导读:本文包含了神经网络模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,模型,卷积,算法,深度,经济指标,电量。
神经网络模型论文文献综述
张品一,梁锶[1]（2019）在《基于ADGA-BP神经网络模型的金融产业发展趋势仿真与预测》一文中研究指出为了对新常态多目标条件下金融产业发展趋势进行仿真和预测,本文基于经济稳定增长、经济结构优化和创新驱动这叁个目标以及金融产业发展速度与质量的相关变量,构建自适应遗传算法优化BP神经网络模型。对2016年叁个目标进行敏感性调控,发现金融产业发展速度受经济结构优化目标的影响最大,受经济稳定增长目标的影响其次,受创新驱动目标的影响最小;而金融产业发展质量受叁个目标的影响强度相反。并且对2017—2019年金融产业发展趋势进行预测,发现金融产业发展速度将大幅减缓,但是金融资产的质量将逐步提高。(本文来源于《管理评论》期刊2019年12期）
丁磊明,杨晓雷,黄金波,姚剑峰[2]（2019）在《基于BP神经网络优化的改进灰色模型在电量预测中的应用》一文中研究指出经济增长与电力需求作为分析一个国家经济运行状况的两个重要指标,两者相互作用,联系紧密。用单一的预测方法预测电量无法保证高精度的预测结果,如何最大程度地提高预测精度是电力系统电量预测的研究的关键。现提出用BP神经网络算法修正灰色预测值的方法,其核心是通过分析月数据规律进行灰色预测外推得到初步预测结果,在充分考虑经济指标与电量的相互作用的情况下,利用BP神经网络对电量预测值进行修正,从而得到实用性更好的中长期电量预测结果。(本文来源于《机电信息》期刊2019年36期）
任振华,邵恩泽,雎刚[3]（2019）在《一种改进的动态过程神经网络模型辨识方法》一文中研究指出提出了一种改进的动态过程神经网络模型辨识方法,该方法在传统的模型输出与样本输出误差平方和性能指标基础上,添加了相邻采样周期模型输出变化量与样本输出变化量之差的平方和项,作为模型辨识性能指标的一部分,并给出了相应的模型辨识算法。以单元机组过热汽温为对象使用改进的方法进行神经网络模型辨识研究,仿真结果表明与传统神经网络模型辨识方法相比,在相同的辨识精度条件下,该方法可提高所建模型的数据拟合能力和泛化能力,有效提高模型的质量。(本文来源于《工业控制计算机》期刊2019年12期）
陈通,周晓辉[4]（2019）在《基于BP神经网络的深层感知器预测模型》一文中研究指出众所周知,地方财政收入是国家的重要组成部分。科学合理地预测地方财政收入,能有效克服预算收支规模的随意性和盲目性。在大数据的浪潮中,善于利用数据进行财政收入的预测与分析,将大量繁琐零碎的数据转换成有用的决策信息具有非常重要意义。目前,财政收入组合预测模型大都采用的都是叁层神经网络结构;文章结合当前财政收入组合预测方法和深层学习思想,提出了一种基于BP神经网络的深层神经网络预测模型。它是四层神经网络结构,并以西安的财政收入数据为样本,与传统的BP神经网络预测模型进行比较,证明该模型具有学习精度高、收敛速度快、预测精度高等优点,具有广泛的应用性和实用性。(本文来源于《计算机与数字工程》期刊2019年12期）
喻晗[5]（2019）在《单张图像重建人脸3D模型的卷积神经网络系统研究》一文中研究指出大多数计算机视觉和图形应用的关键是从给定的图像重建详细的人脸几何结构,例如运动捕捉和再现。因为在不同表情、姿势时,人脸变化很大,重建任务具有很大的挑战性,虽然可以通过使用多张图像来重建一个物体的表面可以降低复杂性,但是,有时候必须从单张图像中提取表面,这仍然是一个难题。为此,本文引入了一个端到端的卷积神经网络框架,该框架以由粗到细的方式导出形状来解决这个问题。(本文来源于《计算机产品与流通》期刊2019年12期）
周兰花,曾富洪[6]（2019）在《基于MIVM神经网络模型对合金组元活度的预测》一文中研究指出为了使用分子相互作用体积模型(molecular interaction volume model,MIVM)准确便捷预测出合金溶液中组元的活度,建立了活度预测的BP(back propagation)神经网络模型和算法,模型的输入层为合金溶液中组元的实验活度系数,输出层为分子对位能相互作用参数,隐含层设定为一层。采用遗传算法优化BP神经网络模型各结构参数,在遗传算法中使用合金溶液中组元的无限稀活度系数的实验值和理论值的偏差作为适应度函数,以偏差最小为目标进行优化以保证BP神经网络的有效性。最后以Pb-Bi,Sn-Bi,Sn-Pb,Fe-Cu二元合金溶液中组元活度预测为例对BP神经网络模型和算法进行验证。结果表明:组元活度预测值与实验值之间的平均相对误差均小于4%,绝对偏差小于0.78,能满足工程计算要求。(本文来源于《重庆大学学报》期刊2019年12期）
