bp神经网络的应用例子
@充蒲3774：BP神经网络在土木工程中有哪些应用? -
哈复18323332507…… 【热心相助】 您好!BP神经网络在土木工程中的应用很多.1.BP神经网络在岩土工程中优化2.BP神经网络在桥梁施工控制中的应用3.BP神经网络在现场混凝土强度的预测应用4.BP神经网络在工程项目管理中的应用5.在分岔隧道位移反分析中的应用6.神经网络智能算法在土木工程结构健康监测中的应用7.BP人工神经网络在深层搅拌桩复合地基承载力计算中的应用8. BP神经网络在房地产投资风险分析中的应用 9.BP人工神经网络在青藏铁路南段地壳稳定性定量评价中的应用10.基于神经网络的土木工程结构损伤识别
@充蒲3774：BP神经网络在都某些疾病影响因素上的应用,一般怎么应用,比如肾炎..有没有具体例子?~?
哈复18323332507…… 我想你做的应该是用BP神经网络来判断肾炎等病症吧,你可以考虑哪些因素是肾炎的表现,将这些因素作为BP神经网络的输入数据,肾炎和非肾炎作为神经网络的输出数据,通过构建的输入和输出数据集来训练BP神经网络,只是给你提一个简单的思路,不知道对你有没有用.
@充蒲3774：基于MATLAB的BP神经网络在图像处理中的应用
哈复18323332507…… 在加工每一针前根据设定轨迹、运动参数、物料材质、当前加工位置等先用BP神经网络得到加工点粗略的变形量,对加工轨迹进行预补偿.加工时动态采集加工点的局部图像,经数字图像处理得到加工点实际坐标与设定坐标的偏差值,一方面将所得值作为神经网络的输出样本,结合相关参数对神经网络进行在线培训,另一方面将此偏差值与加工点设定坐标之和(即加工点实际坐标)用神经网络的输出进行预补偿,求出其与针头实际位置的差值作为PID控制器的输入,从而提高控制系统的动态特性,实现快速精确绗缝的自动化加工.
@充蒲3774：哪些神经网络可以用在图像特征提取上 -
哈复18323332507…… BP神经网络、离散Hopfield网络、LVQ神经网络等等都可以.1.BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一....
@充蒲3774：神经网络的应用及实例有哪些?
哈复18323332507…… 比如通过训练自主组合的多层感知器可以区分正常心跳和非正常心跳、基于BP网络的波形分类和特征提取在计算机临床诊断中的应用
@充蒲3774：BP神经网络的应用不足 -
哈复18323332507…… 神经网络可以用作分类、聚类、预测等.神经网络需要有一定量的历史数据,通过历史数据的训练,网络可以学习到数据中隐含的知识.在你的问题中,首先要找到某些问题的一些特征,以及对应的评价数据,用这些数据来训练神经网络.虽然...
@充蒲3774：在看了案例二中的BP神经网络训练及预测代码后,我开始不明白BP神经网络究竟能做什么了... 程序最后得到 -
哈复18323332507…… 网络的训练过程与使用过程了两码事.比如BP应用在分类,网络的训练是指的给你一些样本,同时告诉你这些样本...
@充蒲3774：用Matlab编程BP神经网络进行预测 -
哈复18323332507…… 原理就是:建立网络-数据归一化-训练-预测-数据反归一化.附件是电力负荷预测的例子,可以参考.BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer).
@充蒲3774：人工神经网络的例子,两三个就可以了... -
哈复18323332507…… 基于MATLAB的神经网络编程(1)编程理论作为比较成熟的算法,软件Matlab中有神经网络工具箱,所以可以借助Matlab神经网络工具箱的强大功能,在此基础上进行二次开发,从繁琐的编程工作中解脱出来,大大提高工作效率.Matlab的神...
@充蒲3774：BP神经网络算法的介绍 -
哈复18323332507…… BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer).
哈复18323332507…… 【热心相助】 您好!BP神经网络在土木工程中的应用很多.1.BP神经网络在岩土工程中优化2.BP神经网络在桥梁施工控制中的应用3.BP神经网络在现场混凝土强度的预测应用4.BP神经网络在工程项目管理中的应用5.在分岔隧道位移反分析中的应用6.神经网络智能算法在土木工程结构健康监测中的应用7.BP人工神经网络在深层搅拌桩复合地基承载力计算中的应用8. BP神经网络在房地产投资风险分析中的应用 9.BP人工神经网络在青藏铁路南段地壳稳定性定量评价中的应用10.基于神经网络的土木工程结构损伤识别
@充蒲3774：BP神经网络在都某些疾病影响因素上的应用,一般怎么应用,比如肾炎..有没有具体例子?~?
哈复18323332507…… 我想你做的应该是用BP神经网络来判断肾炎等病症吧,你可以考虑哪些因素是肾炎的表现,将这些因素作为BP神经网络的输入数据,肾炎和非肾炎作为神经网络的输出数据,通过构建的输入和输出数据集来训练BP神经网络,只是给你提一个简单的思路,不知道对你有没有用.
@充蒲3774：基于MATLAB的BP神经网络在图像处理中的应用
哈复18323332507…… 在加工每一针前根据设定轨迹、运动参数、物料材质、当前加工位置等先用BP神经网络得到加工点粗略的变形量,对加工轨迹进行预补偿.加工时动态采集加工点的局部图像,经数字图像处理得到加工点实际坐标与设定坐标的偏差值,一方面将所得值作为神经网络的输出样本,结合相关参数对神经网络进行在线培训,另一方面将此偏差值与加工点设定坐标之和(即加工点实际坐标)用神经网络的输出进行预补偿,求出其与针头实际位置的差值作为PID控制器的输入,从而提高控制系统的动态特性,实现快速精确绗缝的自动化加工.
@充蒲3774：哪些神经网络可以用在图像特征提取上 -
哈复18323332507…… BP神经网络、离散Hopfield网络、LVQ神经网络等等都可以.1.BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一....
@充蒲3774：神经网络的应用及实例有哪些?
哈复18323332507…… 比如通过训练自主组合的多层感知器可以区分正常心跳和非正常心跳、基于BP网络的波形分类和特征提取在计算机临床诊断中的应用
@充蒲3774：BP神经网络的应用不足 -
哈复18323332507…… 神经网络可以用作分类、聚类、预测等.神经网络需要有一定量的历史数据,通过历史数据的训练,网络可以学习到数据中隐含的知识.在你的问题中,首先要找到某些问题的一些特征,以及对应的评价数据,用这些数据来训练神经网络.虽然...
@充蒲3774：在看了案例二中的BP神经网络训练及预测代码后,我开始不明白BP神经网络究竟能做什么了... 程序最后得到 -
哈复18323332507…… 网络的训练过程与使用过程了两码事.比如BP应用在分类,网络的训练是指的给你一些样本,同时告诉你这些样本...
@充蒲3774：用Matlab编程BP神经网络进行预测 -
哈复18323332507…… 原理就是:建立网络-数据归一化-训练-预测-数据反归一化.附件是电力负荷预测的例子,可以参考.BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer).
@充蒲3774：人工神经网络的例子,两三个就可以了... -
哈复18323332507…… 基于MATLAB的神经网络编程(1)编程理论作为比较成熟的算法,软件Matlab中有神经网络工具箱,所以可以借助Matlab神经网络工具箱的强大功能,在此基础上进行二次开发,从繁琐的编程工作中解脱出来,大大提高工作效率.Matlab的神...
@充蒲3774：BP神经网络算法的介绍 -
哈复18323332507…… BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer).
