会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

BP神经网络回归的三种python实现

BP神经网络（Back Propagation）是基于误差反向传播算法训练的多层前馈网络，能学习存储大量的输入-输出模式映射关系。它的优化方法是使用梯度下降法，通过反向传播来不断调整网络的权值和阈值，使网络误差平方和最小。其实际就是多层感知机，拓扑结构（单隐藏层）如下图所示。

  • 2023-02-27
  • 阅读305

LearningLSTM

Recurrent Neural NetWork (RNN) 用于处理序列数据，序列数据预测模型的特点是某一步的输出不仅依赖于这一步的输入，还依赖于其他步的输入或输出。传统的序列数据机器学习模型有Hidden Markov Model (隐马尔可夫模型)、Conditional Random Field (条件随机场)。近年来，深度学习模型又带来了RNN，标准RNN结构极为简单，只有一个tanh层，其模型结构见图1。

  • 2023-02-27
  • 阅读317

用Python实现BP神经网络（附代码）

用Python实现出来的机器学习算法都是什么样子呢？ 前两期线性回归及逻辑回归项目已发布（见文末链接），今天来讲讲BP神经网络。

  • 2023-02-27
  • 阅读272

【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现）

该文提出一种基于卷积神经网络的有效两阶段算法，以求解具有机器故障的柔性作业车间调度问题（FJSP）。建立了以最大完成时间和鲁棒性为目标的双目标动态柔性作业车间调度问题（DFJSP）模型。提出了CNN构建的预测模型，并开发了一个名为RMn的替代指标来评估鲁棒性。实验结果表明，所提两阶段算法对求解DFJSP有效，RMn能够更快、更高效、更准确地评估调度的鲁棒性。

  • 2023-02-27
  • 阅读321

基于BP神经网络的用电量预测（python代码实现）

随着现代信息技术的发展，智能电网已成为智能城市的主要组成部分之一。为了充分利用智能电网，智能调度和规划电力输送的能力至关重要。在实践中，许多因素都会对电力消耗产生影响，这就需要使用信息融合技术来彻底了解电力消耗。为此，研究人员研究了收集电力消耗相关信息的方法和各种多因素电力消耗预测模型。此外，进行全面分析并获得准确的功耗评估是更稳健、更高效的电网设计和改造的前提和基础。因此，探索能够有效反映融合信息中的用电量变化和内部关系的预测模型具有重要意义。基于神经网络进行用电量预测是近年来的一个热门研究课题，而BP神经网络算法已被公认为一种成熟有效的方法。

  • 2023-02-27
  • 阅读307

车路云一体化系统白皮书

车路云一体化系统是指通过新一代信息与通信技术，将人、车、路、云的物理空间、信息空间融合为一体，实现智能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统

  • 2023-02-27
  • 阅读445

2023十大科技趋势

基于多模态的预训练大模型将实现图文音统一知识表示，成为人工智能基础设施。

  • 2023-02-27
  • 阅读386

机器学习4个常用超参数调试方法

ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。

  • 2023-02-26
  • 阅读340