基于人工神经网络的预测研究的文献综述

第一篇：基于人工神经网络的预测研究的文献综述

基于人工神经网络的预测研究文献综述

专业：电子信息工程 班级：08级2班 作者：刘铭 指导老师：熊朝松 引言

随着多媒体和网络技术的飞速发展及广泛应用，人工神经网络已被广泛运用于各种领域，而它的预测功能也在不断被人挖掘着。人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。现代计算机构成单元的速度是人脑中神经元速度的几百万倍，对于那些特征明确，推理或运算规则清楚地可编程问题，可以高速有效地求解，在数值运算和逻辑运算方面的精确与高速极大地拓展了人脑的能力，从而在信息处理和控制决策等方面为人们提供了实现智能化和自动化的先进手段。但由于现有计算机是按照冯·诺依曼原理，基于程序存取进行工作的，历经半个多世纪的发展，其结构模式与运行机制仍然没有跳出传统的逻辑运算规则，因而在很多方面的功能还远不能达到认得智能水平。随着现代信息科学与技术的飞速发展，这方面的问题日趋尖锐，促使科学和技术专家们寻找解决问题的新出路。当人们的思想转向研究大自然造就的精妙的人脑结构模式和信息处理机制时，推动了脑科学的深入发展以及人工神经网络和闹模型的研究。随着对生物闹的深入了解，人工神经网络获得长足发展。在经历了漫长的初创期和低潮期后，人工神经网络终于以其不容忽视的潜力与活力进入了发展高潮。这么多年来，它的结构与功能逐步改善，运行机制渐趋成熟，应用领域日益扩大，在解决各行各业的难题中显示出巨大的潜力，取得了丰硕的成果。通过运用人工神经网络建模，可以进行预测事物的发展，节省了实际要求证结果所需的研究时间。

正是由于人工神经网络是一门新兴的学科，它在理论、模型、算法、应用和时限等方面都还有很多空白点需要努力探索、研究、开拓和开发。因此，许多国家的政府和企业都投入了大量的资金，组织大量的科学和技术专家对人工神经网络的广泛问题立项研究。从人工神经网络的模拟程序和专用芯片的不断推出、论文的大量发表以及各种应用的报道可以看到，在这个领域里一个百家争鸣的局面已经形成。

为了能深入认识人工神经网络的预测功能，大量收集和阅读相关资料是非常必要的。搜集的资料范围主要是大量介绍人工神经网路，以及认识和熟悉了其中重要的BP网络。参考的著作有：马锐的《人工神经网络原理》，胡守仁、余少波的《神经网络导论》以及一些相关论文，董军和胡上序的《混沌神经网络研究进展和展望》，朱大奇的《人工神经网络研究现状及其展望》和宋桂荣的《改进BP算法在故障诊断中的应用》，这些

1著作在后面的参考文献中将一一列出。

1.我国人工神经网络研究现状

随着人工神经网络的20世纪80年代在世界范围内的复苏，国内也逐步掀起了研究热潮，1989年10月和11月分别在北京和广州召开了神经网络及其应用讨论会和第一届全国型号处理——神经网络学术会议；1990年2月由国内八个学会（中国电子学会、人工智能学会、自动化学会、通信学会、物理学会、生物物理学会和心理学会）联合在北京召开“中国神经网络首届学术会议”，这次大会以“八学会联盟，探只能奥秘为主题，收到了300多篇学术论文”，开创了中国人工神经网络及神经计算机方面科学研究的新纪元，经过十几年的发展，中国学术界和工程界在人工神经网络的理论研究和应用方面取得了丰硕成果，学术论文、应用成果和研究人员逐年增加。在国际上，1987年，在美国加洲召开第一届国际神经网络学会，此后每年召开两次国际联合神经网络大会（UCNN），不久，改学会创办了刊物Journal Neural Networks，另有十几种国际著名的神经网络学术刊物相继问世。至此，神经网络理论研究在国际学术领域获得了其应有的地位。

经过多年的发展，目前已有上百种的神经网络模型被提出。这么多年来，它的结构与功能逐步改善，运行机制渐趋成熟，应用领域日益扩大，在解决各行各业的难题中显示出巨大的潜力，取得了丰硕的成果[1]。正是由于人工神经网络是一门新兴的学科，它在理论、模型、算法、应用和时限等方面都还有很多空白点需要努力探索、研究、开拓和开发。因此，许多国家的政府和企业都投入了大量的资金，组织大量的科学和技术专家对人工神经网络的广泛问题立项研究。从人工神经网络的模拟程序和专用芯片的不断推出、论文的大量发表以及各种应用的报道可以看到，在这个领域里一个百家争鸣的局面已经形成[2]。

