注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 评价学生学习状况的数学模型

  2. 本文首先通过假设认为学生的整体情况应该包括每个学期整体的平均成绩、及格率、最高分、最低分、方差、标准差等多项指标有关；另一方面，通过对附件数据进行整理统计，得出每个学期的成绩分布直方图和每个分数段的频数。通过这些数据的计算与探讨，我们可以对学生的整体情况进行全面、直观、科学的说明。得出学生的整体情况为：四个学期的成绩主要分布在60—90分之间，76%同学成绩均在良好分数线以内，及格率也始终保持在90%以上，整体成绩良好。 然后利用模糊层次分析模型与BP 神经网络模型来评价每个学生的学习状况。通

  3. 所属分类：网络基础

    • 发布日期：2009-09-02
    • 文件大小：631808
    • 提供者：jkl15893027831

  1. 神经网络预测数据Neural Networks predict (MATLAB版)

  2. 使用神经网络进行预测，有BF，FF，GRNN，RBF网络等，

  3. 所属分类：网络基础

    • 发布日期：2010-01-27
    • 文件大小：5120
    • 提供者：frith

  1. 混沌背景下基于小波神经网络的弱信号检测

  2. 依据Takens嵌入定理提出了一种基于小波神经网络(WNN)的强混沌背景中微弱信 号的检测方法。该方法利用混沌系统的单变量值对混沌背景重构相空间,采用小波神经网络所具 有的强大的学习能力和非线性处理能力建立了混沌背景噪声的一步预测模型,使其与混沌背景噪 声具有相同的基本动力学特征,并通过设定合适的预测误差门限来检测掩埋在混沌背景中的有用 微弱信号。

  3. 所属分类：网络基础

    • 发布日期：2010-07-05
    • 文件大小：457728
    • 提供者：ruler1

  1. BP神经网络实现彩票预测

  2. 用反向神经网络实现彩票的预测，学习神经网络的一个号例子，神经网络代码

  3. 所属分类：网络基础

    • 发布日期：2010-07-15
    • 文件大小：3072
    • 提供者：lizengjin

  1. 基于MATLAB径向基神经网络的双色球预测

  2. 优点—— RBF神经网络有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且 学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映 射能力以及强大的自学习能力，因此在彩票等非线性大数据分析预测方面， 有着很大的应用市场。 具有局部逼近的优点 RBF神经网络是一种性能优良的前馈型神经网络，RBF网络可以任意精度逼近 任意的非线性函数，且具有全局逼近能力，从根 本上解决了BP网络的局部最优问题，而且拓扑结构紧凑，结构参数可实现分 离学习，收敛速度快。 只要在MATLAB（R201

  3. 所属分类：其它

    • 发布日期：2015-01-05
    • 文件大小：188416
    • 提供者：gordon225

  1. 混沌时间序列的小波神经网络预测方法及其优化研究(高清)

  2. 内容推荐 预测是作决策、规划之前的必不可少的重要环节 ，是科学决 策、规划的重要前提。混沌时间序列预测是预测领域 内的一个重 要研究方向。基于小波和人工神经网络的混沌时间序 列预测研究 是近几年来的研究热点，受到了特别的重视。小波神 经网络是结 合小波变换理论与人工神经网络的思想而构造的一种 新的神经网 络模型，它结合了小波变换良好的时频局域化性质及 神经网络的 自学习功能，因而具有较强的逼近能力和容错能力。 自从小波神 经网络被提出以后，它在非线性函数或信号逼近、信 号表示和分 类、系统辨识

  3. 所属分类：讲义

    • 发布日期：2019-03-08
    • 文件大小：18874368
    • 提供者：qq_38769140

  1. SOM神经网络预测方法在基坑变形中的运用

  2. 城市地铁建设正逐步进入快速有序的发展阶段,各种类型的地铁事故也时常发生。因此,在隧道基坑工程中需要一种预测方法来合理的避免事故发生。针对上海市轨道交通17号线上的某车站站所产生的深层水平位移问题,运用MATLAB神经网络工具箱仿真并建立SOM神经网络预测模型。实验结果表明,通过输入已知数据建立的SOM神经网络预测变形曲线与实测位移的绝对误差值在0.123~1.43mm之间,误差值范围小,在实际工程中是可以接受的。因此,建立SOM神经网络模型对于基坑变形问题有很好的预测能力,该方法为地下工程提供了

