基于灰色神经网络评价教学质量的研究

为了提高教学质量评价的准确性,提出一种基于灰色理论和BP神经网络相融合的教学质量评价方法,研究首先确定对评价结果有重要贡献率的13个指标作为灰色神经网络输入向量,然后在BP神经网络中引入灰色模型构建灰色神经网络模型,最后通过发放问卷的形式收集课程的30个样本数据并训练灰色神经网络,利用训练后的神经网络评价测试样本及数据。结果表明:灰色理论的神经网络模型误差均方差是0.92,小于BP神经网络模型,可以有效评价课程的教学质量。     

基于BP神经网络的变压器内部故障保护

本文研究了基于BP神经网络方法的变压器内部故障保护。运用MATLAB/SUMILINK对变压器励磁涌流、励磁涌流与故障电流的差异进行了数字仿真。利用MATLAB的人工神经网络工具箱,建立了BP神经网络模型,对励磁涌流和故障电流的样本进行训练及测试并对训练好的网络进行验证。表明BP神经网络可以较为正确地区分励磁涌流和故障电流,用于变压器内部故障保护。     

电子舌技术在原料奶识别中的应用

通过检测原料奶的来源来控制乳品质量是非常必要的。本文使用金属电极电子舌系统对5个厂家的原料奶进行了检验，采用PCA和BP神经网络方法进行分析和建模。经验证，该方法能够正确区分5个厂家的原料奶，说明电子舌作为一种快速检测手段，在原料奶来源检测中具有较大的应用潜力。     

云南省原料奶安全生产行为选择影响因素分析

影响原料奶质量安全的因素有很多，本文以我国西南地区最大的原料奶生产基地云南为研究对象，力求通过实际调查，运用STATA统计软件对调查数据进行统计分析，对奶农进行原料奶生产过程中影响质量安全的因素进行分析，为原料奶安全生产水平提升提供依据。     

基于神经网络的电动黄油枪运行参数的预测

本文首先介绍了神经网络预测控制模型,然后建立BP网络预测模型并运用Matlab编程语言,对黄油枪的运行参数进行预测。预测用的学习样本和测试数据都是实际测量数据,经过BP网络训练与测试达到了相应的要求。从测试结果看,采用输入参数正常的数据所得到的预测误差很小,而采用异常输入数据则产生了较大的预测误差。说明该网络预测模型有较高的准确性,能够预测出产品的异常运行参数,为产品的质量控制提供可靠依据。     

原料奶质量控制体系现状分析

基于我国原料奶出现的新型生产方式,分析了原料奶质量控制体系的现状,并提出了建立和健全原料奶的标准化生产及管理体系的新思路,建议建立原料奶质量追溯体系,以保障原料奶质量安全.     

基于PB 和 RBF 神经网络模型的草坪质量综合评价

 依据现有的草坪质量评价指标体系,于２０１０年调查了２０个草地早熟禾品种成坪后的１１项指标,包括草坪的密度、质地、颜色、均一性、绿期、抗病性、盖度、耐践踏性、成坪速度、草坪强度以及生物量。然后,运用神经网络原理及Ｍａｔｌａｂ神经网络工具箱,以其中的１５个草地早熟禾品种成坪后的１１项指标的实地调查值作为网络输入,以专家打分作为网络输出,通过不断调整网络训练参数,使网络性能达到最优,构建了草坪质量综合评价的ＢＰ 和ＲＢＦ神经网络模型,并给出了ＢＰ和ＲＢＦ神经网络模型的分析方法及其Ｍａｔｌａｂ实现步骤。利用训练好了的网络模型,对其余的５个草地早熟禾品种的综合质量评价得分进行网络预测,结果表明,ＲＢＦ神经网络的预测误差均小于２％,而ＢＰ神经网络的预测误差均大于５％,因此,基于ＲＢＦ神经网络模型的草坪质量评价结果比ＢＰ神经网络更准确,可以用于草坪质量综合评价。与常规的加权法、层次分析法或模糊综合评判法评价草坪质量相比,基于ＲＢＦ神经网络模型的草坪质量综合评价,在一定程度上减少了评价中主观因素的影响,简化了计算步骤,为草坪质量综合评价提供了一种全新的思路。     

原料奶生产HACCP控制体系研究

文章对国内外原料奶质量和安全管理的现状进行了详细分析,并提出相应的管理措施,以期为原料奶HACCP体系的建立提供参考.     

影响原料奶质量安全的关键因素及控制

我国乳制品行业经过近几十年的发展,在生产加工环节通过引进国外的先进设备和管理技术,基本上已达到或超过发达国家的水平,但在奶牛饲养、奶源管理方面还存在一定差距。奶源是乳制品加工企业的第一生产车间,原料奶的质量优劣将直接决定乳制品的质量和安全,所以应当把奶源质量和安全的管控放在首要位置,将其作为奶业可持续发展的重中之重。本文对影响原料奶质量安全的关键因素及存在的问题进行了梳理分析,主要有奶牛养殖模式及环境、饲料等七大因素,并提出相应的预防措施和解决办法。     

BP神经网络在煤相预测分析中的应用

应用煤相分析完成煤层气潜力评价和生气有利带预测已成为煤层气勘探开发中十分重要的方法 ,然而复杂多样的成煤环境导致不同的层位(纵向上)和不同地区(平面上)的煤相特征存在明显差异,使用传统方法很难实现快速准确的煤相描述,本文采用BP神经网络的方法,利用其较强的自适应非线性学习能力,建立了煤相神经网络模型,并进行了网络训练及预测。结果表明,BP神经网络预测值与实际值非常吻合,从而为煤相研究提供了一种高效准确的方法。     

原料奶安全检测及质量控制的研究进展

近年来不断出现奶制品的安全问题,而原料奶作为乳业加工的源头,对奶产品的质量安全影响巨大.本文综述了原料奶的质量安全控制及相关检测的研究进展,并探讨了饲养、挤奶、运输过程中的注意事项,为提高我国奶与奶制品的质量安全及促进乳制品工业的发展提供参考.     