2.人工神经网络的基本原理

人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点和之间相互联接构成。神经元是人工神经网络的基本处理单元，它一般是一个多输入/单输出的非线性元件[3]。由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学

2研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理[4]。

人工神经网络是对人类神经系统的一种模拟。尽管人类神经系统规模宏大、结构复杂、功能神奇，但其最基本的处理单元却只有神经元。人工神经系统的功能实际上是通过大量神经元的广泛互连，以规模宏伟的并行运算来实现的。人工神经网络的神经元就是模拟生物的神经元，神经元也和其他类型的细胞一样，包括有细胞膜、细胞质和细胞核。但是神经细胞的形态比较特殊，具有许多突起，因此又分为细胞体、轴突和树突三部分。细胞体内有细胞核突起的作用是传递信息。

（1）细胞体

（2）树突

（3）轴突

（4）突触

图1简单神经元网络图

轴突是由细胞体向外延伸出的所有纤维中最长的一条分枝，用来向外传递神经元产生的输出电信号。每个神经元都有一条轴突，其最大长度可达1m以上。在轴突的末端形成了许多很细的分枝，这些分支叫神经末梢。每一条神经末梢可以与其它神经元形成功能性接触，该接触部位称为突触。所谓功能性接触，是指非永久性的接触，这正是神经元之间传递信息的奥秘之处。

树突是指由细胞体向外延伸的除轴突以外的其它所有分支。树突的长度一般较短，但数量很多，它是神经元的输入端，用于接受从其它神经元的突触传来的信号。

2.人工神经网络BP网络和RBF网络

2.1 BP网络

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小

3组提出，是一种按误差逆传播算法训练的多层前馈网络[5]，是目前应用最广泛的神经网络模型之一。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。

BP神经网络模型BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。BP 算法因其简单、易行、计算量小、并行性强等优点,是目前神经网络训练采用最多也是最成熟的训练算法之一[6]。

2.2 RBF网络

RBF神经网络是一种具有拓扑结构的前向神经网络．由输入层、隐含层、输出层构。RBF神经网络以径向基函数作为隐层单元的基,构成隐含层空间,隐含层对输入矢量进行变换将低维的模式输入数据变换到高维空间内, 使得在低维空间内的线性不可分问题在高维空间内线性可分。

RBF网络的学习算法，由两部分组成；无导师学习、有导师学习。

3.空调故障

空调系统故障模式及故障机制分析[7][8]，如下表所示:

表1空调系统故障模式及故障机制分析

空调系统故障诊断的神经网络模型分为3 层,分别为输入层、隐含层和输出层。输入层节点个数为4 ,对应于4 个故障现象,输出层节点个数为12 ,对应于12 个故障原因。输出节点值的大小反映了故障出现的可能性。隐含层节点的个数可参照公式初步选取[9]：

4AMN,4.小结

在理论上．RBF网络和BP网络一样能以任意精度逼近任何非线性函数。但由于它们使用的激励函数不同，其逼近性能也不相同。Poggio和Girosi已经证明，RBF网络是连续函数的最佳逼近，而BP网络不是。BP网络使用的Sigmoid函数具有全局特性，它在输入值的很大范围内每个节点都对输出值产生影响，并且激励函数在输入值的很大范围内相互重叠，因而相互影响，因此BP网络训练过程很长。此外，由于BP算法的固有特性，BP网络容易陷入局部极小的问题不可能从根本上避免，并且BP网络隐层节点数目的确定依赖于经验和试凑，很难得到最优网络。采用局部激励函数的RBF网络在很大程度上克服了上述缺点，RBF不仅有良好的泛化能力，而且对于每个输入值，只有很少几个节点具有非零激励值，因此只需很少部分节点及权值改变。学习速度可以比通常的BP算法提高上千倍,容易适应新数据，其隐层节点的数目也在训练过程中确定，并且其收敛性也较BP网络易于保证，因此可以得到最优解[10] [11]。

从上面所示的结果来看，主要有一下几方面的不同：

（1）由于学习速率是固定的，因此BP网络的训练过程较长，当需要处理较复杂的问题时，需要的时间很长。而RBF网络的建网过程即是训练过程此外，训练时间较少．精度也比较高。

