论文研究基于AR模型与神经网络预测互联网时延.pdf

铝电解优化控制生产过程的实质是将可控参数尽量控制在工艺要求的目标值范围内。传统的基于神经网络的控制方法或直接判断氧化铝浓度，缺乏对历史浓度的有效追踪，致使判断准确率下降；或对铝电解生产状况进行宏观识别

为了设计和优化高线性功率放大器，在系统级仿真中，构建功率放大器精确的行为模型是极为重要的。在ADS中基于飞思卡尔半导体芯片MRF5P21180进行功放电路设计，运用BP和RBF以及在这两种网络的基础上

基于生产函数与BP神经网络模型的GDP预测，陈怡，武利军，本文试图引用生产函数概念，将GDP作为与生产要素的关系，利用人工神经网络建立起GDP预测模型，并以浙江省GDP数据对建立的模型进行训

在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦

摘要:近年来研究表明,组合预测方法比单一预测具有更高的预测精度。提出了一种利用改进的Elman神经网络修正ARIMA模型预测结果的短期风速组合预测模型。 先利用ARIMA模型对风速进行预测,其线性

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点

提出一种基于凝聚层次聚类消除孤立点的新方法，借助聚类树识别孤立点。去除孤立点后，利用RBF网络建立动态预测模型，实验结果表明，网络的训练和泛化性能较消除孤立点前有明显提高。说明凝聚层次聚类方法用在孤立

瓦斯涌出是煤炭行业井下作业中一个极具挑战性的危险因素。为深入研究瓦斯涌出量的变化规律，并提高预测的准确性，研究人员结合了灰色理论与BP神经网络，构建了一种灰色—BP神经网络系统，用于矿井瓦斯涌出量的预

针对不确定时延影响无线网络控制系统的控制性能、常规PID控制策略无法满足网络控制要求的问题,提出了一种基于RBF神经网络PID控制的无线网络时延控制方案。采用Matlab/Simulink的TrueT

针对演化学习的速度较慢、模型的稳定性较差等，利用梯度下降计算改进演化算法，极大地提高了模型的学习速度，对那些需要及时优化工艺参数的生产过程，该种模型有很好的应用前景。