股票分析和预测是一个复杂的研究领域，本论文将股票技术分析理论与人工神经网络相结合，针对股票市场这一非线性系统，运用BP神经网络，研究基于历史数据分析的股票预测模型，同时，对单只股票短期收盘价格的预测进行深入的理论分析和实证研究。本文探讨了BP神经网络的模型与结构、BP算法的学习规则、权值和阈值等，构建了基于BP神经网络的股票短期预测模型，研究了神经网络的模式、泛化能力等问题。并且，利用搭建起的BP神经网络预测模型，采用多输入单输出、单隐含层的系统，用前五天的价格来预测第六天的价格。对于网络的训练，选用学习率可变的动量BP算法，同时，对网络结构进行了隐含层节点的优化，多次尝试，确定最为合理、可行的隐含层节点数，从而有效地解决了神经网络隐含层节点的选取问题。
上传时间： 2017-05-10
上传用户：wd1314
计算机课程设计报告： 基于P2P的聊天系统，用户既是服务器端也是客户端。这并不同于传统的一服务器多客户端的网络结构，而是多服务器多客户端的网络结构，服务器与客户端一一绑定，数量相等。
上传时间： 2017-09-28
上传用户：223333
BP神经网络matlab源程序代码 %% 该代码为 BP 神经网络的预测代码 % 清空环境变量 clc clear % %% 网络结构建立 % 读取数据 load data input output input=data(;,1;2;3;4;5); output=data(;,5); %节点个数 %训练数据和预测数据 %选连样本输入输出数据归一化 %构建网络 net=newff(inputn,outputn,hiddennum); %网络进化参数 %网络训练 % 预测数据归一化
上传时间： 2018-04-10
上传用户：45808330
基于人工神经网络实现智能机器人的避障轨迹控制摘 要：利用人工神经网络中的二级 BP网。模拟智能机器人的两控制参数(左 、右轮速)间的函数关系。实现避 障轨迹为圆弧或椭圆弧的轨迹控制 。并且通过调整椭圆长、短轴大小。能实现多个及多层障碍物的避障控制．该方法 的突出特点是方法简单、算法容易实现 。使机器人完成多个及多层避障动作时。不滞后于动态环境里其它机器人(障 碍物)位置的变化．在仿真实验中。取得了理想的效果． 关键词；BP神经网络I多个及多层避障控制I椭圆轨迹1 弓I言(Introduction) 在机器人中，避障轨迹的生成是一个重要的问 题．对于不确定的动态环境下的实时避障轨迹生成， 是较为困难的．有关这方面的研究，目前已有许多方 法．一些神经网络模型被设计出来，产生实时的轨迹 生成．文献113[23提供的神经网络模型产生的轨迹 生成仅能处理在静态环境下及假设空间中没有障碍 物的情况．[3]提供的神经网络模型，能为智能机器 人产生导航的避障轨迹，然而模型在计算上相当复 杂．文献[43提供了Hopfield神经网络模型，能在动 态环境下产生时实的避障轨迹生成，并在文献[5] 中，严格证明了因该方法生成的轨迹没有遭受局部 极小点逃离问题．并且文献[63用两个神经网络层叠 加起来，每层构造相似于[43中的网络结构．它是利 用第二层网络来发现下一个机器人位置的无监督模 型，然而它却加倍了计算量，尽管文献[4，6]提供的 方法能在动态环境下，产生时实避障轨迹，但都具有 较慢的运动速度，在快速变化的环境下不能恰当地 完成动作执行，因为机器人要比较好地完成避障动 作，必须不能滞后于障碍物动作变化
上传时间： 2022-02-12
上传用户：得之我幸78
论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像，引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型，同时提出两种关键测 温部位的自动检测方法。主要结论总结如下： (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现， 9个身体区域提取的体表温度与直肠温度呈正相关(产O．34～0．68)，其中， 基于耳根区域体表温度平均值建立的一元回归方程效果最优，预测集相关系数RP与 均方根误差RMSEP分别为0．66和0．420C。全特征模型相比一元线性回归方程有更 好的预测效果，RP和RMSEP分别为0．76和O．370C。此外，应用特征选择方法LARS． Lasso确定了7个重要特征建立简化模型，其校正集和预测集的R分别为0．80和 0．80，RMSEs分别为0．30和0．350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。对比分析4种卷积神经网络模型的性能，结果表明U-Net．4网络结构的分割 效果最优，平均区域重合度最高为78．75％。