（2）在处理同一问题时，通常情况BP网络所需的神经元个数比RBF网络要少。

（3）BP网络的输出和初始的权值有关，而RBF网络的输出与初始的权值无关。

（4）RBP网络隐含层的层数和单元数的选择要凭借经验反复验证，因此网络的冗余性比较大。RBF隐层节点的数目也在训练过程中确定。但是要确定径向基函数的分布密度。

人工神经网络近来越来越受到人们的关注，因为它为解决大复杂度问题提供了一种相对来说比较有效的简单方法。可以通过神经网络对事物进行预测从而用简单的方法完成复杂的问题。

5.研究不足

人工神经网络是一个新兴学科，因此还存在许多问题。其主要表现有：

(1)受到脑科学研究的限制：由于生理实验的困难性，因此目前人类对思维和记忆机制的认识还很肤浅，还有很多问题需要解决；

(2)还没有完整成熟的理论体系；

(3)还带有浓厚的策略和经验色彩；

(4)与传统技术的接口不成熟。

上述问题的存在，制约了人工神经网络研究的发展。

相信只要能客服这些局限性，人工神经网络的发展将不可限量。

参考文献

[1] 朱大奇.人工神经网络研究现状及其展望[N].江南大学学报,2004:103～108.[2] 董军,胡上序.混沌神经网络研究进展和展望[J].信息与控制,1997(5):360～368.[3] 韩力群.人工神经网络理论、设计及应用[M].北京:化学工业出版社,2002.[4] 马锐.人工神经网络原理[M].北京:机械工业出版社.2010.[5] 胡守仁,余少波,戴葵.神经网络导[M].长沙:国防科技大学出版社,1992.[6] 胡金滨,唐旭清.人工神经网络的BP算法及其应用[J].信息技术,2004(4):1～4.[7] 余江海.一种制冷系统故障诊断方法[C].上海交通大学硕士论文,2001.[8] 中国机械工程学会设备维修分会,机械设备维修问答丛书,编委会空调制冷设备维修问答[M].北京:机械工业出版社.1988.[9] 宋桂荣.改进BP算法在故障诊断中的应用[N].沈阳工业大学学报,2001(3):252～254.[10] 智会强,牛坤,田亮等.BP网络和RBF网络在函数逼近领域内的比较研究[J].科技通报,2005(2).[11] 刘永.张立毅.BP网络与RFB神经网络的实现及其性能比较[J].电子测量技术研究设计,2007(4)：77～80.6

第二篇：基于人工神经网络的预测研究_答辩ppt

幻灯片1

基于人工神经网络的预测研究

作者:刘铭 指导老师:熊朝松 08级电信（2）班

幻灯片2

研究任务

 通过运用人工神经网络建模，可以进行预测事物的发展，节省了实际要求证结果所需的研究时间。

 论文分为六个部分，第一部分主介绍了人工神经网络的研究背景及意义；第二部分主要介绍了人工神经网络的概念，基本原理、分类和分析方法，第三部分讨论了有预测能力的是BP网络。而在第四部分，讨论了也具有预测功能的RBF网络。第五个部分通过举一个空调故障预测的例子来展示以及对比两种预测网络的能力。最后一个部分对论文进行总结，提出了人工神经网络预测的发展前景。

幻灯片3

参考文献

 董军,胡上序,混沌神经网络研究进展和展望[J]信息与制,1997,26(5)”360-368. 中国机械工程学会设备维修分会,机械设备维修问答丛书,编委会空调制冷设备维修问答.[Z]机械工业出版社. 宋桂荣.,改进BP算法在故障诊断中的应用.[N]沈阳工业大学学报,2001.23(3):252～254. 韩力群,人工神经网络理论、设计及应用..[M]北京:化学工业出版社,2002. 余江海.一种制冷系统故障诊断方法.[C] 上海交通大学硕士论文,2001. 马锐,人工神经网路原理,[M]机械工业出版社. 朱大奇,人工神经网络研究现状及其展望,[N]江南大学学报2004.3:103～108  胡金滨,唐旭清.人工神经网络的BP算法及其应用[J].信息技术, 2004, 28(4);1~4.

