基于BP神经网络的数字识别

介绍了字符识别的几种方法及神经网络的基本原理,并将BP神经网络应用于数字识别,选取最佳的隐含层节点数及训练样本个数,实现了基于BP神经网络的数字识别。仿真试验结果表明,BP神经网络可以对阿拉伯数字进行快速、准确的识别,具有广泛的应用前景。     

黄芩中黄酮类化合物的定性与定量分析

[目的]提出一种用近红外光谱技术快速检测黄芩中黄酮类化合物的新方法j[方法]首先应用光谱仪获得4种黄芩的光谱曲线,用主成分分析法进行聚类分析,再结合人工神经网络技术建立模型进行检测。在主成分分析的基础上,以每一个样品的前8个主成分作为神经网络的输入节点,黄苓苷和汉黄芩苷2种成分类型作为神经网络的输出节点,建立一个8（输入节点）-13（隐含层节点）一2（输出节点）的3层人工神经网络模型。[结果]黄芩中黄芩苷和汉黄芩苷这2项指标人工神经网络模型预测值的平均相对误差分别为3．87％和5．15％,与高效液相色谱法测定值的符合程度很高,该模型具有很好的预测能力。[结论]新模型可用于黄芩的质量检测和生产加工过程中的质量控制。     

复方板蓝根颗粒中靛蓝和靛玉红含量的近红外光谱检测模型研究

[目的]提出一种用近红外光谱技术快速检测复方板蓝根颗粒中靛蓝和靛玉红含量的新方法。[方法]首先应用光谱仪获得6种复方板蓝根颗粒的光谱曲线,用主成分分析法进行聚类分析,再结合人工神经网络技术建立模型进行检测。在主成分分析的基础上,以每一个样品的前7个主成分作为神经网络的输入节点,成分类型作为神经网络的输出节点,建立一个7（输入节点）-7（隐含层节点）-2（输出节点）的3层BP人工神经网络模型。[结果]复方板蓝根颗粒中靛蓝和靛玉红2项指标人工神经网络模型预测值的平均相对误差分别为4．14％和4．72％,与高效液相色谱法测定值的符合程度很高,该模型具有很好的预测能力。[结论]新模型可用于复方板蓝根颗粒的质量检测和生产加工过程中的质量控制。     

聚类分析和神经网络相融合的网络信息系统风险评价

为提高网络信息安全风险评价精度,提出一种聚类分析和神经网络相融合的信息系统风险评价模型。本文对信息安全风险进行聚类分析,从每一类聚类结果中任意提取一个子类组成单个神经网络的训练样本集,并给每个单独的神经网络赋予不同的权重,将单个神经网络组成加权融合神经网络,得到网络信息安全风险评价精度。仿真结果表明,该模型提高了网络信息安全风险的评价的精度,加快了评价速度,能够很好地克服传统网络信息安全风险评价模型的缺陷。     

消费者对国产婴幼儿奶粉质量安全风险感知偏差及其影响因素

为了解和调整消费者对国产婴幼儿奶粉质量安全风险感知偏差,基于情景模拟实验法获取559位消费者数据,采用有序Logistic模型,对消费者的国产婴幼儿奶粉质量安全风险感知偏差及其影响因素展开实证研究.结果表明:1)89.98％的消费者主观感知到的国产婴幼儿奶粉质量安全风险高于客观风险水平,存在风险感知偏差.2)产品知识、...     

GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例

针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.     

婴幼儿奶粉价格波动传导机制研究

利用2012—2016年进口婴幼儿奶粉的到岸价格数据以及国产婴幼儿奶粉的平均价格数据,采用X12-ARIMA季节调整方法,分析了婴幼儿奶粉进口价格波动特征;通过建立VAR模型和VEC模型,分析了婴幼儿奶粉进口价格波动对国产婴幼儿奶粉价格影响的传导机制。结果表明,研究期内婴幼儿进口奶粉价格与国产奶粉价格之间存在着稳定的长期协整关系,价格传导具有非对称性,且婴幼儿奶粉进口价格波动对国产婴幼儿奶粉价格的影响逐渐增强。最后,提出了维护中国婴幼儿奶粉市场价格稳定的建议。     

