在简要介绍人工神经网络的基本特征和基本功能的基础上 ,阐明利用这些特征和功能在木材工业中可能的应用方向。利用神经网络可以预测木材干燥中木材在不同温湿度条件下的含水率、应力与应变情况和植物纤维复合材料在不同工艺条件下的性能、优化林化产品等工艺条件以及预测林产品市场的国内外走向等。

将人工神经网络应用于木材干燥控制研究中,建立可用于木材含水率预测的时延神经网络基准模型,并给出其网络辨识结构。通过3个树种的实际干燥数据对所建立的网络模型进行训练和验证,仿真结果表明预测模型是可行而有效的,具有较好的动态跟踪能力和预报特性,实现了木材干燥基准的数学模型化,对进一步优化木材干燥基准实施与控制具有重要的指导意义和应用价值。

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石...

人工神经网络在资信评估中应用比较广泛,尤其是其中的BP网络,但BP网络用于函数逼近时,权值调节采用的是负梯度下降法,这种调节权值的方法有它的局限性,即存在收敛速度慢和局部极小等缺点。而径向基函数网络无论在逼近能力、分类能力和学习速度等方面均优于BP网络。文章将RBF网络与5C评估法结合,提出一种新的企业资信评估模型。实验表明,RBF人工神经网络对企业资信评估有着良好的性能。

本研究将人工神经网络方法用于人血清荧光光谱法诊断癌症。采用反向传播神经网络方法 ,建立识别人血清荧光光谱的网络模型。参数经过训练 ,平均识别率高达 94 %。

将神经网络理论应用于企业风险评估中 ,讨论了网络结构的设计、学习算法等问题 ;计算实例表明 ,应用神经网络评估企业风险具有方便、真实、可靠的特点。

鉴于防护林体系植被类型受众多因素影响,并具有复杂的非线性特点,以近自然林业为理念,采用LM人工神经网络建立防护林体系植被类型优化模型,并用典型流域的现实数据对模型进行训练和预测验证。结果表明,用Matlab构建的模型方便、快捷,同时具有收敛速度快、预测精度高的特点,为防护林体系植被优化提供了一种行之有效的方法。

人工神经网络是近年来在经济景气分析、经济时间序列预测、组合证券优化、股票预测等领域广泛应用的一种人工智能技术,取得了良好的效果。本文提出了一种综合共轭梯度和自适应变步长的改进BP算法,并利用改进的BP算法建立了税收预测模型,通过与传统回归分析预测方法结果的比较,证明了该算法收敛速度快,学习精度高,而且有效地避免了常规BP算法的局部极小值问题。

一、人工神经网络的综合评价方法综合评价是一项复杂的多层次多目标评价活动。传统的综合评价方法存在诸多困难,因此,本文讨论的基于人工神

为了降低橄榄蛏蚌(Solenaia oleivora)规模化繁育过程中亲本性别鉴定的工作量,通过对壳长(SL)、壳高(SH)、壳宽(SW)、体质量(BW)4个性状221行数据采集并归一化处理,从原始数据中随机抽取90%的数据(199个样本)用于数据测试,并以此建立人工神经网络模型对橄榄蛏蚌进行性别预测。结果显示,建立的人工神经网络能够较好地模拟橄榄蛏蚌两种性别的数据,准确度为0.68,SH、SW、BW3个性状与性别的关系较弱,仅SL和性别表现出一定的非线性影响关系。

电力系统无功电压的优化是提高电能质量,保证电压稳定的有效而重要的手段,国内外对无功优化的研究历时已久,但系统中实时的无功优化控制仍是一大难题。人工神经网络集若干新兴学科于一体,具有强大的信息分布式存储和并行处理功能,适于解决大型复杂的非线性多变量系统的相关问题。利用人工神经网络中的BP网络,对目前愈趋复杂的电力系统的无功电压优化问题提出解决方案,避免了求解多变量非线性混合约束方程组的难题,使得问题的解决方案更简易可行。通过对IEEE-30节点系统和辽宁省某局的实际数据分析测试表明,BP神经网络应用于无功电压优化是可行的。同时,探讨了BP神经网络中的结构参数和算法参数的改进对网络泛化性能的影响,...