智会强,牛坤,田亮等.BP网络和RBF网络在函数逼近领域内的比较研究[J].科技通报, 2005,2(2). 刘永.张立毅,BP网络与RFB神经网络的实现及其性能比较[J].电子测量技术研究设计。2007.4：77~80.胡守仁,余少波,戴葵,神经网络导[M].长沙:国防科技大学出版社,1992.幻灯片4

内容安排顺序

 人工神经网络的研究背景及意义

 人工神经网络的概念，基本原理、分类和分析方法  BP预测网络  RBF预测网络

 人工神经网络运用于空调系统故障的预测  结论与展望

幻灯片5

人工神经网络的研究背景及意义

 背景：现代计算机构成单元的速度是人脑中神经元速度的几百万倍，对于那些特征明确，推理或运算规则清楚地可编程问题，可以高速有效地求解，在数值运算和逻辑运算方面的精确与高速极大地拓展了人脑的能力，从而在信息处理和控制决策等方面为人们提供了实现智能化和自动化的先进手段。当人们的思想转向研究大自然造就的精妙的人脑结构模式和信息处理机制时，推动了脑科学的深入发展以及人工神经网络的研究。

幻灯片6

人工神经网络的研究背景及意义

 意义：人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。人工神经网络是人工智能领域的重要分支，而神经网络的硬件实现是神经网路研究的基本问题之一。从对神经网络进行理论探讨的角度，可以通过计算机仿真途径来模拟实现特定的神经网络模型或算法。

幻灯片7

人工神经网络的预测例子

 现在人工神经网络广泛运用到了各个领域，它的更多用法也在不断被开发中，用它来预测事物的发展也是其中之一，而现在人工神经网络预测模型可通过几个问题就能确定答题者是否感染艾滋病，以往判定出入境人员是否感染艾滋病，必须要进行特异性血清学诊断和病原体检测，不仅花费时间，还需要被检测者支付一定的费用，因而工作比较难以开展。项目鉴定组组长、广东省出入境检验检疫局卫生检疫处处长胡龙飞认为，这一项目使得在没有特异性血清学诊断和病原体检测的条件下，有望在口岸疾病监测和现场卫生检疫工作中及时发现性病、艾滋病高危人群，尽早切断传播途径，最大限度地保障口岸安全。据了解，用这个模型研究者随机抽取了15例梅毒患者和15例非性病患者进行测试，结果该模型准确地识别出15例梅毒病例，准确率达100%。这就是人工神经网络预测的意义，通过问题建模用反向传播算法来计算出答案，直接缩短了原本检查需要的实验时间。

幻灯片8

人工神经网路的原理

 人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。神经网络是一种运算模型，由大量的神经元之间相互联接构成。每个神经元代表一种特定的输出函数，称为激励函数。每两个神经元间的连接都代表一个对于通过该连接信号的加权值，称之为权值，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

幻灯片9

人工神经网路的原理

 人工神经网络是对人类神经系统的一种模拟。尽管人类神经系统规模宏大、结构复杂、功能神奇，但其最基本的处理单元却只有神经元。人工神经系统的功能实际上是通过大量神经元的广泛互连，以规模宏伟的并行运算来实现的。 人工神经网反映了人脑功能的若干基本特性，但并非生物系统的逼真描述，只是某种模仿、简化和抽象。

幻灯片10

人工神经网路的原理

 与数字计算机比较，人工神经网络在构成原理和功能特点等方面更加接近人脑，它不是按给定的程序一步一步地执行运算，而是能够自身适应环境、总结规律、完成某种运算、识别或过程控制。

 神经元也和其他类型的细胞一样，包括有细胞膜、细胞质和细胞核。

幻灯片11

人工神经网路的原理

生物神经元的信息传递与处理示意图

幻灯片12

人工神经网路的原理

 人工神经元的一般模型

幻灯片13

BP网络的预测

 BP网络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。

幻灯片14

BP网络的预测

典型的BP网络结构模型

幻灯片15

BP网络的预测

 BP 算法因其简单、易行、计算量小、并行性强等优点,是目前神经网络训练采用最多也是最成熟的训练算法之一。

 BP 算法的实质是求解误差函数的最小值问题,由于它采用非线性规划中的梯度下降法,按误差函数的负梯度方向修正权值。其主要思路是求出训练网络的指标函数误差：

kE(YCt)/2tk1t1幻灯片16 mq2

BP网络的不足

 由于学习速率是固定的，因此网络的收敛速度慢，需要较长的训练时间。对于一些复杂问题，BP算法需要的训练时间可能非常长，这主要是由于学习速率太小造成的，可采用变化的学习速率或自适应的学习速率加以改进。