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子,构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源,通过对6种BP神经网络的训练方法进行训练,经过反复筛选找出最优模型并与传统胸径-树高模型作比较;最后将BP神经网络中的输入因子从2个增加到6个后,经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳,R²和MSE分别为0.963 0和1.168;2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响,BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势;均方误差（MSE）呈现先下降后上升的趋势,两者都在节点数为10时有极值,此时的模型为最优模型;3）当输入因子为胸径和优势树高时,油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1）,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7;当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时,最优模型结构为6∶10∶1,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出,在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法;BP神经网络模型与传统模型相比,BP神经网络模型不需要目标方程结构,并且模拟和预测的精度均要优于传统模型;在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。     

基于结构方程模型的婴幼儿奶粉品牌忠诚度实证研究——以成都市场调研数据为例

国内婴幼儿奶粉品牌忠诚度缺失,使得中国乳制品企业市场份额不高,国外奶粉品牌形成了价格垄断,损害了中国消费者的权益。本文通过对成都婴幼儿奶粉市场的问卷调查,建立了结构方程模型,采用AMOS软件进行实证分析,发现质量感知、品牌形象是提高婴幼儿奶粉品牌忠诚度的保健性因素,促销活动与附加服务是提高婴幼儿奶粉品牌忠诚度的激励性因素。     

国家实行婴幼儿奶粉召回、退市特别制度

国务院今年10月9日公布的《乳品质量安全监督管理条例》明确规定了婴幼儿奶粉召回、退市特别制度。只要发现乳制品存在可能危害婴幼儿身体健康或者生长发育的,乳制品生产企业应当立即召回,销售者必须立即停止销售。为确保婴幼儿奶粉质量安全,《条例》对制定婴幼儿奶粉质量安全标准提     

基于高光谱数据的土壤含盐量BP神经网络模型研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,进行了对土壤含盐量的定量研究,将BP神经网络模型(Back Propagation Network)应用到高光谱数据对研究地区土壤含盐量的反演中。通过对隐含层的传递函数、输出层的传递函数、训练算法的优化组合以及最适合隐层节点数量,得到最优的BP神经网络模型,实现了土壤含盐量的反演。对高光谱数据反演土壤含盐量采用BP神经网络具有一定的指导意义。     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.     

基于BP神经网络的马尾松人工林胸径-树高模型预测

  目的  马尾松Pinus massoniana是中国南方主要用材树种,建立高效的马尾松人工林胸径-树高预测模型,可为马尾松人工林经营提供理论指导。  方法  以贵州省黔中地区马尾松人工林为研究对象,基于82块样地(25 m×25 m)的4 284株马尾松单木数据,选取6个常用的广义非线性模型进行拟合,从中筛选出拟合效果最好的模型。使用相同的数据确定最佳隐层节点数量后,经过反复训练建立基于BP神经网络的马尾松胸径-树高预测模型。  结果  在6个广义非线性模型中,拟合效果最佳为Korf模型(R2=0.650);马尾松适宜的隐藏层节点数为2,适宜的模型结构(输入层节点数∶隐藏层节点数∶输出层节点数)为1∶2∶1,模型预测精度达0.717。  结论  广义非线性模型能较好地拟合马尾松人工林胸径-树高关系,但与BP神经网络模型相比,BP神经网络不需要依赖经验模型,也不用模型筛选,而且BP神经网络模型具有较高的决定系数和较低的均方根误差,拟合精度优于广义非线性模型。图5表5参35     

基于 RBF 神经网络的钢构件质量追溯系统研究

提出一种基于RBF神经网络的数据挖掘方法，将RBF神经网络应用于数据挖掘的分类和预测中，解决钢构件过程中的性能预测问题。其中用黄金分割法确定基于RBF神经网络的隐层节点数，减少该算法的计算复杂度，最终将其应用于某钢铁企业质量控制系统。构建对钢构件质量检测的数据挖掘及质量追溯平台,该平台是基于RBF神经网络的数据挖掘技术的。实际应用证明，产品的质量合格率可达到96.27%,符合国家相关的标准和技术指标。     

