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.     

基于桥墩历史水痕与气象预报的中小桥水害预测

将中小桥山洪水害作为研究对象,以人工神经网络中的BP网络为工具,将桥墩历史上的数次洪水水痕高程和产生当次洪水的雨量记录作为数据基础,提出一种流量计算和预报既有中小桥水害的方法。这种方法物理意义明确。在计算中小流域流量时,传统的单位线法、推理公式法、铁路设计院法等方法将流域和桥渡看成两个系统,雨量通过"流域"系统后产生流量,流量再通过"桥渡"系统后才产生洪水水位。本文方法将"流域"和"桥渡"看成一个系统,直接建立起输入(雨量)与输出(水位)的数学关系,因此,不需要勘测流域面积、主河道长度及平均坡度等工作,可以节约大量的人力物力。多座桥梁的具体应用表明,本文方法具有较高的准确度。     

利用人工神经网络模型判定膨胀土等级

膨胀土是一种吸水后体积产生膨胀，失水后体积产生干缩，对铁路工程极其有害的土质，而其胀缩等级的划分是一个典型的不确定性问题。应用神经网络的联想记忆功能，以膨胀土胀缩等级划分标准中三个类别作为训练标本，建立膨胀土缩等级与分级指标之间的对应关系的BP判定模型，以对膨胀土胀缩等级进行划分，并结合具体工程进行了应用。应用表明，神经网络方法与模糊综合评判法膨胀土胀缩等级判定结果一致，神经网络具有在膨胀土胀缩等级判定问题上的可靠和从训练模型中获得划分智能的能力。此方法为划分膨胀土胀缩等级提供了一条新途径。     

基于支持向量分类机和回归机的综合评价方法

采用支持向量多值分类机和回归机进行综合评价排序,以提高机器学习方法的综合评价排序能力,并以管理信息系统综合评价为例,与人工神经网络（ANN）方法进行了对比研究.试验结果表明,基于支持向量多值分类机综合评价得分之间的差异比ANN更明显,而且基于支持向量回归机综合评价得分的相对误差明显小于ANN.     

人工神经网络在流量预测中的运用

基于流量预测难于水位预测及资料限制,通过人工智能模型之人工神经网络的建立,运用智能模块来记忆流量的历史变化并且联想出未来的流量,分析得出此模型的适用范围,并提出改善措施。     

基于优化智能方法的边坡稳定性分析研究

边坡稳定影响因素复杂且具有随机模糊性,给边坡稳定性分析带来了诸多障碍。基于进化BP神经网络的智能方法,充分利用BP人工神经网络对非线性函数强大的映射能力、自学习能力和推广能力,本文建立了基于MATLAB神经网络工具箱的优化智能边坡稳定分析系统,同时采用贝叶斯规则化法对系统进行改善,大幅提高了泛化能力和工程适用性。     

基于人工神经网络算法的深海浮式系统动力响应预报方法

深海浮式系统面临复杂恶劣海洋环境载荷的持续作用,海洋工程灾难性事故时有发生.论文通过优化神经网络结构、对比不同神经网络方法,发展了一种以附加动量法的BP神经网络为基础的浮式平台运动及系缆张力等动力响应统计值的计算预报模型.结合天气预报数据,该预报模型可实现深海浮式系统响应的即时计算和危险状态的超前预警,以便提前采取措施...     

人工神经网络在运行车速预测中的应用

基于太旧高速公路运行车速实测数据,利用Matlab人工神经网络建立运行车速与平面线形要素之间的神经网络关系模型,以期用于对新建公路的线形设计和已有公路的运行车速评估.在太旧高速公路应用发现预测精度较高,有实际利用价值.     

基于ANN的电磁环境预测分析

人工神经网络作为一个具有高度非线性映射能力的的计算模型,在工程中具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。文章探讨了利用BP神经网络进行电磁环境预测的方法,通过仿真结果可以看出本方法的有效性。