 BP算法可以使权值收敛到某个值，但并不保证其为误差平面的全局最小值，这是因为采用梯度下降法可能产生一个局部最小值。对于这个问题，可以采用附加动量法来解决。

幻灯片17

BP网络的不足

 网络隐含层的层数和单元数的选择尚无理论上的指导，一般是根据经验或者通过反复实验确定。因此，网络往往存在很大的冗余性，在一定程度上也增加了网络学习的负担。 网络的学习和记忆具有不稳定性。也就是说，如果增加了学习样本，训练好的网络就需要从头开始训练，对于以前的权值和阈值是没有记忆的。但是可以将预测、分类或聚类做的比较好的权值保存。

幻灯片18

RBF的网络预测

RBF神经网络是一种具有拓扑结构的前向神经网络．由输入层、隐含层、输出层构。RBF神经网络以径向基函数作为隐层单元的基,构成隐含层空间,隐含层对输入矢量进行变换将低维的模式输入数据变换到高维空间内, 使得在低维空间内的线性不可分问题在高维空间内线性可分。

RBF模拟了人脑中局部调整、相互覆盖感受野，因此是一种局部逼近网络，科学界已经证明它能以任意精度逼近任意函数。幻灯片19

 RBF网络结构图

幻灯片20

RBF网络

 

  

输入层：

隐层：

一维 二维 输出层：

wij1,f(x)x

f(net)e

(net)2T22

f(X)e(xii)(xii)2j2 f(x)kx

幻灯片21

 径向基神经网络与BP网络在结构上基本相同，区别在于RBF网络隐含层节点传输函数为径向基函数，即隐含层节点对输入产生局部响应，此RBF常被称为局部感受野网络。

幻灯片22

 RBF网络的优点：

(1)它具有唯一最佳逼近的特性，且无局部极小问题存在。

(2)RBF神经网络具有较强的输入和输出映射功能，并且理论证明在前向网络中RBF网络是完成映射功能的最优网络。(3)网络连接权值与输出呈线性关系。(4)分类能力好。

(5)学习过程收敛速度快。

幻灯片23

 RBF网络的缺点

（1）最严重的问题是没能力来解释自己的推理过程和推理依据。

（2）不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。

（3）把一切问题的特征都变为数字，把一切推理都变为数值计算，其结果势必是丢失信息。

（4）理论和学习算法还有待于进一步完善和提高。

幻灯片24

空调故障预测建模

 建立预测模型

幻灯片25

 空调系统故障诊断的神经网络模型分为3 层,分别为输入层、隐含层和输出层。输入层节点个数为4 ,对应于4 个故障现象,输出层节点个数为12 ,对应于12 个故障原因。输出节点值的大小反映了故障出现的可能性。隐含层节点的个数可参照公式初步选取:

AMN幻灯片26

BP与RBF网络的预测结果对比

BP网络

 RBF网络

E(YkCt)/2tk1t1 mq2

fn(X)w0wi(Xci)i1

n

幻灯片27

BP与RBF网络的预测结果对比

 BP网络与RBF网络预测结果对比

幻灯片28

（1）由于学习速率是固定的，因此BP网络的训练过程较长，当需要处理较复杂的问题时，需要的时间很长。而RBF网络的建网过程即是训练过程此外，训练时间较少．精度也比较高。

（2）在处理同一问题时，通常情况BP网络所需的神经元个数比RBF网络要少。（3）BP网络的输出和初始的权值有关，而RBF网络的输出与初始的权值无关。（4）RBP网络隐含层的层数和单元数的选择要凭借经验反复验证，因此网络的冗余性比较大。RBF隐层节点的数目也在训练过程中确定。但是要确定径向基函数的分布密度。

幻灯片29

结论与展望

 人工神经网络近来越来越受到人们的关注，因为它为解决大复杂度问题提供了一种相对来说比较有效的简单方法。可以通过神经网络对事物进行预测从而用简单的方法完成复杂的问题。

 如化学试验、机器人、金融市场的模拟、和语言图像的识别，等领域神经网络都取得了很好的效果。

幻灯片30

结论与展望

 人工神经网络的局限性

(1)受到脑科学研究的限制：由于生理实验的困难性，因此目前人类对思维和记忆机制的认识还很肤浅，还有很多问题需要解决； (2)还没有完整成熟的理论体系； (3)还带有浓厚的策略和经验色彩 ； (4)与传统技术的接口不成熟。

 上述问题的存在，制约了人工神经网络研究的发展。

 相信只要能客服这些局限性，人工神经网络的发展将不可限量

幻灯片31

谢 谢!

