼吸高峰时相对介电常数最大。分析了电特性变化的原因，进而建立了采后桃电特性与生理特性之间的关系模型。以相对介电常数和损耗角正切为输入特征参数，应用BP神经网络技术识别桃的新鲜度等级，平均识别率为82％。     

稀燃汽油机瞬态空燃比的滑模-神经网络控制

提出了稀燃汽油机空燃比滑模-神经网络控制方案,采用滑模变结构控制对稀燃工况的空燃比进行反馈控制,采用神经网络实现对进气量的精确预测和油膜动态特性的前馈补偿,进而实现对稀燃发动机瞬态空燃比的精确控制。采用自行开发的电控系统,在一台稀燃发动机上进行了瞬态空燃比实验。实验结果表明:节气门急速变化时空燃比超调可以控制在1个空燃比单位以内,调整时间不超过3s;转速越低,节气门变化越剧烈;空燃比超调越大,调整时间越长。     

CO 2与土壤水分交互作用的番茄光合速率预测模型

为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。     

利用改进BP神经网络预测初产奶牛产奶量的方法

针对传统BP算法的缺陷，提出了一种采用L-M训练法的BP神经网络。在此基础上建立了基于改进BP神经网络非线性系统的奶牛305d产奶量预测模型，此模型可以提前215d预测初产奶牛305d产奶量，从而实现提早进行选择，加速奶牛育种工作进程。并通过具体的实验验证了改进BP神经网络预测模型的有效性。     

基于简化脉冲耦合神经网络的蝗虫图像二值分割

采用参数简化的脉冲耦合神经网络（PCNN）分割图像，进行了蝗虫图像分割实验，区域正确识别率达94％，为蝗虫自动侦测系统中的数据处理提供了技术支持。计算机仿真表明，采用PCNN图像分割算法，图像中的目标（蝗虫）易于发现，分割效果明显好于采用开操作处理的图像。     

基于BP神经网络的农机总动力预测

分析了BP神经网络用于预测时存在的不足,进而对基于BP神经网络的时间序列的预测问题进行了探讨.根据BP神经网络结构的特点,依据Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分析指出了在BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应为两层网络.在此基础上,推导...     

BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

基于量子神经网络的马铃薯早疫病诊断模型

针对马铃薯早疫病智能诊断,将量子计算的态叠加方法和神经网络计算的自适应性结合,提出了将量子神经网络作为马铃薯早疫病诊断模型.该模型隐含层采用多个量子能级的激励函数叠加的量子神经元,有效地解决了病害诊断中模糊决策,在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性.此算法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端,提高了网络学习速度.仿真结果表明:量子神经网络在马铃薯早疫病诊断中,诊断正确率达到96.5％.