简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:摘要众所周知,BP神经网络是人工智能网络中的一个典型算法,也是目前研究最为成熟的神经网络模型之一。不仅有很强的非线性映射能力,而且也是一种基于模型训练误差梯度降低的具有较强非线性映射能力的模型,它模拟了人脑神经网络的工作原理,对一系列的输入信息进行处理和传递最终得到期望的输出成果。在大坝中,其变形主要受到水位高度、温度、气压等因素的影响,这些影响因素可综合反映为大坝变形随时间而变化的规律,我们利用BP神经网络建立变形影响因子与大坝变形量之间的映射关系,从而实现对大坝变形的预测分析。供同行参考。
简介:摘要在炼铁过程中,保持合理的炉温水平是达到炉况稳定顺利、实现高炉生产“优质、高产、长寿、低耗”的直接保证。一般通过预测铁水硅含量来间接地反映炉内温度的变化,判读高炉炉缸热状态。本研究提出将BP神经网络与遗传算法(GA)相结合,建立GA-BP网络模型。
简介:为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。
简介:摘要大数据所蕴含的社会、经济、科学价值,使得其商业应用不断成功,相关大数据技术高速发展。大数据相继催生出许多新的应用、新的思维、新的方法,进而在全世界掀起大数据研究热潮。近年来,许多国家制定了各种大数据研究计划。美国奥巴马政府于2012年宣布启动“大数据研究和发展计划”,将“大数据研究”上升为美国国家意志,认为大数据如同“未来的新石油”,将对科技和经济发展带来深远影响。2013年,中国第462次香山科学会议指出大数据是数字化时代的新型战略资源,是驱动创新的重要因素,正在改变人类的生产和生活方式。同年,中国大数据产业也逐步兴起;2014年,中国国家自然科学基金委设置了大数据重点项目群,全面推动中国大数据研究;2015年,国务院发布大数据发展行动纲要,将大数据正式上升为中国国家意志,再次将大数据研究推向新的高潮。