简介：摘要：在供电公司负荷预测中，企业用户的电力需求预测精确度对整个地区的负荷预测至关重要，能使负荷预测更加细化、精确化，从而利于电能供给平衡。然而近年来，人工智能方法用于用电需求的预测上，仍存在网络参数容易陷入局部最优的问题。基于此，以璧山城区646户高压企业客户，连续23个月的用电量为数据源，对其进行数据挖掘、聚类分析、预测，根据不同企业用电习惯及特点，挖掘数据特征向量，基于RBF人工神经网络建企业日用电量的预测模型，并与BP神经网络企业日用电量预测模型进行对比测试，基于RBF神经网络算法的企业日用电量模型精确度高达90%。

简介：摘要：在电机的故障诊断中应用径向基 (RBF)神经网络建立起异步电机的 RBF神经网络诊断模型。由于 RBF神经网络学习算法容易陷入局部最优，我们引入粒子群优化算法（ PSO）来优化 RBF神经网络基函数的中心、宽度以及网络的连接权值、以获得最优的网络模型。仿真结果表明优化后的 RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。

简介：摘要：BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络。

简介：

简介：摘要：电力变压器诊断是根据变压器故障特征，定故障的性质或者类别，为变压器的检修决策提供依据。文章对变压器油溶解气体的来源、特点及产生原因进行分析，通过构建变压器油中溶解气体与变压器故障之间的对应关系的专家系统，运用神经网络算法对变压器进行全面诊断，仿真结果表面文章所示方法具有可行性。

简介：摘要：随着经济发展，人们对电力能源的需求不断增长，对电力运行质量提出了更高的要求。电力企业需要不断完善电力系统管理，来满足人们的用电需求。带那里计量是电力系统管理的重要环节，对带那里计量故障进行分析和诊断，保障电力计量的精准性，可以有效提升电力管理效率，促进电力行业的发展。 x

简介：摘 要：近年来，大数据、云计算、人工智能等新技术的迅速发展，数据量也急速增长。对于多模数据的应用和海量数据的处理已经成为研究人员最关注的话题之一。而神经学习的出现，给处理多模和海量数据带来了新的方向。深度学习构建的神经网络可以很好的处理非结构化的数据，给推荐算法的发展指明了道路。文章搭建了一种基于深度神经网络的多模信息推荐算法模型。实验结果表明，该模型能够有较好的推荐效果。

简介：摘要：随着煤矿机械设备的发展和采掘技术的进步，煤矿开采深度和掘进面单进深度不断提高，掘进速度也不断加快，造成了瓦斯排放速度和绝对涌出量增加。由于其环境的复杂性和不确定性，煤尘、瓦斯等排放随时变化，且随着井下巷道日益复杂，采掘机械和采掘速度的进步，井下通风系统管理的变量越来越多。为了保证通风系统持续稳定的工作，各需风位置能得到可靠有效的通风，本文采用神经网络算法对通风系统进行可靠性预测，为井下通风管理人员提供一定的通风故障管理依据。

简介：摘要：随着技术的不断发展，计算机和互联网的普遍应用，社会生活的各个领域每分每秒在源源不断的产生大量的数据和信息。在司法领域，大量的卷宗文档数据在法院生产，人工对卷宗进行分类难以满足大数据量分类的需求，这时候使用机器进行卷宗分类就显得尤为必要。我们提出了一种基于深度学习卷积神经网络的方法，对司法卷宗进行自动分类。在实验中，我们的方法达到了94.53%的准确率，大幅提升了工作效率。

简介：摘要：随着科技的发展，我国进入互联网时代，这便使得互联网中的大数据被越来越多的人使用和重视。信息时代，群众可以从互联网中了解到自己想要的讯息，不管所属何种领域，都会挖掘大数据的经济价值以及科技价值。在目前对于分析大数据的方法来说，难度系数较高，是需要研究出一种新的分析方案，帮助挖掘大数据中存在的更多经济价值和科学价值。在当前可以采用无限深度神经网络方法来分析大数据，这种方法可以对大数据中的信息进行综合、整理、分析，为人们筛选出具有价值的信息。在本文中，将会对大数据分析的无限深度神经网络方法进行分析，希望对有需要的人有所帮助。