  3. 所属分类：其它

    • 发布日期：2020-04-30
    • 文件大小：515072
    • 提供者：weixin_38617846

  1. 基于ANN技术的济宁二号煤矿煤巷掘进前方小构造预测

  2. 济宁二号煤矿小构造发育,给煤矿生产及安全带来很大影响。针对煤巷掘进前方小构造预测难问题,根据地质理论和已掌握的地质构造规律,归纳出煤层的倾角、厚度、裂隙类型、瓦斯聚集量、涌水量、温度和破碎程度是影响小构造存在的主控因素,通过实测构造面和煤岩层中各影响因素在煤层正常区、影响区和破坏区的变化,初步建立了基于BP人工神经网络的小构造预测的非线性网络模型,并运用Matlab软件对模型进行训练和优化,得到了优化后的预测模型。并应用模型对十一采区的113下01、113下02和113下06工作面的小构造进行预

  3. 所属分类：其它

    • 发布日期：2020-04-27
    • 文件大小：1048576
    • 提供者：weixin_38711149

  1. 基于拟牛顿优化算法BP神经网络的瓦斯灾害预测模型

  2. 矿山瓦斯突出与爆炸事故的预测预报是当前我国煤矿安全生产中急待解决的问题之一。引入BP神经网络的拟牛顿(Newton)优化算法,在保留空间实体相关和多种分布并存的前提下,讨论了建立拟牛顿优化算法BP神经网络瓦斯灾害预测预报模型的数学模型设计、网络结构设计和程序设计3个部分,并以济宁二号井为实例进行了测试。结果表明:该模型稳定、快速、预测精度高,能够较好地模拟矿山瓦斯突出与爆炸事故特征,对瓦斯灾害作出较准确的预测。

  3. 所属分类：其它

    • 发布日期：2020-04-25
    • 文件大小：395264
    • 提供者：weixin_38572960

  1. 基于SVM的煤与瓦斯突出预测模型及应用

  2. 为有效预测矿井内煤与瓦斯突出的危险程度，对其影响因素做了分析与探讨，分别构建了基于粒子群优化算法以及遗传算法支持向量机的煤与瓦斯突出预测模型，并且通过实例对两种模型预测的准确性进行了验证。分别利用单项以及综合指标、BP神经网络以及PSO-SVM模型、GA-SVM模型，对寺河煤矿二号井的突出区域进行预测比较。结果表明，PSO-SVM的预测模型不仅可以在小样本数据中预测出煤与瓦斯突出程度的大小，而且综合预测结果更加精确，其在解决矿井内煤与瓦斯突出的小样本数据中显示出更加强大、通用的性能。

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：1048576
    • 提供者：weixin_38704485

  1. 地震微相识别构造软煤技术研究——以晋城寺家庄矿15号煤层为例

  2. 构造软煤的存在是发生煤与瓦斯突出事故的主要因素。为了研究构造软煤的地震识别方法,以寺家庄矿15号煤层为例,将地震资料90相移处理技术和地震微相识别技术相结合,精细预测区内构造软煤分布。经90相移处理技术后的地震剖面,其构造软煤的反射波具有平均瞬时振幅明显变弱、中心频率明显变小、平均瞬时频率明显变弱、频带宽度明显变小等特征。对经90相移技术处理的数据体进行神经网络技术处理得到地震微相分析成果图。成果图表明:研究区构造软煤主要发育于研究区西部、东南部与中部断层附近。解释成果符合构造软煤发育的地质规律

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：579584
    • 提供者：weixin_38741966

  1. 基于微信机构投资者情绪和LSTM模型的股指预测研究

  2. 基于微信机构投资者情绪和LSTM模型的股指预测研究，马思畦，肖智，首先针对投资者情绪指标量化方式问题，提出基于投资者机构微信公众号文本内容的情感分类作为量化指标，引入长短期记忆神经网络模

  3. 所属分类：其它

    • 发布日期：2020-03-09
    • 文件大小：885760
    • 提供者：weixin_38718262

  1. 16-1泰坦层克号旅客生存预测案例分析与数据处理.zip

  2. 其实无论多么复杂的问题，都是万变不离其宗，在深度学习方面更是这样，就是模拟人类的神经网络，通过多层的处理和优化，进一步达到与真实值相近的程度。 步骤： 1、数据预处理 2、建立模型 3、开始训练 4、评估模型准确率

  3. 所属分类：深度学习

    • 发布日期：2020-01-11
    • 文件大小：4096
    • 提供者：AM_HA

  1. 基于测井资料的BP神经网络的煤体结构预测

  2. 基于柿庄南3号煤层测井和钻井岩芯数据,结合地质强度因子对煤岩煤体结构进行定量表征,通过因子分析完成对声波时差、体积密度、自然伽马、井径、补偿中子以及深层向电阻率测井曲线的优选,并将其结果作为模型输入参数,利用BP神经网络方法,建立了该地区的煤层煤体结构GSI值的预测模型。预测数值与目标数值具有高度的吻合度,并再次利用多元线性回归方法进行对比。结果表明,BP神经网络方法具有更好的适用性,为以后煤体结构预测模型的建立提供了新思路。

