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：摘要本文主要研究基于BP神经网络的电力负荷预测，首先对BP神经网络理论进行了分析，阐述了BP神经网络结构和学习算法，然后重点研究基于BP神经网络的电力负荷预测，包括历史数据的选取及预处理、负荷数据的归一化处理、BP神经网络的拓扑结构、BP神经网络学习参数的选取以及预测误差的分析，在实际验证中取得了良好的效果。

简介：在含富水带山岭地区的隧道工程建设中,往往引起隧道内涌水,不但影响施工安全,还会影响到隧道建成后运营质量,必须采取超前预报和措施,保证工程质量。此文以某在建隧道6个里程段的地质构造和涌水情况为样本,通过建立BP神经网络模型,对隧道内的涌水量进行预测,并与实测涌水量进行比较。所得结果表明,最大相对误差在10%以内,平均为3.8%,符合工程要求。可为隧道施工提供采取有效措施的依据。

简介：

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：摘要结合某盾构施工地表沉降监测数据，利用Peck公式对地表的横向沉降曲线进行拟合，提取地表沉降槽最大值Smax及沉降槽宽度系数i。利用双层BP神经网络建立分析模型，将对应监测断面的地层参数以及施工工况作为输入参数，沉降槽最大值以及沉降槽宽度系数i作为输出值，选取数据作为样本进行训练，达到误差要求后运用此模型能够有效预测不同地层、不同工况下的地表沉降情况。

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：摘要随着电网发展，集控站模式兴起。运行部门精准地预测倒闸操作所需要的时间，可以大大提高供电可靠性，提升运行人员的工作效率。本文结合现有的集控站模式，提出了BP神经网络法，帮助运行人员合理预测操作所需时间。

简介：文章在介绍小波神经网络优点的基础上,提出了将小波神经网络优异的逼近能力应用于非线性系统预测控制的方案,并建立了预测控制系统的数学模型,通过仿真实验比较小波神经网络和同等规模BP神经网络的性能,对于非线性系统的预测控制具有一定的参考价值。

简介：针对VTS水域船舶交通流随机性大、影响因素多的特点,选择基于小波神经网络的时间序列预测方法,建立船舶交通流预测模型。该预测方法对海事部门提高VTS水域通航效率和服务水平具有一定的参考意义。

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：对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

简介：选取厦门港海沧港区软基处理工程为例，针对试验区吹填淤泥的工程特性，运用浅表层快速加固处理技术对其进行加固处理，详细介绍了该项技术的技术思路、作用机理以及与真空预压法的区别，评价这项技术的加固效果。然后利用Matlab软件编制了BP网络、RBF网络，Elman网络时序预测模型程序对加固后试验区的沉降量进行预测研究，从预测结果看，Elman网络的预测精度最高，其次为BP网络，相对最差的是RBF网络，Elman网络的反馈型网络结构使其具有更好的时序预测能力。

简介：BP神经网络算法具有很好的非线性推理能力及优越的自组织、自适应、容错性能。利用该方法对高层建筑地基沉降数据进行分析,可不考虑地基沉降影响因素与沉降之间的对应关系,而直接根据已知时间内实际沉降数据构建模型对未知时间的沉降进行预测推理。将该方法应用于西安市某高层建筑的地基沉降数据预测分析,并与多项式拟合方法的分析结果进行对比可知,BP神经网络的非线性预测推理能力更强,应用前景广阔。

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

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。

简介：近年来，随着我国火电厂锅炉机组建设规模的不断扩大及机组参数和容量的不断提高，火电厂对于其水处理的过程提出了更高的要求。因此，很多火电厂企业对自动化控制系统的应用需求越来越迫切。传统的电厂自动化水处理系统包括凝结水加氨处理、给水加氨处理及给水加联氨处理等过程，但是这些系统通常过程时滞较大、有较强的非线性特征并且过程具有时变性。因此，在火力发电厂中，水处理自动控制系统的投入率非常低。

简介：针对传统交通控制与诱导模型及算法的不足，提出了具有中心协调系统（CCOS）的交通控制与诱导协同模型。利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合，并采用神经网络技术构建基于神经网络的交通控制诱导协同模型，同时对模型的参数进行了确定。。通过典型的路网进行仿真实验和对比分析，实验验证了该模型具有可行性和有效性。