本文分析了引起光電檢測系統非線性誤差的因素。在基于光電二極管的光照度檢測實驗中,應用rbf人工神經網絡對光信號和電信號進行非線性誤差補償,實現了在不同環境溫度下,光信號與電信號的線性轉換,有效地提高光照度檢測的檢測精度。

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

人工神經網絡是在模仿人腦處理問題的過程中發展起來的新型智能信息處理理論,通過對人工神經網絡及bp網絡的基本原理與特征的分析,建立了工程估價預測模型.

對現有橋梁的評估方法作了簡要介紹,重點討論了常用的bp人工神經網絡模型,并將bp模型應用到橋梁結構檢測評估中,指出人工神經網絡在橋梁結構的檢測評估方面一定有很好的發展前景。

人工神經網絡模型描述

針對電力系統短期負荷預測的特點,以及人工神經網絡的自學習和復雜的非線性擬合能力,將人工神經網絡的bp、elman、rbf三種模型用于短期負荷預測,建立了短期電力負荷預測模型,綜合考慮氣象、天氣等影響負荷因素進行短期負荷預測。某電網實際預測結果表明,rbf比bp、elman有更好的預測精度,更快的速度。

以標準漸開線直齒輪齒根彎曲模型為例,就目前還無法用公式來計算的輪齒形變,利用人工神經網絡的快速、非線性映射的特性來數字模擬輪齒形變,并利用labview為平臺,開發了一套基于人工神經網絡的工程建模和計算的仿真模擬系統軟件.通過對軟件的實際運行,取得了較好的效果.

研究目的:本文以天津市河北大街混合梁斜拉橋為工程背景,基于人工神經網絡模型,提出適用于混合梁斜拉橋的分步識別方法,分別采用概率和徑向基函數神經網絡對子結構和鋼主梁子結構局部構件進行損傷識別。此外還提出適用于鋼主梁局部構件識別的動-靜組合損傷指標,并建立相應的徑向基函數網絡模型,分別針對單損傷、雙損傷和三損傷的不同損傷情況進行數值模擬。研究結論:識別結果表明:(1)本文所提出的分步識別方法具有較高的識別精度,網絡識別速度快,適用于大型混合梁斜拉橋的智能診斷過程;(2)所提出的動-靜組合損傷指標對混合梁斜拉橋的局部損傷識別也較為敏感;(3)單處損傷測試工況中,識別精度幾乎高達100%;(4)在兩處和三處損傷測試工況中,位置識別正確率分別達到82.61%和78.3%。

基于人工神經網絡的軟件質量評價

根據建筑物實測沉降利用人工神經網絡理論,建立了前饋網絡預測模型并提出新的學習算法,結合某建筑物糾偏工程實例對建筑物沉降進行了預測.預測結果表明神經網絡方法是可行且有效的.

鑒于前人推導的鎬形截齒破巖截割阻力和截割比能耗的理論公式計算值與實際值相差較大以及最優截槽寬沒有定量表示,文中選取巖石密度、單軸抗壓強度、抗拉強度、靜態彈性模量等為影響因子,建立了bp預測網絡模型,并利用此模型對我國常見的4種巖石鎬形齒截割參數進行了預測。檢驗及預測的結果表明建立的預測網絡運行穩定,預測結果良好,對截割力的預測優于理論計算結果,對截槽寬和截割厚度最優比值、截割比能耗的預測結果良好,相對現有理論的計算和經驗公式計算精度有了很大提高,能更好的滿足工程要求。

探討了礦井構造定量評價的人工神經網絡方法,結合東坡井田討論了bp模型的輸入層、隱含層和輸出層的構置和優選等問題,利用東坡井田已知資料使用有序地質量最優分割方法和插值法得到學習樣本,經過學習樣本的訓練,對未知單元進行評價。