然而，当计算设备的计算力不够时，可 以选用U．Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法，将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A．E，得 出架构E最优。且当Dropout概率设置为0．6时模型效果最好，验证集平均误差和 预测集平均误差分别为1．96％和2．65％。测试集单张猪脸关键点的预测误差小于5％ 和10％的比例分别为89．5％和97．4％。模型能够很好的定位猪脸关键点，用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度，通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法，同时提出两种关键测温部位的自动检测方 法，有助于实现母猪体温测量自动化，为生猪健康管理提供参考。
标签： 红外热成像技术
上传时间： 2022-02-12
上传用户：jiabin
随着微电子技术和电力电子技术的发展，伺服运动控制系统已经从模拟控制发展到全数字控制，其性能不断提高，在工业机器人、数控机床等设备中获得了广泛应用.基于现场总线网络的伺服运动控制系统以其高可靠性、快速性和稳定性成为伺服运动控制系统的发展趋势。德国倍福公司提出的EtherCAT工业以太网技术在数据链路层采用了实时调度的软件核，并提供了过程数据传输的独立通道，提高了系统的实时性：该网络还具有灵活的拓扑结构，简单的系统配置，较低的构建成本等特点，适合应用于运动控制领域。目前，该网络受到了运动控制开发商的广泛关注。本文以海洋研究领域的造波机系统开发为背景，利用EtherCAT从站接口控制器ET1100和DSP芯片TMS320F28335开发了EtherCAT从站设备，构建了一主一从的EtherCAT网络结构实现了伺服系统精确的位置控制。论文首先对伺服运动控制系统的概念、特点进行了介绍，对其各个组成部分进行了详细分析，并结合实践经验给出了自己的观点，就目前广泛应用于网络运动控制中的两种总线网络进行了介绍。其次，详细分析了EtherCAT网络的原理、技术特点及主从站关键技术。结合本文的系统设计，介绍了1公司最新推出的用于1业控制的DSP片-TMS320F28335，分析了系统设计中用到的几个运动控制模块与通讯模块，并给出了相应寄存器配置。最后在对EtherCAT网络和DSP芯片TMS320F28335研究基础上，开发了EtherCAT从站设备，避免了造波机系统中脉冲+方向位置控制方式长线传输的缺点，给出了开发系统的总体框架及主从站实现的关键细节，并给出了相应的实验结论。本设计充分发挥了EtherCAT工业以太网络实时数据传输的功能和TMS320F28335 DSP芯片运动控制功能，实现了运动系统高精度的位置控制。
上传时间： 2022-05-31
上传用户：aben
随着人类社会的进步，科学技术的发展日新月异，模拟人脑神经网络的人工神经网络已取得了长足的发展。经过半个多世纪的发展，人工神经网络在计算机科学，人工智能，智能控制等方面得到了广泛的应用。当代社会是一个讲究效率的社会，科技更新领域也是如此。在人工神经网络研究领域，算法的优化显得尤为重要，对提高网络整体性能举足轻重.BP神经网络模型是目前应用最为广泛的一种神经网络模型，对于解决非线性复杂问题具有重要的意义。但是BP神经网络有其自身的一些不足（收敛速度慢和容易陷入局部极小值问题），在解决某些现实问题的时候显得力不从心。针对这个问题，本文利用遗传算法的并行全局搜索的优势，能够弥补BP网络的不足，为解决大规模复杂问题提供了广阔的前景。本文将遗传算法与BP网络有机地结合起来，提出了一种新的网络结构，在稳定性、学习性和效率方面都有了很大的提高。基于以上的研究目的，本文首先设计了BP神经网络结构，在此基础上，应用遗传算法进行优化，达到了加快收敛速度和全局寻优的效果。本文借助MATLAB平台，对算法的优化内容进行了仿真实验，得出的效果也符合期望值，实现了对BP算法优化的目的。关键词：生物神经网络：人工神经网络；BP网络；遗传算法；仿真随着电子计算机的问世及发展，人们试图去了解人的大脑，进而构造具有人类思维的智能计算机。在具有人脑逻辑推理延伸能力的计算机战胜人类棋手的同时，引发了人们对模拟人脑信息处理的人工神经网络的研究。1.1研究背景人工神经网络（Artificial Noural Networks，ANN）（注：简称为神经网络），是一种数学算法模型，能够对信息进行分布式处理，它模仿了动物的神经网络，是对动物神经网络的一种具体描述。这种网络依赖系统的复杂程度，通过调节内部大量节点之间的关系，最终实现信息处理的目的。人工神经网络可以通过对输入输出数据的分析学习，掌握输入与输出之间的潜在规则，能够对新数据进行分析计算，推算出输出结果，因为人工神经网络具有自适应和自学习的特性，这种学习适应的过程被称为“训练"。
