基于粒子群算法优化BP神经网络的产品质量预测分析.docx
胜利****实阿
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于粒子群算法优化BP神经网络的产品质量预测分析.docx
基于粒子群算法优化BP神经网络的产品质量预测分析王超英钟辉摘要:产品制造的过程中存在较大的不确定性,从事前预测的角度出发,提出了一种结合现有产品合格率、合格率变化规律等相关数据,借助BP神经网络等数学建模思想,并加入粒子群算法加以改进的产品质量预测模型,此种预测模型与传统BP神经网络相比,通过与粒子群算法的优化结合,进一步提高了预测精度。关键词:BP神经网络;改进;粒子群算法;产品质量预测TP18:AAbstract:Owingtoexistlargeruncertaintyintheprocessofp
基于遗传算法优化的BP神经网络的频谱预测方法.pdf
本发明公开了基于遗传算法优化的BP神经网络的频谱预测方法,涉及频谱预测技术领域,遗传算法GA作为进化算法的一种,可以模仿自然界生物体的遗传进化过程,是一种具有多次迭代过程的搜索算法,从而能够解决一系列最优化问题。本发明参照了自然界中生物体“适者生存,优胜劣汰”的自然选择生存法则,依据某些特定的适应度函数对种群中的各个个体进行遗传中的选择、突变和交叉并进行筛选,那些适应度较好的个体就会被选择以进行利用,而那些适应度较差的个体就被舍弃。经过遗传算法所留下来的个体既拥有了之前所存在的优势,还在此基础上有了更进一
基于神经网络粒子群优化算法的地区负荷预测研究的开题报告.docx
基于神经网络粒子群优化算法的地区负荷预测研究的开题报告一、选题背景及意义近年来,随着城市人口和社会经济的不断发展,电力负荷呈现出快速增长的趋势,给电网运行带来了极大的压力。因此,对电力负荷进行准确的预测对于电力系统的运行管理和规划非常必要。在负荷预测中,传统的数学统计方法已经无法满足精度要求和实时性的要求。神经网络粒子群优化算法是一种目前应用较广泛的新型预测算法,它能够很好地解决数据非线性和不确定性问题,具有高精度和实时性的特点。二、研究目的及内容本论文主要研究基于神经网络粒子群优化算法的地区负荷预测方法
一种基于粒子群优化BP神经网络的多元合金性能预测方法.pdf
本发明的一种基于粒子群优化BP神经网络的多元合金性能预测方法,包括:步骤1:根据材料成分?性能历史数据建立数据库;步骤2:建立并训练粒子群优化BP神经网络成分?性能预测模型,以决定系数作为预测效果的评价标准;步骤3:将步骤2训练好的预测模型所得运算集带入遗传优化BP神经网络中,以决定系数作为预测效果的评价标准;步骤4:若骤3中计算的决定系数满足判定标准,则将所要预测多元合金成分以及微合金化元素数组代入步骤2获得的粒子群优化BP神经网络中完成性能预测;否则重复步骤2和3。该预测方法适用于多元合金以及微合金化
一种基于粒子群优化BP神经网络的多元合金性能预测方法.pdf
本发明的一种基于粒子群优化BP神经网络的多元合金性能预测方法,包括:步骤1:根据材料成分?性能历史数据建立数据库;步骤2:建立并训练粒子群优化BP神经网络成分?性能预测模型,以决定系数作为预测效果的评价标准;步骤3:将步骤2训练好的预测模型所得运算集带入遗传优化BP神经网络中,以决定系数作为预测效果的评价标准;步骤4:若骤3中计算的决定系数满足判定标准,则将所要预测多元合金成分以及微合金化元素数组代入步骤2获得的粒子群优化BP神经网络中完成性能预测;否则重复步骤2和3。该预测方法适用于多元合金以及微合金化