神经网络与遗传算法在土钉支护优化设计中的应用

近年来,由于智能化方法———人工神经网络和遗传算法所具有的种种优点,其理论和应用研究受到了越来越多学者的关注,针对目前土钉支护优化设计中计算工作量大和求解时间长的问题。文章提出了将神经网络与遗传算法结合进行求解的思想,该方法具有仿生模型的非线性处理优势和遗传进化功能,克服了传统方法容易陷入局部最优解的缺点,是一种全局最优解。经算例研究结果表明,该法可大大减少求解时间,而且具有良好的寻找效果。     

基于BP神经网络的非致命武器研发费用预测

装备的研发费用预测是装备全寿命周期费用估算的重要组成部分.本文针对非致命武器的自身特点,引入BP神经网络,用此模型对非致命武器的研发费用进行估算和预测.通过分析,BP神经网络模型具有较高的建模精度,预测方法和结果对非致命武器的研发费用具有一定的参考作用.     

一种加强区分的深度人脸识别训练方法

作为AI+公安视频分析落地应用最具代表性的技术之一,得益于深度卷积神经网络算法和海量的人脸训练数据,人脸识别技术水平近年来得到了快速提升。在众多的卷积神经网络技术中,大多使用SoftMax损失函数作为监督信号来训练深度模型。为了能够增强特征的区分性,受到中心损失函数的启发,结合类内和类间距离,提出中心扩散损失函数。该方法在学习深度特征的同时,不仅能够压缩同一类内不同特征之间距离,而且还可以增大类与类之间的距离,从而使学习到的特征具有高度的区分性。通过将SoftMax损失函数与中心扩散损失结合使用,该方法在不同的权重下,不仅压缩类内特征的距离还扩散类间的距离,保证类与类之间的可分性。使用CASIA~[15]以及FaceScrub~[17]对模型进行训练,并在LFW~[16](Label Faces in the Wild)数据库上进行测试,该方法可以达到99.4%的准确率。在公安检查站的人脸证件照验证实战数据集上进行测试,在错误接受率为0.1%时可以达到94.9%的正确接受率。相比现有深度学习人脸识别算法,本方法在复杂监控环境下具有更强的环境适应能力和相似人员区分能力。     

BP神经网络在城镇基准地价中的应用

人工神经网络模型是一类由大量基本信息处理单元通过广泛连接而构成的非线性的、动态的信息处理系统，具有非线性、非局限性、非定常性以及自组织性、自适应性、自学习性，可以用于不同的地价种类、不同用途的地价评估，弥补传统地价评估方法的缺陷，具有加大的优越性。     

基于径向基神经网络的寿险公司财务预警研究

采用径向基神经网络模型,选取我国保险行业中80家寿险公司2005年-2008年的混合非平衡面板数据作为研究样本,从资本充足性、盈利能力、资产质量、成长能力四个角度对寿险公司财务预警进行研究。实证表明,在我国保险业样本量不多、有效数据不多的情况下,此模型可以为保险公司的财务预警提供更有效的信息,并且有着良好的运用前景。     

概率神经网络在农户信用评估中的应用研究

科学的信用风险评价与管理对提高金融机构的信贷资产质量有着非常重要的意义。在我国,农户小额贷款因其高昂的交易成本和薄弱的信用基础,不可避免地存在个人信用评估上的困难和局限,使得金融机构在发放贷款时难以准确甄别合格客户。在当前农村征信制度逐步深入的背景下,采用概率神经网络(PNN)的方法,通过对湖北调查的数据信息所反映的农户信用状况进行拟合和预测,取得了较好的效果。该方法不仅为今后科学化、规范化、智能化和统一化管理农户信贷提供了一个新视角,而且可与传统专家评估相结合,从而有效提高农村信用社对信用风险和流动性风险的防范能力。     

城市公共交通服务质量评价神经网络模型

为了科学评价城市公共交通的服务质量,首先建立了城市公共交通服务质量评价指标体系,给出了结合AHP层次分析法和ABC分类法筛选指标的方法,最后设计了改进神经网络模型评价步骤。     

BP神经网络股指预测模型

本文通过建立BP神经网络预测模型,对2001年上证指数的周收盘价进行了短期的预测,经过实验比较,发现该模型的收敛速度快,学习能力强,预测精度较高,误差率较小,对股指的短期预测十分有效。     

怕与悔

传说中一位修行者在临终前交给跟随他的徒弟两封信,一封嘱咐他徒弟等他离世后拆,另一封让他徒弟到自己临终前才拆。修行人辞世而去。徒弟独自上路,面对苍茫的人世莫知的未来,他拆开了第一封信,发现里面只有三个字:"不要怕。"     

PDP理论及其在心理学中的应用

并行分布加工理论,即PDP理论,是认知心理学在20世纪80年代兴起的一种新的理论范式和研究取向。从PDP理论的历史演变入手,介绍了PDP理论中的基本框架结构以及其主要研究领域。同时,还介绍了PDP在心理语言学和视知觉方面的应用。最后,我们对PDP的优点、局限性以及其未来的走势进行了相应的探讨。