  3. 所属分类：其它

    • 发布日期：2020-05-29
    • 文件大小：1048576
    • 提供者：weixin_38675506

  1. BP神经网络在隧道基坑工程中的实际运用

  2. 依据昆明轨道交通三号线东标段二工区省博物馆站在施工过程中基坑开挖所产生的深层水平位移问题,基于MATLAB神经网络工具箱仿真并建立BP神经网络模型,预测位移曲线可以通过输入已知数据建立。在实际工程中对该模型的合理性进行检测,实测数据表明,此BP神经网络模型对于深层水平位移问题有很好的预测能力。

  3. 所属分类：其它

    • 发布日期：2020-05-28
    • 文件大小：285696
    • 提供者：weixin_38719719

  1. BP人工神经网络反演在煤层厚度预测中的应用

  2. 受古河流冲刷的影响,潞宁煤矿2号煤层厚度变化相对较大,为0.35~6.8 m。为了提高煤层厚度预测精度,圈定古河流冲刷带,采用了BP人工神经网络反演的方法,通过计算提取地震属性的相关系数、互相关分析及有效性分析等方法优选出独立敏感的地震属性,利用优选后的地震属性与钻孔数据综合训练,建立了煤层厚度预测模型,定量预测了勘探区煤层厚度变化趋势,结合煤层厚度预测结果和地震时间剖面圈定了区内的古河流冲刷带范围。结果表明,BP人工神经网络反演方法为煤层厚度的预测提供了一种新的方法。

  3. 所属分类：其它

    • 发布日期：2020-06-02
    • 文件大小：1048576
    • 提供者：weixin_38526751

  1. 基于Adaboost的改进BP神经网络地表沉陷预测

  2. BP神经网络可以解决地表沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试，经过多次迭代，将每个BP神经网络作为一个弱预测器加权组合，形成强预测器，并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明：Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm，平均相对误差为5.82%，

  3. 所属分类：其它

    • 发布日期：2020-05-31
    • 文件大小：1048576
    • 提供者：weixin_38680811

  1. 基于Elman神经网络的盾构滚刀磨损预测方法研究

  2. 为了解决盾构在复合地质掘进时滚刀磨损检测的难题,提出一种采用Elman神经网络预测盾构滚刀磨损状况的方法。利用滚刀换刀后正常磨损阶段的盾构掘进参数数据,建立Elman神经网络预测模型,根据依此模型得到的预测掘进速度与实际掘进速度的偏差来预测滚刀的磨损状况。文中分析了滚刀磨损影响因素,确定了Elman神经网络预测模型结构,给出了滚刀磨损判断依据。结合广州地铁五号线草淘区间左线盾构工程项目研究表明,预测结果与实际换刀情况相符。该方法建模简单,模型有效且适应性强,研究结论可为类似地质条件下的盾构滚刀磨

  3. 所属分类：其它

    • 发布日期：2020-06-27
    • 文件大小：977920
    • 提供者：weixin_38669729

  1. Awesome-GNN-Recommendation:图神经网络-源码

  2. [目录] 介绍 作为一种强大的图形表示学习方法，图形神经网络已广泛用于各种场景中，例如NLP，CV和推荐系统。 据我所知，图挖掘与推荐系统高度相关。实际上，将一项推荐给一个用户是用户项图上的链接预测。 该存储库主要包括三个部分： 图神经网络 基于GNN的推荐 GNN相关资源材料，纸张和代码 GNN或推荐数据集 我们还有一个微信公众号，提供一些有关GNN和推荐的材料。 欢迎您加入我们，为GNN和Recommendation提供任何贡献！这是供稿者使用的模板： [ID] Authors. **Pa

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_42135773

  1. 基于网络聚类选择的神经网络集成方法及应用

  2. 摘要：面向农作物精准施肥量确定问题,提出一种基于复杂网络聚类选择的神经网络集成方法。在该方法中,首先采用回放取样方法来生成多个神经网络个体,其次利用网络聚类算法FEC从这些神经网络个体集中选出部分个体,再次对选出的神经网络个体分别用线性加权方法和非线性方法进行集成,最后对两个集成结果进行融合得到预测结果。于2008年在吉林省榆树玉米试验田七号地对该方法进行了应用。实验结果表明：该方法不仅优于传统的施肥模型、神经网络线性加权集成和神经网络非线性集成方法,而且还具有较强的泛化能力。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：719872
    • 提供者：weixin_38570278
« 12 »