A method for estimating the number of hidden neurons in feed-forward neural networks based on information entropy

The number of hidden neurons of feed-forward neural networks is generally decided on the basis of experience. The method usually results in the lack or redundancy of hidden neurons, and causes the shortage of capacity for storing information or learning overmuch. This research proposes a new method for optimizing the number of hidden neurons based on information entropy. Firstly, an initial neural network with enough hidden neurons should be trained by a set of training samples. Secondly, the activation values of hidden neurons should be calculated by inputting the training samples that can be identified correctly by the trained neural network. Thirdly, all kinds of partitions should be tried and its information gain should be calculated, and then a decision tree for correctly dividing the whole sample space can be constructed. Finally, the important and related hidden neurons that are included in the tree can be found by searching the whole tree, and other redundant hidden neurons can be deleted. Thus, the number of hidden neurons can be decided. Taking a neural network with the best number of hidden units for tea quality evaluation as an example, the result shows that the method is effective.     

基于MATLAB神经网络的水稻需水量的预报模型

作物需水量的预测是进行水资源规划和管理的有效手段。它与气象因子之间存在着严重的非线形关系。建立4个输入单元和1个输出单元的三层BP网络，选取不同的隐层结点数进行训练，并通过比较其相对误差的大小确定了神经网络的结构。利用MATLAB环境．提出基于BP神经网络的水稻需水量预报模型，并结合实际数据进行了检验。结果表明：该方法能够较好地反映气象因子与水稻需水量之间的关系，收敛速度快，预报精度较高。     

基于MATLAB 6.x的BP人工神经网络的土壤环境质量评价方法研究

对基于MATLAB 6．x的BP人工神经网络工具箱进行了简要的介绍,并将BP人工神经网络应用到土壤环境质量现状评价中。编制了基于MATLAB 6．x土壤环境质量评价程序,并对影响评价结果的训练集的构建、隐层神经元数量的选择、训练过程的建立等问题进行了探讨。结果表明,用随机函数rand或线性函数linspace内插生成网络的训练集是可行的,BP网络隐层的传递函数为tansig。神经元数量为5（用rand函数生成训练集）或8（用linspace函数生成训练集）,输出层的传递函数为purelin,神经元数量为1。训练集中加入一定的噪声更有利于提高网络的识别能力。在此基础上,将构建的网络应用到实际土壤环境质量评价中,并将评价的结果与其他评价方法得出的结果进行了比较,表明BP人工神经网络应用到土壤环境质量评价中是切实可行的。     

BP与RBF网络在一些非线性曲线拟合上性能的比较

对BP与RBF人工神经网络在隐层的传递函数、层数及结点数上的区别进行了比较;对BP与RBF2种神经网络在给定的3个较为复杂的非线性函数上进行Matlab仿真;并分析比较了这2种人工神经网络在指定参数下对不同非线性函数进行拟合时的拟合精度和时间效率;最后给出BP与RBF网络进行非线性曲线拟合的选择方法.     

基于反射光谱的江淮分水岭区域典型农作物识别

对江淮分水岭区域观测的8种农作物冠层光谱进行数据重采样和植被指数计算,分析了4种常用指数和6种常用传感器对农作物的识别能力,同时采用识别效率最高的数据变换形式构建了BP神经网络模型。结果表明:8种农作物的反射光谱曲线存在较大差异;6种传感器对农作物的识别能力由大到小依次为ETM+、QUICKBIRD、IKONOS、MODIS、ASTER、HRG;模拟得到的ETM+和QUICKBIRD的近红外与红光波段反射率计算的归一化植被指数(NDVI)和简单比值植被指数(SR)对农作物的识别能力较强;在不同的数据变换形式中,对农作物识别精度最高的是一阶微分(FD,波长间隔6 nm),识别精度达87.3%;以FD(波长间隔6 nm)为输入数据集构建BP神经网络模型,当隐含层节点数为15时,识别精度最高,达90.0%。