和鹏飞,刘晓宾,陈真,史旻,陈玉山[7]（2019）在《基于深度神经网络模型的钻井井漏预测研究》一文中研究指出井漏是钻井工程过程中经常遇到的复杂情况,极易引发井壁坍塌、溢流等事故。针对传统井漏研究机理复杂、边界条件考虑欠缺、随钻控制仅有监测的问题,应用大数据处理思路,采用数据关联性分析、归一化处理、离群点处理、不平衡处理等数据处理技术,优选深度神经网络模型,通过模型"创建-训练-优化"的关键技术,建立井漏预测模型方法。(本文来源于《天津科技》期刊2019年S1期）
袁荣尚,罗晓曙[8]（2019）在《基于多尺度卷积神经网络模型的手势图像识别》一文中研究指出为了解决目前利用CNN算法进行手势识别的精度不高的问题,提出一种新的算法。首先对识别的手势图片进行二值化处理,滤除手势的背景,凸显手势在图像中的权重,背景对手势识别影响降低。其次,在经典卷积神经网络模型AlexNet的基础上,提出一种多尺度卷积核的改进卷积神经网络模型。改进卷积神经网络模型采取两种卷积核进行手势特征提取,利用多尺度卷积核和双通道进行特征融合,然后利用在不同角度,不同旋转下拍摄的手势图像数据集对改进模型进行实验验证。研究结果表明,提出的算法模型在不同的角度和不同的旋转情况下对手势图像具有较高的识别率,算法的鲁棒性、识别率方面有了明显的提高。(本文来源于《现代电子技术》期刊2019年24期）
圣文顺,赵翰驰,孙艳文[9]（2019）在《基于改进遗传算法优化BP神经网络的销售预测模型》一文中研究指出随着经济的快速发展,众多企业步入科学化管理的时代.销售预测是企业经营活动中必不可少的一个环节,预测的准确性直接关系到销售经营的成败.因此提出基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型,通过该模型的预测,可以更可靠地预测企业在未来单位时间内的销售额.改良神经网络参考了同步时间序列的预测做出了自我校准,并利用遗传算法达到通过校准得到自我优化的目的,简化网络结构,提高预测的准确度.(本文来源于《计算机系统应用》期刊2019年12期）
胡克用,李云龙,江霞,李静,胡则辉[10]（2019）在《改进神经网络模型在光伏发电预测中的应用》一文中研究指出针对传统的BP神经网络模型在光伏发电功率预测中,存在着的预测精度不高、收敛速度较慢的弊端,本文提出一种改进型的BP神经网络模型,运用增加动量项以及自适应选取最佳隐含层的方法来改进传统BP模型的缺陷.文中首先进行了各类气象因素对于光伏发电功率输出影响的相关性分析,提取出最能影响光伏发电功率的6个气象因素,作为网络模型的输入,然后建立了改进型的BP网络模型,结合光伏功率输出的历史数据,来进行发电数据的直接预测;最后根据不同气候类型下的预测结果,分析并验证了采用该模型进行功率预测的可行性和有效性.(本文来源于《计算机系统应用》期刊2019年12期）
神经网络模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
经济增长与电力需求作为分析一个国家经济运行状况的两个重要指标,两者相互作用,联系紧密。用单一的预测方法预测电量无法保证高精度的预测结果,如何最大程度地提高预测精度是电力系统电量预测的研究的关键。现提出用BP神经网络算法修正灰色预测值的方法,其核心是通过分析月数据规律进行灰色预测外推得到初步预测结果,在充分考虑经济指标与电量的相互作用的情况下,利用BP神经网络对电量预测值进行修正,从而得到实用性更好的中长期电量预测结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络模型论文参考文献
[1].张品一,梁锶.基于ADGA-BP神经网络模型的金融产业发展趋势仿真与预测[J].管理评论.2019
[2].丁磊明,杨晓雷,黄金波,姚剑峰.基于BP神经网络优化的改进灰色模型在电量预测中的应用[J].机电信息.2019
[3].任振华,邵恩泽,雎刚.一种改进的动态过程神经网络模型辨识方法[J].工业控制计算机.2019
[4].陈通,周晓辉.基于BP神经网络的深层感知器预测模型[J].计算机与数字工程.2019
[5].喻晗.单张图像重建人脸3D模型的卷积神经网络系统研究[J].计算机产品与流通.2019
[6].周兰花,曾富洪.基于MIVM神经网络模型对合金组元活度的预测[J].重庆大学学报.2019
[7].和鹏飞,刘晓宾,陈真,史旻,陈玉山.基于深度神经网络模型的钻井井漏预测研究[J].天津科技.2019
[8].袁荣尚,罗晓曙.基于多尺度卷积神经网络模型的手势图像识别[J].现代电子技术.2019
[9].圣文顺,赵翰驰,孙艳文.基于改进遗传算法优化BP神经网络的销售预测模型[J].计算机系统应用.2019
[10].胡克用,李云龙,江霞,李静,胡则辉.改进神经网络模型在光伏发电预测中的应用[J].计算机系统应用.2019
论文知识图