【目的】针对传统木材种类人工鉴定方法存在的专业性强、任务重、周期长和非实时性等问题，提出一种基于改进残差神经网络的木材识别算法，以满足木材监管实时性和高效性需求。【方法】以32种横截面打磨后的木材为研究对象，首先，利用外带微距镜头的手机采集8 975幅木材横截面图像，通过R、G、B三通道平均灰度值计算增益系数，用各通道灰度值与对应增益系数的乘积代替原始通道灰度值，消除由图像采集设备和环境差异引起的偏色影响；其次，基于木材横截面宏观结构的自相似性，采用水平翻转、垂直翻转、添加椒盐噪声和图像分块方式获取更多的训练样本和图像特征，并保证不同种类的木材图像数量相对均衡；然后，通过双线性插值法将每幅分块子图像统一缩放至224×224像素，应用基于分块梯度加权的改进残差卷积神经网络ResNet101模型对每幅子图像进行特征提取，并计算每幅图像的最终识别得分；最后，选择平均准确率和平均召回率评价不同分块处理策略、不同模型和改进的残差卷积神经网络模型的识别结果。【结果】在同一测试集上，VggNet16、GoogleNet、DenseNet、MobileNetv3、ResNet50、ResNet101和ResNet152模型对32种相似木材横截面原图进行识别，平均识别准确率分别为71.3%、81.3%、83.2%、66.4%、87.9%、92.1%和90.5%,ResNet101模型适合于木材图像特征提取和种类鉴定；基于原图5×5、7×7和10×10分块的ResNet101模型，分别获得94.8%、96.5%和95.3%的平均准确率；将分块梯度加权策略应用于ResNet101模型，获得98.8%的平均准确率和99.1%的平均召回率，较基于原图、7×7分块的ResNet101模型，采用分块梯度加权方法改进的ResNet101模型的平均准确率分别提高6.7%和2.3%,平均召回率分别提高7.4%和2.8%,分块梯度加权方法可有效提升木材识别模型的准确率。【结论】基于分块梯度加权的ResNet101模型对32种相似木材进行识别，平均准确率为98.8%;木材横截面图像可用于木材种类识别，分块梯度加权策略能够提高模型识别准确率。

利用神经网络所具有的输入-输出之间的高度非线性映射关系,给出一种利用BP神经网络模型预测木材径向导热系数的方法。为了提高网络模型的泛化能力,采用规则化调整的方法。仿真结果表明:利用文中所提出的神经网络模型能够较准确、快速地预测木材径向导热系数的变化,其精度高于推导出的木材径向导热系数的理论公式。

提出一种基于过程神经网络的木材生长轮密度长期预测方法。本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法。

环棱螺育种时,往往会出现部分个体体质量数据缺失的情况。为尽可能利用育种性能优异的所有个体的信息,采用人工神经网络对来自5个地理群体(阳澄湖、江阴、官莲湖、洪湖和仙桃)的784个环棱螺的4个形态学指标(包括壳高、壳宽、壳口高和壳口宽)和体质量数据进行训练,再使用太湖群体的261个环棱螺的相应数据进行人工神经网络模型测试,建立了用于环棱螺体质量缺失值预测的人工神经网络模型,利用该人工神经网络模型对微山湖群体的201个环棱螺缺失的体质量进行预测,并比较该方法与另外2种缺失值预测方法(即预测均数匹配法和随机森林预测法)的决定系数。结果显示,研究构建的人工神经网络模型对环棱螺体质量缺失值预测的决定系数为0.96,明显高于预测均数匹配法(0.87)和随机森林预测法(0.85)的决定系数。以上结果表明,本研究建立的人工神经网络模型可以用于环棱螺体质量缺失值的预测。