bp神经网络范文精选

[摘要]为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数，国际黄金储备等因素之间的内在关系，本文对1972年～2006年间的各项数据首先进行归一化处理，利用MATLAB神经网络工具箱进行模拟训练，建立了基于BP神经网络的国际黄金价格预测模型。

[关键词]MATLABBP神经网络预测模型数据归一化

一、引言

自20世纪70年代初以来的30多年里,世界黄金价格出现了令人瞠目的剧烈变动。20世纪70年代初,每盎司黄金价格仅为30多美元。80年代初,黄金暴涨到每盎司近700美元。本世纪初,黄金价格处于每盎司270美元左右,此后逐年攀升,到2006年5月12日达到了26年高点,每盎司730美元,此后又暴跌,仅一个月时间内就下跌了约160美元,跌幅高达21.9%。最近两年，黄金价格一度冲高到每盎司900多美元。黄金价格起伏如此之大,本文根据国际黄金价格的影响因素，通过BP神经网络预测模型来预测长期黄金价格。

二、影响因素

刘曙光和胡再勇证实将观察期延长为1972年～2006年时,则影响黄金价格的主要因素扩展至包含道琼斯指数、美国消费者价格指数、美元名义有效汇率、美国联邦基金利率和世界黄金储备5个因素。本文利用此观点，根据1972年～2006年各因素的值来建立神经网络预测模型。

三、模型构建

1.模型选择：BP网络具有理论上能逼近任意非线性函数的能力，将输入模式映射到输出模式，只需用已知的模式训练网络，通过学习，网络就有了这种映射能力。2.样本数据归一化：在训练前，对数据进行归一化处理，把输入向量和输出向量的取值范围都归一到[0，1]。

[摘 要]有机碳含量（TOC）是评价生油的重要指标，也是重要的参数之一。传统的计算方法往往采用拟合的方法，只考虑了单一的测井响应并且对岩心的依赖很大，得出的模型往往不适用于该地区，推广性不强。本文主要采用BP神经网络的方法建立模型评价有机碳含量。

[关键词]有机碳含量评价 神经网络

中图分类号：TP183 文献标识码：A 文章编号：1009-914X（2015）45-0356-01

1 BP神经网络基本原理

BP神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。

2 BP神经网络工作机理

2.1 正向传播

图中，表示神经元的输入，表示输入层与隐含层之间权值，为隐含层与输出层之间的权值，f（）为传递函数，为第k个神经元输出。假设BP神经网络输入层有n个节点，隐含层有q个节点，输出层m个节点。

摘要：目的探讨BP神经网络在生存分析中的应用。方法通过贲门癌预后的实例说明神经网络的连续时间模型与离散时间模型的使用。结果所建立的神经网络生存分析模型有较好的预测能力。结论神经网络在生存分析中有很大的灵活性，在模型中可以容纳非线性效应，协变量的效应可以随时间而变化，不要求满足PH假定，有较广泛的应用前景。

关键词：BP神经网络；生存分析；贲门癌

生存分析（survivalanalysis）起源于19世纪对寿命表的分析，目前已广泛应用到临床研究中，可以处理含有删失值的数据，可以同时考虑事件发生的结局及发生结局的时间。目前处理生存资料的方法有参数模型、非参数模型及半参数模型。参数模型对生存时间的分布要求非常严格，医学资料中很少能满足；生存分析中传统的回归模型，例如：Cox比例风险模型、加速失效时间模型也要求模型满足一定的假设前提，而实际数据往往难以满足这些假设。神经网络近年来受到普遍的关注，在医学领域中的应用主要预测与分类，与传统回归模型不同，它可以克服这些缺点，在模型中可以容纳非线性效应，交互效应、协变量的效应可以随时间变化。目前国内研究神经网络在生存分析中的应用尚较少，本文拟探讨几种不同的神经网络生存模型在贲门癌预后中的应用。