简介：摘 要 : 本次论文针对于图像处理提出了，基于卷积神经网络的一种自动分割的方式。把图像进行去噪音处理 ， 归因化，然后再进行标注。使用有效的融合多尺度和残差连接卷积神经网络器进行训练，进而得到一个被优化的卷积神经网络的分割模型，再把这个图像加载到一个优化的模型里面，把原图以及恢复分辨率以后的图像进行掩码，进而得到一个高清的分割结果。把最后处理结果和利用 ps 处理的结果进行对比，结果表明 ， 本次研究中使用的方法非常可靠，得到的结果和标准结果很接近，而且能够实现自动分割，进而可以有效的解决在三维重建中的分割任务等问题。

简介：摘要：随着经济、技术的迅速发展，现代社会对于电能的需求量快速增加，电力系统也日益庞大和复杂，出现故障的潜在风险也逐步增加。近年来，随着人工智能技术和神经网络算法的快速发展和应用，特别是具有强大算力的神经网络硬件加速器和专用芯片的出现，神经网络应用于电力系统变得越来越有前景。本文对神经网络及其模型进行了介绍，并对神经网络在电力系统故障诊断、安全评估、负荷预测、经济调度等方面的研究进行阐述，最后总结了神经网络应用于电力系统的优点、缺点以及需要进一步解决的问题。

简介：摘要：预测供水管网的压力，对实现优化运行和降低能耗具有重要的意义。目前供水网络一般使用微观或者宏观模型对其某点压力进行预测。 BP 神经网络都被广泛应用于相关预测的研究。根据供水网络的特点并利用采集的供水压力数据，建立城市供水网络节点压力的预测模型，通过对 BP神经网络结果分析，表明 BP神经网络模型对城市供水网络压力有更好的预测性。

简介：摘要:改进的向量生成模型和特征提取模型分别从融合后的环境体系中对关键词深层解读。通过CNN建模指代特征提取，以向量矩阵作为输入，融合后的分向样本作为输出集合多义词样本循环多层分向提取。模型内部特殊采用分向相对卷积思想，保留了空间信息内的词语完整释义。向量化指代分析中采用改进CBOW模型的PYP算法，观测每个单词的参数分布，模拟上下文窗口结构，加入权重系数验证结构和内容的概率分布可行。

简介：摘要近年来卷积神经网络(convolutional neural network ，CNN)在辅助分析肺癌方面表现出良好的应用前景和研究价值。CNN可以从图像数据中自主学习以提取特定的与临床相关的特征。本文对构建CNN通过输入CT图像进行端到端分析，从而在术前预测肺癌风险和临床治疗效果；以及通过输入肺结节组织切片图像进行术后病理学分析作一综述。

简介：【摘要】本文所研究的空气质量预测工作，利用有效的数据集以及建立 BP神经网络预测算法模型对降雨量，城市生产总值，温度，经度，纬度，海拔高度，人口密度，是否沿海，绿化覆盖率，焚烧量 等 11个与空气质量指数有关的因素与空气质量指数进行相关性分析。然后利用 PAC算法进行降低维度，以便找出和空气质量指数有重要关联的 9个主要特征。利用 BP-GA神经网络算法进行和数据集中的数据进行预测，并且利用 MATLAB进行预测仿真，观察空气质量预测的效果图。最后总结 BP-GA神经网络算法是较适用于空气质量预测的。

简介：摘要：本文使用了一种新型的神经网络结构(树突神经网络),对斜拉桥施工过程中使用的前支点挂篮,在受到到斜拉索索力和环境温度影响下的结构响应进行了分析,并得到了基于神经网络程序，得出输出值的预测结果。

简介：摘要 : 对电力的需求是人们日常生活的主要生活需求之一 。在整体电力企业的管理当中，对电网进行有效的管理是中小企业主要运营的重要问题之一。从具体的应用而言，整体电网的运营与管理工作具有的较为丰富的多样性。其中对电力负荷进行有效的预测是整体电网运营工作中的重点工程之一。有效的电力负荷预测工作，能够使相关技术人员对整体电网的运行有效的调整，进而使 整体电网管理拥有更加优质的管理效果。并使整体电力企业的经济效益进一步以能源管理的方式得以提升。文章 对人工神经网络在整体电力负荷预测中的重要作用进行相应的分析，并解释其具体的应用过程，希望能够为电力管理工作提供有效的现实 性参考。

简介：摘要：配网单相接地故障占比较高，为提高选线准确性，得到更多选线方法，采用BP神经网络法对单相接地故障选线进行分析，建立基本数学模型，并使用电路仿真软件对配网模型进行仿真，数据结果进行归一化，使用神经网络进行计算，可选出故障线。

简介：摘要 :