简介：摘要：广义线性模型是监督学习中常用的模型，其中最小二乘法模型、岭回归模型、Lasso模型是广义线性模型中非常重要的模型，本文首先从原理及数学表示方面介绍了以上3种模型的特点，然后介绍了模型在Scikit-learn中的应用，最后介绍了3种模型的优缺点以及应用场景。

简介：对神经网络应用于数字水印技术进行了改进,选择了一种DWT变换嵌入算法的BP四层模型作为神经网络的训练模型,它能更好地实现了水印的盲提取。实验结果表明,该算法对常用的图像处理如压缩、低通滤波、加噪、剪切、旋转和缩放等攻击具有较好的鲁棒性和不可见性。

简介：运用TRAINGDX训练函数对标准BP神经网络进行改进．根据2012年《四川省统计年鉴》相关数据，利用影响国内生产总值（GDP）的6个主要因素，借助Matlab软件平台，建立了6：5：1的三层BP神经网络GDP预测模型，实现四川省GDP值的预测．改进后BP神经网络预测相对误差在1％以内，仿真结果同模型外推法比较，预测精度较高．

简介：摘要:改进的向量生成模型和特征提取模型分别从融合后的环境体系中对关键词深层解读。通过CNN建模指代特征提取，以向量矩阵作为输入，融合后的分向样本作为输出集合多义词样本循环多层分向提取。模型内部特殊采用分向相对卷积思想，保留了空间信息内的词语完整释义。向量化指代分析中采用改进CBOW模型的PYP算法，观测每个单词的参数分布，模拟上下文窗口结构，加入权重系数验证结构和内容的概率分布可行。

简介：基于T-S模糊模型提出了一种易于推理的神经网络结构。讨论了其自学习算法，并给出了用于模糊推理的估值算法和三级知识表示方法，实例说明了其应用价值。

简介：为了科学合理地对个人信用进行分级评价,本文提出了一种基于离散Hopfield神经网络的个人信用评价模型.由于离散Hopfield神经网络结构特征,使得其学习的过程可以演化到稳定状态,能够模拟生物神经网络的记忆机理,弱化评价中的人为因素,提高评价结果的准确性和权威性.同时借鉴美国FICO信用评分表的12个影响因素作为个人信用评价指标,把个人信用等级分为A,B和C三个等级,构建离散Hopfield神经网络个人信用评价模型.将3个待分类的个人指标数据进行仿真实验,结果表明该模型能够对个人信用进行有效的分级评价.

简介：文章通过BP神经网络对山西省农民人均纯收入进行预测,根据1994年-2013年山西省农民人均纯收入及影响收入因素值数据建立了两种预测模型,并采用MATLAB软件实现了模型的构建、训练和仿真。仿真结果表明,预测模型具有较好的拟合度。

简介：摘要：本项目提出了一种基于卷积神经网络的端到端MOOCs学习者辍学预测模型。卷积神经网络的广泛应用证明了其强大的特征提取能力，本课题尝试将卷积神经网络用以对MOOCs学习者的学习行为数据进行有效特征的提取，并将特征提取和分类整合到一个框架中，通过它们的协同学习来提高模型的预测能力。

简介：本文系统的论述了模糊控制，神经网络以及模糊神经网络的发展及现状，探讨了模糊神经网络发展当中的一些问题，指出了模糊神经网络现阶段存在的不足与发展方向。

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：翻转课堂作为新型教学模式得到广泛关注，然而对于其课堂教学质量的探讨还较为缺乏。本文针对翻转课堂教学模式提出了翻转课堂教学质量评估体系指标，并基于BP神经网络构建了翻转课堂教学质量评价模型。将搜集到的样本运用MATLAB进行仿真模拟，实验结果表明，实际评价结果与该方法评价结果误差较小，该评价模型具有一定的推广及参考价值。

简介：针对手工提取网络上传数据过程烦琐、工作量大的问题,提出一种融合双重BP神经网络组合模型（AcombinationmodelofdualBPneuralnetwork,CMDBPNN）的Python解析计算机网络上传数据算法.该算法对BP神经网络组合模型的空间实施网络化处理,且对于网络单元中的信息也可以借助相似的方法来进行记录,依据优化之后的金字塔时间结构对其中潜藏的网格单元来实施有效的存储,以实现Python解析计算机网络上传的数据算法.最后,利用真实数据集与仿真数据集进行实验.结果表明：该算法具有良好的适用性和有效性.

简介：通常神经网络的运用是仅在数据驱动机制下的训练和泛化．而运用领域知识对神经网络的输出进行分析能弥补模型结果指向性下明确或解释性下准确的缺点，能加速逼近搜索，提高质量预测的效果．通过对比前向网络和基于领域知识的前向网络的预测误差发现基于领域知识的前向网络的预测结果更好．在不同的焦炭质量参数上看M_25的预测效果最好，前向网络和基于领域知识的前向网络平均预测误差分别为3．20％和2．12％；而CRI的预测效果最差，平均误差分别为6．36％和3．35％．

简介：摘要：随着我国社会主义市场经济建设的飞速发展，我国各个地方依据当地的资源优势迅速的踏上了高速前行的经济发展列车，海南岛自亚洲博鳌论坛会议、国际旅游岛、海南自贸经济特区建立以来，再次迎来了全新的发展机遇与挑战，结合海南当地的资源优势并进行优化整合，促成海南国际教育创新岛的建设和完善。本文首先对BP神经网络系统的运作原理建设进行了简单的介绍，其次通过BP神经网络模型对海南构建国际教育创新岛进行科学有效的分析和评估。

简介：绝大多数通信信号都是具有周期平稳信号特征，CAB类算法是一种基于信号周期平稳特性下的波束形成算法。但是，由于算法中存在的矩阵求逆的巨大运算量的要求是算法的实时应用性变差。本文利用TH神经网络的巨量并行性的特点来解决算法中的这一问题，实验结果表明其性能优良。

简介：本文通过对人工神经网络的基本概念特点发展等加以介绍,使读者能对作为当今尖端科技的人工神经网络技术有一定的了解与认识。

简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

简介：摘要：本文围绕基于AHP和BP神经网络的装配式建筑供应商评价模型中的指标设定、具体评估项选择、权重因子系数设定进行了介绍，供参考。

简介：随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。