1方法

BP神经网络是目前应用最多的神经网络，一般由一个输入层（inputlayer）、一个输出层（outputlayer）、一个或几个中间层（隐层）组成，每一层可包含一个或多个神经元，其中每一层的每个神经元和前一层相连接，同一层之间没有连接。输入层神经元传递输入信息到第一隐层或直接传到输出层，隐层的神经元对输入层的信息加权求和，加一个常数后，经传递函数运算后传到下一个隐层（或输出层），常用的传递函数是logistic函数，即φh=1/(1+exp(－z))，输出层神经元对前一层的输入信息加权求和经传递函数φ0（线性或logistic函数或门限函数）运算后输出，例如：如果输入为xi，对于含一个隐层的神经网络可以得到：

g(xi,θ)=φ0(αk+∑i≠kwikxi+∑jwjkφh(αj+∑iwijxi))（1）

θ表示未知的参数矢量（即各层的网络权值），BP神经网络一般采用BP算法训练网络，训练开始时选择初始值0，BP算法通过梯度下降法得到估计值，使得g(x,)能很好地估计实测值，关于BP算法及改进可参考相关文献［1］。

利用BP神经网络模型建立生存分析模型，常用的方法有：连续时间模型（continuoustimemodels）与离散时间模型（discretetimemodels）。

摘 要：为了实现最经济控制，本文将代价函数植入BP网络，并用粒子优化方法实现对BP神经网络的优化，通过验证，表明优化后的算法与普通的BP网络的最经济控制相比，具有明显的优越性。

关键词：最经济控制；BP神经网络；粒子优化

1 引言

随着科技的发展，我们渐渐地走向了节约型社会，对我们周遭的事物开始更深一步的探索。最经济控制[1]是由涂序彦教授基于我国国情而提出来的，旨在以最少的资源获得最大的经济效益。

BP（Back Propagation）网络[2]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。

粒子群优化[3]是一种新兴的基于群体智能的启发式全局搜索算法，粒子群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。

为了提高最经济控制的高效性和准确性，本文提出将粒子优化 （Particle Swarm Optimization，PSO）算法与 BP算法相合的混合算法用于最经济控制。该算法通过群体中粒子间的合作与竞争产生的群体能指导优化搜索，能有效克服局部极小问题。

2 最经济控制

摘要：随着近年来中国网民数量众多而网络给予了众多网民言论自由，因此网络舆情越来越被关注，对网络舆情的预警也越来越迫切。该文采用了五个指标对“厦门PX事件”、“昆明PX事件”和“宁波PX事件”进行量化描述，通过Matlab建立BP神经网络识别模型中进行学习，然后再对“宁波PX事件”进行预警识别。模型具有较好的识别能力，预警结果的准确率达到了90%以上。

关键词：网络舆情；BP神经网络；预警

中图分类号：C915 文献标识码：A 文章编号：1009-3044（2014）22-5283-04

互联网这些年来在我国的快速的发展，我国网民人数较之前有了大幅的提升。网络的开放性和灵活性让其成为反映社会舆情的主要载体之一。而近两三年网络舆情引发的事件激增，引起了政府的高度重视，网络俨然已成为政府部门了解民意的又一理想窗口。显然，能够直观表达网络舆情的光定性的解读远远不够，对于决策者更希望得到一个舆论事件过程中所处的量化等级。由于舆情危机产生具有模糊性和随机性是非线性的，因此通过建立预警指标，再利用容错能力高，通过学习复杂数据发现规律进行识别的人工神经网络是不二选择。故本文的核心在于BP神经网络[1]。

1 网络舆情危机预警指标体系

网络舆情危机的发生，受到多种随机因素的影响，而且每个因素对结果所起的效果大小也是不一样的。因此网络舆情危机预警的关键是建立科学、系统的预警指标体系。依据近些年来网络舆情方面专家的调查汇总和政府机构对舆情监督部门的考察，并结合网络舆情与危机预警机制方面的资料，经过多次地调试整理汇总制定出，对网络舆情信息从五个具体的指标构建了网络舆情危机预警指标体系[2]。