第三篇：人工智能论文：人工智能 人工神经网络 计算机辅助教学

人工智能论文：智能化教学辅助训练系统

【中文摘要】借助于计算机技术的迅猛发展与普及应用,人工智能技术越来越多的介入人们日常生活,由于其不可比拟的优势使得大量传统的低效率、高重复性的人力工作得到极大的解放,不但提高了工作速度,也极高地提高了工作效率,而且准确程度仍不受影响。智能化教学辅助训练系统的开发,就是将人工智能技术应用于教学环节中的测试训练环节,将以往由教师所承担的完整的考试过程交由计算机系统处理完成,不仅能够把教师从繁重的工作负担中解放出来,而且也可以提高测试过程的高效率和高准确性。本文所述的智能化教学辅助训练系统可以胜任起完成教学过程中最为重要的学生能力测试环节的工作,完成平时的练习测试和期中、期末的考查,在保证测试效果的前提下,减轻了教师的工作负担、提高了测试工作的效率、促进了学生的学习巩固、提高了学校的教学水平,是非常值得大力推广与应用的一项新方法。本系统具备以下的主要特点与功能：①畅通的网络化运行,可以实现局域网以及广域网的系统扩展；②根据题型的要求实现自动判卷或提交给具有相应权限的教师进行人工判卷；③根据预设的题库系统可以实现教师的随机抽题组卷功能；④根据教师的要求实现临时增设题目并能够自动完成题库的分类收录或即时向已登录学生...【英文摘要】With the rapid development of computer technology and the popularization of artificial intelligence

technology more and more involved in people’s daily lives, because of its incomparable advantages of making a lot of the traditional low efficiency, high repetitive work was a great human emancipation, not only increased pace of work, but also improve the efficiency high, but accuracy remains unaffected.Intelligent training system teaching aids the development of artificial intelligence technology in teachin...【关键词】人工智能 人工神经网络 计算机辅助教学

【英文关键词】Artificial Intelligence Artificial Neural Networks CAI 【索购全文】联系Q1：138113721 Q2：139938848 【目录】智能化教学辅助训练系统6-7Abstract7-8

摘要

1.1 教学

第1章 绪论11-25辅助训练系统综述11-15述15-

211.2 国内外计算机考试系统发展综

1.2.2 1.2.1 国外计算机考试系统综述15-19国内计算机考试系统综述19-21模式简介21-2321-22

1.3 计算机考试系统的开发

1.3.1 C/S(Client/Server)模式简介

1.3.3 1.3.2 B/S(Browser/Server)模式22-2

31.4 当前计算机辅助训练系统的不足

1.6 本章小结混合模式2323-2424-25结构25-321.5 研究的目的意义24第2章 智能化教学辅助训练系统的目标、设计原则与

2.1 系统的目标25-27

2.2 系统设计原则

27-2828-302.3 系统的结构28-312.3.1.系统的结构选择

2.3.3.第3章 系

3.1.1 2.3.2.系统开发的软硬件条件30-31

2.4 本章小结31-32系统的数据库结构31统的功能与实现32-41管理员用户32-33用户35理模块35-36模块36-37块37-38考试38-39置3940-41

3.1 用户管理功能32-353.1.2 教师用户33-35

3.1.3 学生3.2.1 用户管3.2.3 题库管理3.2 用户管理功能的实现35-38

3.2.2 考务管理模块363.2.4 试卷管理模块37

3.2.5 考试管理模

3.3.1 在线3.3 系统核心功能与设计38-403.3.2 用户组卷39

3.3.3 考生IP地址设3.4 本章小结

4.1 组卷方式3.3.4 考生成绩查询39-40第4章 智能化的组卷功能41-47

4.2 组卷的特点42的确定41-42数学模型42-4444-45

4.3 智能组卷系统的4.4 BP神经网络在智能化组卷系统中的使用

4.6 本章小结45-475.1 系统安全保障模块

5.3 数据安全保障模块

5.4.1 密钥的产生

第4.5 实验结果455章 系统安全性的保障47-534750515253-5653-555.2 身份认证模块47-505.4 考试数据的加密保护50-525.4.2 密钥存储51-525.5 本章小结52-536.1 硬件系统容错53

