基于BP神经网络的轮胎花纹沟槽识别

针对传统轮胎花纹沟槽识别算法存在数据特征提取困难、数理运算步骤复杂等问题,基于BP神经网络对生成的不同沟槽类型的轮胎胎冠线数据集进行反复训练,得到BP神经网络轮胎花纹沟槽识别模型。将轮胎胎冠线数据集随机划分为训练集、验证集和测试集,通过试验验证BP神经网络识别模型对轮胎花纹沟槽的识别性能,由混淆矩阵得到模型的正确识别率为94.9%。从3、4沟槽轮胎中获取实际胎冠线样本数据测试BP神经网络识别模型的实际识别效果,6条胎冠线上的花纹沟槽数量全部识别正确。基于BP神经网络识别轮胎花纹沟槽数量具有可行性。     

基于BP神经网络的磨损微粒智能识别

磨粒图象自动分析与识别问题不但是铁谱技术发展需要解决的关键问题，同时也是针对机械设备磨损工况的状态监测与故障诊断后续信息流程实现自动化，智能化和系统化时遇到的关键技术难点和重点。本文在分析综述近年有关研究方法和结果的基础上，提出解决这一问题的新的研究思路，及相应的处理流程，模型和软件帝现，并给出了具体的实验结果，本文提出的流程可用于其它微粒图象（如血液细胞分析）自动识别领域。     

基于递归图和BP神经网络的桥梁损伤识别研究

为研究递归图和多层前馈（BP）神经网络在桥梁损伤识别方面的应用,以某大跨斜拉桥为例,采用ABAQUS有限元软件建立其三维模型,通过动力分析提取该三维模型的加速度曲线并进行递归图处理和BP神经网络分析。研究结果表明：递归图方法能够初步地识别主梁的损伤位置和损伤程度;BP神经网络分析能够精确识别主梁损伤的具体位置和损伤程度值,且识别准确率均大于85.0%。该方法可为类似桥梁工程的损伤识别提供借鉴。     

基于BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。     

基于模态应变能和BP神经网络的混凝土框架结构损伤识别

采用模态应变能变化率和BP神经网络的两步损伤识别方法,对钢筋混凝土框架结构进行损伤识别研究.首先,利用单元的模态应变能变化率作为结构损伤定位因子,运用通用有限元ANSYS的APDL语言编制程序,计算模态应变能变化率;然后,利用BP神经网络进行损伤程度识别.该方法将二者优点相结合,并克服了单纯利用模态应变能难以准确计算损伤程度以及单纯利用BP神经网络样本巨大的困难.数值仿真结果表明,该方法适用于框架结构的损伤识别.     

基于BP神经网络的CPI预测模型

采用归一化数据处理方法,选择神经网络的训练样本,利用神经网络的结构特性及Matlab的人工神经网络工具箱,建立基于BP神经网络的CPI预测系统的数学模型.利用该模型对2008年山东省居民消费价格指数进行预测,通过前4个月的数据分析,模型的预测值与实测值的误差为0.91%.     

基于神经网络的手势识别

在机器人对手势识别的实验中,利用BP神经网络对连续手势进行识别。对采集到的彩色图像进行基于肤色的提取后,从复杂背景的彩色图像中划分出手部图像,进一步处理后输入神经网络进行识别。实验结果表明,该方法比较简单,识别效果也较为理想。     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

基于改进BP神经网络的速度预测模型

针对BP神经网络三个不足分别加以改进,并利用改进BP神经网络建立速度预测模型,通过实例验证预测模型的有效性,同时,预测结果具有很好的适应性和真实性,可为动态交通管理提供参考.     

基于BP神经网络的轨道交通客流量预测

通过对BP神经网络的研究,借助MATLAB软件及其神经网络工具箱的应用学习,对非线性函数进行逼近,通过特定设计函数对所需要建立的神经网络模型进行训练,并且利用仿真来判断误差结果,得出符合模型的合理权值以及阈值,最后根据已有年数据进行轨道交通客流量的预测.     

基于BP神经网络的区域交叉口协调控制

城市区域交通协调控制是城市智能交通的研究重点,研究目的是减少车辆延误,提高路网通行能力.针对此问题,根据单交叉口神经网络控制方法,提出一种基于BP神经网络的区域多交叉口协调控制方法.采用五交叉口组成的区域路网,以区域所有交叉口平均车辆延误作为评价指标,利用MATLAB软件编程进行仿真.仿真结果表明,神经网络协调控制方法与定时控制、神经网络单独控制方法相比,能够取得更好的控制效果.     

基于BP神经网络公路交通噪声的预测

由有限的公路交通噪声实测数据类比估算其它环境敏感点噪声值是公路建设项目环保验收和环境后评价的重要基础工作之一,为探讨科学有效的类比方法,根据人工神经网络理论,针对高速公路交通噪声预测的特点,提出了基于大、中、小车交通量、预测点距离及道路结构5个参数的高速公路交通噪声预测BP神经网络模型。通过对BP模型预测结果与实测值和FHWA模型预测值的比较表明:在某一特定公路环境下,由有限噪声实测数据预测其它环境敏感点的噪声值,BP神经网络不失为一种简便而有效的方法,且可得到比用FHWA模型预测更为精确的结果。     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI。同时．神经网络评价数据和专家系统数据的比较．证明BP神经网络模型在路面使用性能评估中有更好的应用前景。     

基于BP神经网络的静态手势识别方法

手势识别正成为人机交互技术研究中的一种重要模式.本文针对运用摄象机和计算机视觉技术捕获来的静态手势,提出了一种手势特征提取和基于神经网络分类的手势识别方法.实验表明该方法的正确识别率可以达到98%左右,是一种非常有效的静态手势识别方法.     

基于BP神经网络的煤炭企业可持续发展评价

在分析煤炭企业可持续发展评价方法的基础上，建立了煤炭企业可持续发展评价指标体系，构建了基于误差反向传播算法（BP算法）的多层前向神经网络模型．为减小希望输出与实际输出之间的误差，从输出层神经元到输入层神经元逐层反向修正各连接权，并在网络训练学习的过程中不断执行误差反向传播修正，以提高网络对输入模式响应的正确率．通过算例验证了运用BP神经网络评价煤炭企业可持续发展的有效性和准确性．     

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

基于BP神经网络的手写体数字识别系统

针对传统的数字识别方法的复杂性和局限性,提出了基于BP神经网络的手体数字识别系统,通过对样本抽取特征向量,并在选取了足够的样本对BP神经网络进行训练,将代表手写数字存储的样本输入给训练好的神经网络,可以根据神经网络的输出得到识别的数字,仿真结果表明手写体数字识别系统是非常有效的。     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI.同时,神经网络评价数据和专家系统数据的比较,证明BP神经网络模型在路面使用性能评估中有更好的应用前景.     

基于BP神经网络的人口预测方法研究

对人口数量的准确预测可以为制定社会经济可持续发展计划提供重要依据.文中将BP神经网络应用于人口预测,采用Matlab的神经网络工具箱函数建立神经网络预测模型,运用该模型对2002年至2015年全国乡镇人口中0~17岁年龄段的人口进行了预测.实践证明,该模型编程简单,还能克服常规语言建立预测模型存在的模型复杂、训练时间长等缺点.