神经网络工具箱论文_何恒根,常郝

导读:本文包含了神经网络工具箱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,工具箱,网络,小波,抗压强度,基坑,用水量。

神经网络工具箱论文文献综述

何恒根,常郝[1](2019)在《基于MATLAB神经网络工具箱的城市燃气短期负荷预测》一文中研究指出当前受到我国经济上行和环保压力的双重影响,国内能源结构进行了调整,城镇燃气供需形势较为严峻,"气荒"和"保供"成为城市燃气企业的主题词。燃气企业需要对所在城市的用气量影响因素进行分析从而对用气结构进行优化调整。而城市燃气用气量影响因素和短期负荷预测的特点是复杂多变的,针对具有不确定性和非线性特点的燃气负荷系统本文选用BP(Back Propagation)人工神经网络的方法建立短期负荷预测模型,在MATLAB软件中人工神经网络工具箱有BP神经网络的工具函数,运用这些工具函数可以帮助实现网络设计,完成短期负荷预测测试,实验结果得到预测负荷值与实际负荷值的平均相对误差为1.97%,满足燃气企业短期负荷预测需求。(本文来源于《中国燃气运营与安全研讨会(第十届)暨中国土木工程学会燃气分会2019年学术年会论文集(上册)》期刊2019-08-28)

[2](2019)在《STM32神经网络开发工具箱将AI技术引入边缘和节点嵌入式设备》一文中研究指出意法半导体(STMicroelectronics,简称ST)借助STM32系列微控制器的市场领导地位,扩展了STM32微控制器开发生态系统STM32CubeMX,增加了先进的人工智能(AI)功能。AI技术使用经过训练的人工神经网络对运动和振动传感器、环境传感器、麦克风和图像传感器的数据信号进行分类,比传统的手工信号处理方法更加快速、高效。开发人员可以用STM32Cube.AI将预先训练的神经网络转(本文来源于《单片机与嵌入式系统应用》期刊2019年02期)

刘龙,李琳[3](2018)在《基于小波神经网络工具箱的能源总量预测》一文中研究指出提出一种采用小波神经网络预测能源生产总量的方法,将其预测结果与传统的BP和RBF网络预测结果相比较,实验表明小波神经网络具有预测过程简捷,精确度高以及预测结果稳定等优点,克服了传统神经网络的局限性和预测方法的不足。仿真实验验证了所提出方法的有效性。(本文来源于《电脑知识与技术》期刊2018年25期)

赖金燕,黄建儒[4](2018)在《水文时间序列的小波神经网络工具箱预测》一文中研究指出小波分析是傅里叶分析发展史上的里程碑式进展,具有同时揭示信号在时域和频域局部变化特征的能力,被誉为数学的"显微镜"。本文将小波分析与BP网络有机结合,提出一种小波神经网络工具箱预测水文序列的新方法,对水文时间序列进行趋势预测,并与传统的BP和RBF网络预测结果比较,实验表明小波网络工具箱预测模型对数据具有很强的适应能力,预测精确,潜在优势明显。(本文来源于《科技视界》期刊2018年16期)

崔鑫[5](2018)在《基于神经网络工具箱的能源预测》一文中研究指出准确预测能源生产总值,对社会经济健康、稳定发展具有重要理论与现实意义。本文对1978~2014年我国能源生产总量数据进行预测研究,利用RBF和BP神经网络工具箱预测、对比预测精度。实验表明,RBF神经网络工具箱优于BP神经网络工具箱的预测精度。(本文来源于《科技视界》期刊2018年13期)

刘聪,贺跃光,邵磊森[6](2016)在《基于MATLAB工具箱的基坑深层水平位移神经网络预测》一文中研究指出以实测数据为样本,采用MATLAB中神经网络工具箱,建立了深基坑围护结构深层水平位移预测模型。预测结果显示,预测值与实际监测值吻合,误差较小,两者在4 m位置处都有最大位移值,趋势一致,表明模型能较好满足工程需要。深基坑开挖过程受水文地质条件、空间几何形状、支撑结构体系、施工条件、施工荷载、基坑暴露状况和周边环境等多因素影响,各因素对变形的影响呈非线性关系,监测曲线不光滑,呈中间大、两头小,反映围护结构受支撑轴力作用,与现场轴力监测结果一致。(本文来源于《矿冶工程》期刊2016年05期)