5.4.3 数据接口第6章 系统的容错功能

6.2 软件系统容错

6.2.2 系6.2.1 防止打开多个考试程序53-54

统重启546.2.3 更换计算机考试54-556.2.4 学生考

6.3 号或姓名异常55本章小结55-56展望59-626.2.5 学生分数没有正常回收55第7章 系统测试56-598.1 结论59-61

第8章 结论与

8.1.1 系统运行后收到的效果59-618.1.2 系统存在的不足之处61-62参考文献62-67

致谢67618.2 展望

第四篇：人工孵化肉鸽 人工哺育肉鸽 人工喂养肉鸽相关文献

石家庄深泽肉鸽养殖场

—肉鸽人工孵化哺育技术

石家庄深泽肉鸽养殖场成立于2001年，是河北地区专业的肉鸽人工孵化哺育技术培训、销售人工鸽乳饲料的权威化养殖厂家。

我场经过十年的潜心研究，成功将肉鸽人工孵化哺育技术运用到我场实际生产中，其丰厚的利润是传统养殖的三倍以上，且养殖风险低，随时按市场走势确定出栏量。并且不受养殖规模限制。我场配置的人工鸽乳饲料具备自然鸽乳的相应条件，保证了极易吸收的高蛋白高脂肪特点，哺育出来的乳鸽精神状态饱满，皮肤红润，胸部丰满，翅膀饱满浑厚。且整体成活率始终保持在96%以上，是我国人工哺育技术成活率居高者。人工孵化种蛋来源广泛，可自行养殖种鸽，也可同大型种鸽养殖场或种蛋收购商长期合作提供蛋源。人工孵化哺育技术成熟，对全程人工孵化哺育技术的孵化哺育设备制作，各季节温湿度调整，及后期的人工育肥、防疫病害等都有模板化数据。养殖成本低廉，因没有种鸽相应的饲料消耗，且由我场自行配置的人工鸽乳及后期育肥饲料自我控制了乳鸽的出栏成本，按当前高昂的饲料费用，我场始终将乳鸽的出栏成本控制在10元以内，成功节省了大量的饲料成本。

肉鸽人工孵化哺育技术是近几年肉鸽行业新兴的养殖技术，因其投资少，利润高，成本低廉，且养殖风险低，被广大肉鸽养殖场广泛接纳。随着技术的不断创新，我场现面向广大养殖场开设肉鸽人工孵化哺育技术培训指导班,以及发售全人工孵化哺育技术手册及人工鸽乳饲料。

培训内容：

1、设备制作技术。（1）孵化机的设计与制作（2）育雏室的设计及制作（2）育雏室的温湿度及通风的相应精细控制（3）各阶段喂养哺育器械的制作。

2、孵化技术。（1）种蛋的选取及无精蛋的剔除（2）鸽蛋孵化的最佳温湿度控制（3）因环境变化对孵化所产生的影响的克服（4）根据胚胎发育情况对温湿度的相应调整（5）装蛋、照蛋、落盘、出雏是对温湿度的调整（6）种蛋的储藏、运输条件的控制方法

3、育雏育肥技术。（1）喂养手法的操作（2）喂料量的掌握（3）弱雏的管理（4）饲料过度转换的时机的掌握（5）后期育肥方法（6）消化不良以及病害的相关处理办法。联系地址：石家庄市深泽县大兴村 联系人：王康

联系电话:***

0311-80767065 联系QQ: 41967390（添加时请注明“肉鸽”字样）

诚信为本，潜心教学，你的成功就是我们的成功！

第五篇：基于库存的小波神经网络煤炭期货价格预测分析

基于库存的小波神经网络煤炭期货价格预测分析

【摘 要】本文以Matlab为工具，利用小波神经网络，对基于库存的动力煤期货价格进行模型分析和预测，结果表明其具有高度相关性，并具有研究价值。这对探究中国煤炭期货未来的价格变动趋势，为煤炭期货市场提供基础资料和决策支持。

【关键词】煤炭期货；MATLAB；神经网络；模型预测

0 引言

随着经济全球化的推进，我国的基础能源越来越依赖国际煤炭资源，掌握煤炭未来市场价格的话语权对我国经济发展、资源供给都具有重要意义。在现货市场不景气的情况下，期货这种能够规避市场风险的工具便具有了更大的发展空间。小波分析具有较好的描述能力，而且预测的精度较高、预测结果的可靠性较大，作为一种信息和信号处理工具在许多方面得到应用。煤炭期货的上市

动力煤期货上市后，其价格将成为动力煤市场的风向标，自身也将成为电力企业锁定成本的保值工具。因此，动力煤期货上市，对于动力煤市场乃至主要的国民经济发展带来重大积极作用。

一是有利于完善市场体系、稳健企业经营、优化资源配置。上市动力煤期货通过形成公正、透明、权威的中远期价格体系，能够为煤炭、电力等上下游企业签订长、短期协议提供有效参考，是动力煤市场化改革的重要配套措施和煤炭市场体系进一步完善的重要内容。