1.1 舆情预警指标

1.1.1 舆情信息的敏感度

摘 要：网格是高性能计算的主要方向，影响网格的功能和性能的主要因素为资源调度的效率，由于网格的复杂性，其资源管理较之传统的分布式网络更加复杂。因此高效的网格资源调度算法是网格研究的热点和难点。人工神经网络具有一定的智能性，能够在复杂环境下得到理想的结果。将二者结合起来，提高资源调度的效率。介绍了网格的概念、BP神经网络的原理和工作过程，并提出了基于BP神经网络的网格资源调度模型。

关键词：网格；资源调度；人工神经网络；BP算法

中图分类号：TP183

Grid resources schedule model based on the BP algorithm

ZHOU Fei-fei，HU Yan-xia

Ministry of Education’s major laboratory of Lanzhou Jiaotong University, Lanzhou,730070

ZhengZhou Urban and Rural Planning Bureau ,Zhengzhou,45000

Abstract: The grid is the main direction of high-performance. The major factor affects the grid functional and the performance is grid resource management and scheduling. Because of the complexity of the grid, its resource management compared with traditional distributed networks becomes more complex. The efficient grid resources management algorithms are hot and difficult of grid study. The neural network has intelligence and can get the best results in complex circumstances. this paper uses BP algorithm to solve the problem of grid resource scheduling. And introduced the concept of grid, back propagation algorithm, and proposed grid scheduling of resources result based on the BP algorithm.

【摘要】 神经网络具有能够逼近任意非线性函数关系的能力和比较方便的学习手段，因此，它可以用来作为一种复杂工业过程建模的新型方法。本文针对常用BP算法进行了深入的分析和仿真，并利用BP网络对基于大规模网络的故障管理进行针对性实验。

【关键词】 基本算法 模糊神经网络 数据挖据

一、故障管理模块

随着计算机网络的迅速发展，网络规模越来越大，网络节点分布的范围越来越广泛，网络的特点趋向于异构性与复杂性，网络管理的难度也不断增加。为了提高大规模网络故障管理的灵活性、智能性和高效性，克服传统的集中式网络故障管理的缺点，本文提出了基于大规模网络的故障管理与健康预测，对网络实施更加高效、实时和准确的管理，在大规模网络的管理方面有针对性的优势。故障因素主要有：CPU、物理内存、流量、负载、环境因子、设备温度。

（1）数据处理模块，主要完成采集到的数据的融合，提取和转换。数据处理模块主要是采用数据挖掘技术的分类算法来完成，这里不做详细说明。

（2）状态监测模块，完成征兆信息的识别和状态的评估任务。

（3）诊断预测模块，包括故障诊断和故障趋势预测功能。该模块选用了模糊集理论下的模糊综合评判模型并利用分布式的神经网络算法来对网络的安全状况做出预测与健康管理。

该模型的工作流程为：首先数据采集和传输，只有及时准确地采集监测数据，才能为故障的预测与健康管理提供可靠的依据，本文采用北斗卫星来实时的采集和传输数据。通过数据处理模块的融合、特征提取和数据转换传输到各个区域的控制中心进行诊断预测。诊断预测模块使用基于模糊神经网络的算法对故障进行诊断与管理。

摘要：该文介绍了神经网络领域中BP神经网络的特点及其算法原理，对BP网络权值的修正规则进行了推导，并对BP网络存在的问题提出了几点改进，在此基础上对一组非线性函数的采样数据进行拟合。实验结果表明，BP神经网络能保证拟合误差在很小的范围之内，说明了其拟合的有效性。

关键词：BP神经网络；非线性函数；拟合；收敛

中图分类号：TP18文献标识码：A文章编号：1009-3044(2012)27-6579-05

Nonlinear Function Approximation Based on BP Neural Network

ZHANG Bao-kun1, ZHANG Bao-yi2

(1.China Nuclear Control System Engineering Co.,Ltd, Beijing 100076, China; 2. Shenzhen Speedy-Tech Electronics Co., Ltd, Shenzhen 518004, China)

Abstract: This paper introduces the features and algorithm theorem of BP neural network, and deduces the update rules of the network weight based on a given BP neural network. According to several problems of BP neural network, suggestions are pro? vided for these problems. Applicability of BP neural network for nonlinear function approximation is verified by simulations, and the accuracy can be guaranteed.