周艳春,李树平,赵子威,沈继龙,文碧岚[7](2015)在《基于BP神经网络工具箱的城市短期用水量预测》一文中研究指出城市用水量预测受众多因素影响,具有非线性的特点。将气温、天气状况、节假日因素引入城市短期用水量预测,建立了面向MATLAB神经网络工具箱的BP神经网络预测模型。根据历史数据训练预测模型和进行仿真实验,并生成了预测数据与实际数据的拟合曲线。结果表明,BP神经网络模型在城市用水量预测中具有可靠性。(本文来源于《给水排水》期刊2015年S1期)

孔令文,胡磊[8](2014)在《Matlab神经网络工具箱NNTool在配送中心选址中的应用》一文中研究指出该文主要介绍了Matlab软件中Neural Network工具箱的NNTool的功能,并详细的介绍了如何利用NNTool工具箱实现神经网络的设计、仿真和性能分析。在此基础上以配送中心选址为例,进行了仿真研究,进而得到最佳的选址方案,结果表明利用NNTool工具箱进行仿真快速简单精确,便于修改。(本文来源于《计算机光盘软件与应用》期刊2014年06期)

高峰,郝奇亮[9](2012)在《基于MATLAB7.2神经网络工具箱的混凝土抗压强度预测》一文中研究指出为最大限度地利用回弹法和超声波法混凝土抗压强度非破损检测试验数据,应用通用数学软件Mat-lab7.2神经网络工具箱中的BP人工神经网络(BP-ANN)算法,通过优化网络结构和隐层节点数量建立了拓扑结构为2-10-1的BP-ANN模型;将其充分训练后,用于混凝土抗压强度预测。分析结果表明,混凝土抗压强度预测值与实测值的误差小于5.0%,能够满足工程需要;BP-ANN预测能力较强,具有一定的工程应用价值。(本文来源于《山西大同大学学报(自然科学版)》期刊2012年06期)

王新志,曹爽,丁海勇[10](2011)在《VB调用Matlab神经网络工具箱在测绘软件设计中的应用》一文中研究指出运用Matlab引擎技术,实现VB调用Matlab神经网络工具箱进行测绘软件设计,集成后的软件能够充分发挥两种语言的优势。并以基于BP神经网络的GPS高程转换软件设计为例,介绍VB调用Matlab及VB编写主界面的详细步骤。(本文来源于《测绘通报》期刊2011年11期)

神经网络工具箱论文开题报告

(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:

意法半导体(STMicroelectronics,简称ST)借助STM32系列微控制器的市场领导地位,扩展了STM32微控制器开发生态系统STM32CubeMX,增加了先进的人工智能(AI)功能。AI技术使用经过训练的人工神经网络对运动和振动传感器、环境传感器、麦克风和图像传感器的数据信号进行分类,比传统的手工信号处理方法更加快速、高效。开发人员可以用STM32Cube.AI将预先训练的神经网络转

(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。

神经网络工具箱论文参考文献

[1].何恒根,常郝.基于MATLAB神经网络工具箱的城市燃气短期负荷预测[C].中国燃气运营与安全研讨会(第十届)暨中国土木工程学会燃气分会2019年学术年会论文集(上册).2019

[2]..STM32神经网络开发工具箱将AI技术引入边缘和节点嵌入式设备[J].单片机与嵌入式系统应用.2019

[3].刘龙,李琳.基于小波神经网络工具箱的能源总量预测[J].电脑知识与技术.2018

[4].赖金燕,黄建儒.水文时间序列的小波神经网络工具箱预测[J].科技视界.2018

[5].崔鑫.基于神经网络工具箱的能源预测[J].科技视界.2018

[6].刘聪,贺跃光,邵磊森.基于MATLAB工具箱的基坑深层水平位移神经网络预测[J].矿冶工程.2016

[7].周艳春,李树平,赵子威,沈继龙,文碧岚.基于BP神经网络工具箱的城市短期用水量预测[J].给水排水.2015

[8].孔令文,胡磊.Matlab神经网络工具箱NNTool在配送中心选址中的应用[J].计算机光盘软件与应用.2014

[9].高峰,郝奇亮.基于MATLAB7.2神经网络工具箱的混凝土抗压强度预测[J].山西大同大学学报(自然科学版).2012

[10].王新志,曹爽,丁海勇.VB调用Matlab神经网络工具箱在测绘软件设计中的应用[J].测绘通报.2011

论文知识图

神经网络训练的误差及梯度情况基于稀疏表示方法识别大米品种举例的训练样本点仿真结果的非训练样本点仿真结果拟合值和期望值的误差关系图神经网络工具箱界面

标签:;  ;  ;  ;  ;  ;  ;  

神经网络工具箱论文_何恒根,常郝
下载Doc文档

猜你喜欢