二是有利于缓解“煤电联动”压力。“煤电联动”是指在某一约定时间周期内，如果煤炭价格上涨超过某一既定比例，那么国家便对电价做出相应调整。推出动力煤期货后，电力等下游企业通过期货市场进行套期保值交易，实现现货、期货“两条腿走路”，有效规避煤炭价格市场波动风险。

三是有利于“煤电一体化”的发展方向。一方面，上市动力煤期货通过提供有效规避市场风险的金融工具，有助于为进一步推动煤电一体化夯实基础；另一方面，动力煤期货能够为煤炭定价提供有益借鉴，煤电合营企业可以在期货价格的基础上，依据自身情况，制定结算价格，为煤电一体化消除消极因素。模型与算法

2.1 小波神经网络

小波神经网络方法与传统的参数模型方法最大的不同在于它是数驱动的自适应技术，不需要对问题的模型做出任何假设。在解决问题的内部规律未知或难以描述的情况下，神经网络可以通过对样本数据的学习训练，以获取数据之间隐藏的函数关系，是一种多变量输入的非线性、非参数的统计方法。

利用神经网络预测时间序列时，利用时间序列模型不需要知道影响预测变量的因果关系，而且有足够多的数据可以用来构成一个合理长度的时间序列的特点，通过把输出层单元的误差逐层向输入层“分摊”给各层单元，从而获得参考误差，并调整各边连接权，直到小于允许误差。输入信号从输入节点依次传过各隐藏节点，然后传到输出层，每一层的节点的输出只影响下一层节点的输出。在学习过程中，为使网络输出层的误差平方和达到最小，通过连续不断地在相对于误差函数斜率下降的方向上计算网络权值和偏差的变化而逐渐逼近目标。每一次权值和偏差的变化都与网络误差的影响成正比，并以反向传播的方式传递到每一层。

2.2 数据准备

本文模型中使用的是郑商所CZCE动力煤自2013年9月上市一年内的收盘价格，以交易日为单位（节假日停盘，故省略）。

库存数据方面，模型使用的是我国主要港口煤炭库存总量，数据来源于鲁中煤炭交易中心。选取区间与动力煤期货价格的选取区间相同，都为2013年9月动力煤在郑商所上市之后的一年时间。动力煤期货价格与库存有存在一定的相关性，动力煤期货价格有较大波动的时段都伴随着库存的反向波动。

（5）记录已学习过的样本数p。如果p

（6）确定隐含层层数。隐含层节点数太多会导致学习时间过长；而隐含层节点太少，容错性差，识别未经学习的样本能力低，所以必须综合多方面的因素进行设计。利用逐步增长或逐步修剪来确定。根据试算比较，最终确定隐含层节点数为10。

（7）按权值修正公式修正各层的权职和阈值；

（9）利用测试样本检验训练好的网络模型，并对未来进行预测。对训练、测试以及预测输出的结果进行反归一化处理，即将输出值还原为原量纲值。预测结果评价方法

通过以2013年9月26日到2014年9月5日的煤炭期货价格与港口库存数据进行分析和单步预测，得到如下图

并对预测的整体效果进行比较，采用平均值误差平方和MSE（Mean Suare Error）、平均绝对误差MAE（Mean Absolute Error）、平均绝对百分误差MAPE（Mean Absolute Percentage Error）等三项预测误差评价指标对其进行评价。误差结果如下（部分）

从图4及表1可以看出，基于神经网络模型预测的误差评价指标都非常小，预测表明，在无重大利好消息出台或者政策变化的情况下，在短期内，国内煤炭期货价格仍处于在低位保持震荡的趋势。结果与讨论

通过对煤炭期货价格交易的分析预测得出，在动力煤期货上市之后，煤炭下游行业对煤炭消费的需求，更加直观的在期货价格上得以提现，而通过市场形成的期货价格，虽然影响因素众多，不能完全准确的预测价格波动，但本文模拟出的结果是比较满意的。也说明煤炭期货价格变动具有研究价值。

【参考文献】

[1]江梦，盛宇华.基于波动理论的煤炭期货市场运行规律研究[J].中国煤炭，2013，39（7）：20-23.[2]刘硕，何永秀，陶卫君，杨丽芳，张宇.遗传BP神经网络的煤价预测与煤价风险规避策略[J].华北电力大学学报，2009，36（6）：75-80.[3]张智勇，吴晓东，杨鹏，李东武.动力煤期货指数定价模式的思路探讨[J].中国煤炭，2014，40（10）.[责任编辑：杨玉洁]