Key words: BP neural network; nonlinear function; approximation; convergence

摘 要 海峡西岸经济区依托台湾海峡，背靠赣、皖、湘、鄂等经济腹地，拥有福州、厦门、 泉州、温州、汕头五大中心城市，已具备作为一个独立经济区域应有的环境条件。海西物流产业市场巨大、前景广阔。但是限于数据的缺失，整个海峡西岸经济区尚未有统一统计口径的数据资料，尤其是我国物流产业相关统计数据刚刚开始，还不是很完善，我们选择海峡西岸经济的主体部分――福建省作为物流经济预测的对象来进行模型的构建。

关键词 BP神经网络 海西物流 经济预测

中图分类号：F252 文献标识码：A

1 BP神经网络理论

本文借助于MATLAB神经网络工具箱来实现多层前馈BP网络的建模。神经网络的实际输出值与输入值以及各层权值和阈值有关，为了使实际输出值与网络期望输出值相吻合，可用含有一定数量学习样本的样本集和相应期望输出值的集合来训练网络。

另外，目前尚未找到较好的网络构造方法来确定神经网络的结构和权系数来描述给定的映射或逼近一个未知的映射，只能通过学习方式得到满足要求的网络模型。神经网络的学习可以理解为：对确定的网络结构，寻找一组满足要求的权系数，使给定的误差函数最小。设计多层前馈网络时，主要侧重试验、探讨多种模型方案，在实验中改进，直到选取一个满意方案为止，可按下列步骤进行：对任何实际问题先都只选用一个隐层；使用较少的隐层节点数；不断增加隐层节点数，直到获得满意性能为止。训练过程实际上是根据目标值与网络输出值之间误差的大小反复调整权值和阈值，直到此误差达到预定值为止。

确定了网络层数、每层节点数、传递函数、初始权系数、学习算法等也就确定了BP网络。确定这些选项时有一定的指导原则，但更多的是靠经验和试凑。

2 数据建模分析

摘要：随着我国经济的快步提升，各个行业都以前所未有的速度高速发展，当然也包括计算机行业。与此同时，计算机网络的安全问题也日益严峻，计算机网络安全评估也成为了网络研究中重要的课题之一。为了是的对计算机网络安全的评估能够更加地精确精准，近年来我国学者使用BP神经网络进行相关的研究。该文通过介绍BP神经网络以及其相对于其他评估方法的比较，获得BP神经网络相比于其他方法的优越性。建立计算机网络安全评估体系，并通过实例探讨基于BP神经网络这一方法的网络安全评估。

关键词：BP神经网络；计算机网络；安全评估

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）18-4303-05

网络安全从本质上看是网络的信息安全。而从广义来说，涉及到的范围就较大，凡是有关网络信息的完整性、保密性、真实性、可用性和可控性方面，都是网络安全需要考虑与研究的领域。

随着全球计算机技术和 Internet 的迅猛发展，全球信息化进程加速，互联网与千家万户息息相关，在我们的工作和生活中扮演着极其重要的角色。与此同时，网络和网络用户也在以指数级的速度增长。互联网正引领着我们的生活进入一个前所未有的，以网络为基础的信息化环境。由此，网络安全就显得尤为重要。

1 网络安全评估的重要性

由于现阶段的计算机系统，其网络设备存在不完善的因素，包括设计的缺陷、漏洞及网络协议等，这样的情况下，计算机网络就潜在各种可能的安全风险。近年来，计算机网络受到的侵害越来越多，网络漏洞各种各样，计算机安全得不到应有的保障。具体表现为：

1） 网络病毒更加多样、智能与隐蔽。