基于BP神经网络的教练员评估方法

本文提出了一种基于BP神经网络和归一化处理的教练员执教能力评价方法。优秀教练员的评定标准不应仅依据所指导过的队伍的成绩,这样并不能科学准确、客观全面地反映教练员的水平。所以,考虑多元化原则,为客观科学反映教练员的实际能力,首先以大量数据为基础,计算并选择关于教练员的六项重要指标,再结合文献资料法、筛选法、BP神经网络法等构造评估模型,将归一化的评价指标作为BP神经网络的输入,教练员的综合评估值即为输出。经验证和分析,该模型可以对教练员的执教能力进行客观、合理的综合评估。     

原料奶生产体系的全程质量控制及其预防措施

原料奶的质量直接影响着乳制品的质量,为确保乳制品的食用安全,预防食物中毒和食源性疾病的发生,本文着重从牛奶源头出发,对影响原料奶质量的生产环节进行了详细地分析,并提出了相应的预防措施。     

原料奶生产HACCP控制体系研究

文章对国内外原料奶质量和安全管理的现状进行了详细分析,并提出相应的管理措施,以期为原料奶HACCP体系的建立提供参考. 1 我国原料奶生产现状 按照HACCP的原理审视我国目前乳制品供应链,一般加工企业特别是大型乳品加工企业在管理水平、技术装备、包装档次和质量控制等方面都能够满足仪器安全的要求.     

基于BP神经网络的豆粕挤压膨化参数优化

利用挤压膨化生产大豆组织蛋白对于提高豆粕的附加值和利用率具有重要意义。以单螺杆挤压膨化机为试验设备对豆粕进行膨化试验,运用正交试验方法研究了豆粕含水率、膨化机螺杆转速和机筒温度对豆粕膨化指数的影响。运用BP(Back Propagation)神经网络对试验数据进行训练和模拟,建立了豆粕的BP神经网络仿真模型,并与实测值进行对比。结果表明,利用BP神经网络建立的模型仿真结果与实测值接近,能良好的反映工艺参数与膨化指数之间的复杂非线性关系,具有较好的预测性。     

原料奶生产体系的全程质量控制及其预防措施

原料奶的质量直接影响着乳制品的质量,为确保乳制品的食用安全,预防食物中毒和食源性疾病的发生,本文着重从牛奶源头出发,对影响原料奶质量的生产环节进行了详细的分析,并提出了相应的预防措施.     

基于DEA与BP神经网络混合系统的设计与开发

DEA是一种基于线性规划理论、广泛应用于效率评价的系统分析方法,属于事后评价的范围。BP神经网络的容错能力、学习能力、纠错能力使其在非线性系统预测方面有着广泛的应用。目前DEA与BP神经网络的混合模型已得到广泛研究,其可以在资源投入阶段就进行评价,这样一旦发现问题可以及时调整,变事后评价为事前控制。但是软件的分离使用极大地限制了此混合模型的应用。本文基于DEA与BP神经网络,利用MATLAB将DEA软件与BP神经网络工具箱结合在一起,设计开发了混合效率预测模型系统。利用此系统可以进行效率预测,及时调整投入指标以减少投入资源的浪费,提高能源利用率,并且此系统提供了良好的人际交互界面,避免了复杂的人工操作。     

原料奶优质与安全保障的措施

近几年,乳品的安全突发事件频发,如何提高乳品的质量及安全受到人们普遍关注。除对乳品的加工环节加大监管、乳企本身自律自查外,原料奶的优质和安全是优质乳制品的基础保障。原料奶的质量保障应从奶牛繁充、饲料供给、奶牛场建设与环境控制、疫病防治到挤奶设备操作、冷却储存等多方面着手。本文就原料奶的影响因素进行归纳,并提出预防措施。     

原料奶中产生的不良风味及其控制技术措施

原料奶风味已成为衡量原料奶质量的一项重要指标,原料奶中产生的不良风味不仅会影响奶户交奶和奶企收奶,而且还会影响消费者的口感,同时也会降低牛奶的营养价值。本文主要通过对原料奶中的固有良好风味和不良风味及其来源进行分析,并从整体上提出控制原料奶中产生不良风味的技术措施,为生产优质风味奶和奶制品提供技术保障。     

应用ISO9001:2015质量管理体系标准在规模化奶牛场建立原料奶质量控制体系

本文针对规模化奶牛场运营管理的特点,以ISO9001:2015质量管理体系标准为指导,重点介绍了奶牛场建立原料奶质量安全管理体系的方法和步骤。通过组织奶牛场各个职能部门共同编制出质量手册、程序文件及作业指导书等体系文件后,在运行过程中注重质量记录、内审及管理评审,从中发现不合格项,并不断整改和持续改进,从而推动奶牛场原料奶质量安全水平的提高。