提出基于人工神經網絡的基礎最終沉降的預測新方法,通過工程實例應用,在較短的實測資料情況下,可獲得較小誤差的最終沉降量,所建立的模型預測精度高。

工程造價估算是招標投標中的重要一環，為了探討神經網絡在工程造價估算中的應用，利用神經網絡建立了工程造價估算的模型。實例分析表明，基于神經網絡的工程造價估算方法是可行的，估算結果是可靠的。

為在繼電器的設計和生產階段通過多個評價指標評價其整體品質,研究了多層次綜合評判模型的可計算性。該模型依據電器產品設計方案關于技術性能和成本的綜合評價指標體系,并通過對神經網絡原理的評判方法的研究而建立。實例證明,人工神經網絡的出現為處理各種模糊的、數據不完全的、模擬的、不精確的模式識別問題提供了一個全新的途徑。

造價估算是建筑工程項目可行性研究中關鍵性的工作,其結果直接影響投資決策的判斷。針對現行造價估算方法存在未考慮造價的動態性且受主觀因素影響的缺陷,引入人工神經網絡理論,根據其基本原理,結合影響住宅工程造價的主要因素,利用matlab平臺建立了造價估算的數學模型,并用重慶市區已建典型工程資料對模型進行了訓練和檢驗,證明了此方法的可行性。

文章針對會計要素信息確認方式的滯后性,分析了傳統erp系統下財務業務一體化模塊會計數據自動轉化的流程,提出利用人工神經網絡這一智能化理論工具進行會計確認的新方法,該思路能充分發揮現代信息技術在數據處理上的優勢,實現更高效的會計核算信息處理.

自1980年我國開始實施住宅制度改革以來,商品住宅價格的確定已成為我國住宅市場的核心問題,也是各級政府房地產業宏觀管理與調控的指示燈,商品住宅價格的變化直接關系到廣大消費者的切身利益,是社會關注的熱點問題。因此,本文從市場價格的確定機制出發,尋求影響商品住宅價格的因素,并采用bp人工神經網絡定量分析這些影響

在灌區改造規劃資料統計的基礎上,擬建了一套涵蓋較全面的指標和指標分級體系,利用附加動量/自適應學習率的改進bp算法,建立一個人工神經網絡綜合評價模型,并對二個實際灌區進行評價。模型具有突出體現目標、靈敏反映差異,收斂快等特點。

提出一種使用人工神經網絡技術來估計紅外圖像背景的快速算法,并利用紅外圖像中弱小目標的特性來構建目標模型,采用中心重合的大、小兩個窗口,用大窗口的外層來估計目標周圍的背景,即隱含層第一個結點的輸出值,大窗口內的小窗口則是用來估計中心像素的特性,即隱含層第二個結點的輸出值,用隱含層第二個結點減去第一個結點的差的大小來判斷中心像素是屬于目標還是背景,差值越大輸出值越大。采用該思想訓練網絡權值,可以更好地檢測真目標,剔除虛假目標。

使用pcl(patrancommandlanguage)實現了patran環境下的機翼參數化模型。其優化模型包含兩類設計變量:幾何位置變量和幾何尺寸變量。在采用nastran軟件實現幾何尺寸優化的基礎上,結合均勻試驗設計方法,利用神經網絡的高度非線性映射功能,建立了目標函數與位置設計變量的映射關系。在matlab環境下,編寫了使用改進的可行方向法的優化程序,并對翼梁位置完成優化,最終完成了整個機翼的布局優化設計。可以看出,將參數化建模與神經網絡功能結合進行結構優化,能更好地發揮神經網絡的映射功能,使優化結果更加精確、高效。所提方法可以解決在patran環境下的復雜結構位置變量優化問題,彌補了該軟件的不足之處,具有很好的應用推廣價值。

介紹人工神經網絡技術,建立了人工神經網絡的典型模型。應用bp算法的泛化功能,將輸入輸出樣本進行訓練,不斷學習調整網絡權值,使網絡實現給定的輸入輸出映射關系,以達到檢測流量異常的目的。