上传时间： 2022-06-15
上传用户：jiabin
前言AB Research 等调研机构报告显示，关于第五代移动通信网络预计在2017年开始确定相关标准，并在2020年时开始正式进行商业使用，就移动网络发展情况来看，随着网络速度的不断提升，网络流量压力越显突出，这样一来，针对于5G移动通信网络架构设计问题，成为运营商考虑的重点问题之一，移动通信企业如何对下一代移动通信系统进行战昭选择，对5G概念进行合理有效布局，使5G移动通信网络架构能够更加符合市场发展实际需要，对于移动通信企业占据市场有利竞争地位来说，具有十分重要的意义。本文关于5G移动通信网络架构的分析，主费以SDN和NFV技术为主，阐述了SDN和NFV技术在5G移动通信网络构架中的巨大作用。一、基于SDN和NFV的5G移动通信网络构架的优势SDN（软件定义网络）和NFV（网络功能虚拟化）是5G移动通信网络构架的重要组成部分，在实际应用过程中，二者有着各自独特的优势，这对于促进5G移动通信网络发展来说，具有重要的推动作用。SDN是一种网络创新结构，与5G移动通信网络进行有机结合，可以更好地发挥自身优势，并对5G移动通信网络构建来说，具有一定的指导性意义"。SDN具有以下优点：一是能够控制与转发进行分离；二是具有较强的集中化控制能力：三是软件接口较为广泛。SDN应用于5G移动通信网络结构中，可以使网络设备控制面与数据面进行分离，保留网络硬件的转发功能的同时，上层可进行集中控制，使网络应用和功能可编程化。5G移动通信运营商在利用SDN时，能够利用软件定义网络替代昂贵的专业设备，使技术成本大幅度降低，为企业带来较大的经济回报。同时，SON和NFV的特点，使网络更加开放，更具编程能力，为运营商进行网络和应用革新打下了坚实的技术星础。SDN在5G移动通信网络中应用，使移动网络功能更加合理和高效，能够满足日后不断增加的接入速率，更好地满足用户的上网高要四。
上传时间： 2022-06-18
上传用户：qdxqdxqdxqdx
前几天AUGTEK 发表了《LoRa 技术， 你来问， 我来答》上下两部分，考虑到这一部分内容是对《LoRa 科普》很好的补充，故整合发布。感兴趣的盆友可以多关注菜单栏，如果有新的LoRa 技术提问，小编会及时整合更新。鉴于LoRaWAN Server 是LoRaWAN 网络框架中是比较重要的一环，且目前全球仅有少数几家产商能够提供，小编将在下篇新文章中为大家重点介绍。1. 什么是LoRa？LoRa 是低功耗广域网通信技术中的一种，是Semtech 公司采用和推广的一种基于扩频技术的超远距离无线传输技术， 是Semtech 射频部分产生的一种独特的调制格式。LoRa 射频部分的核心芯片是SX1276 和SX1278。这类芯片集成规模小、效率高， 为LoRa 无线模块带来高接收灵敏度。而网关芯片则采用的是集成度更高、信道数更多的SX1301。用SX1301 作为核心开发出的LoRa 网关，可以与许许多多的LoRa 模块构成多节点的复杂的物联网自组网。2. LoRa是扩频技术吗？ LoRa 是一种扩频技术，但它不是直接序列扩频。直接序列扩频通过调制载波芯片来传输更多的频谱，从而提高编码增益。而LoRa 调制与多状态FSK 调制类似，使用未调制载波来进行线性调频，使能量分散到更广泛的频段。3. LoRa 是Mesh 网络、点对点传输还是星形网络？ LoRa调制技术本身是一个物理层（ PHY layer ）协议，能被用在几乎所有的网络技术中。Mesh 网络虽然扩展了网络覆盖的范围，但是却牺牲了网络容量、同步开销、电池使用寿命。随着LoRa 技术链路预算和覆盖距离的同时提升， Mesh 网络已不再适合，故采用星形的组网方式来优化网络结构、延长电池寿命、简化安装。LoRa 网关和模块间以星形网方式组网，而LoRa 模块间理论上可以以点对点轮询的方式组网，当然点对点轮询效率要远远低于星形网
标签： lora
上传时间： 2022-06-19
上传用户：hai7ying
本书包含四个组成部分：导论，监督学习，无监督学习，神经网络动力学模型。导论部 分介绍神经元模型、神经网络结构和机器学习的基本概念和理论。监督学习讨论感知机学习 规则，有监督的Hebb学习，Widrow-Hoff学习算法，反向传播算法及其变形，RBF网络，正则 化网络，支持向量机以及委员会机器。无监督学习包括主分量分析，自组织特征映射模型的 竞争学习形式，无监督学习的信息理论，植根于统计力学的随机学习机器，最后是与动态规 划相关的增强式学习。
标签： 神经网络
上传时间： 2022-06-21
上传用户：fliang
