bp行业报告

第４５卷第６期　朱慧红等．活性金属对煤液化油加氢处理催化剂的影响　

Ｉｍｐａｃｔ　ｏｆ　ａｃｔｉｖｅ　ｍｅｔａｌ　ｏｎ　ｈｙｄｒｏｔｒｅａｔｉｎｇ　ｃａｔａｌｙｓｔ　ｏｆ　ｃｏａｌ　ｌｉｑｕｅｆａｃｔｉｏｎ　ｏｉｌ　

Ｚｈｕ　Ｈｕｉｈｏｎｇ　，Ｓｕｎ　Ｓｕｈｕａ　，Ｌｉｕ　Ｊｉｅ　，Ｊｉｎｇ　Ｈａｏ　，Ｙａｎｇ　Ｇｕａｎｇ　，Ｙａｎｇ　Ｔａｏ　，Ｊｉａｎｇ　Ｌｉｊｉｎｇ　，Ｚｈｏｕ　Ｊｉａｎｂｏ　

（１．ＳＩＮＯＰＥＣ　Ｆｕｓｈｕｎ　Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｐｅｔｒｏｌｅｕｍ　ａｎｄ　Ｐｅｔｒｏｃｈｅｍｉｃａｌｓ，Ｆｕｓｈｕｎ，Ｌｉａｏｎｉｎｇ　１　１３００１；　

２．Ｎｏ．３　Ｒｅｆｉｎｅｒｙ　ｏｆ　ＰｅｔｒｏＣｈｉｎａ　Ｆｕｓｈｕｎ　Ｐｅｔｒｏｃｈｅｍｉｃａｌ　Ｃｏｍｐａｎｙ，Ｆｕｓｈｕｎ，Ｌｉａｏｎｉｎｇ　１　１３００１）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｉｍｐａｃｔｓ　ｏｆ　ｔｈｅ　ｔｙｐｅ　ａｎｄ　ｃｏｎｔｅｎｔ　ｏｆ　ａｃｔｉｖｅ　ｍｅｔａｌｓ　ａｎｄ　ｄｉｓｐｅｒｓｉｏｎ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｎ　ｔｈｅ　ｐｒｏｐｅｒ－　

ｔｉｅｓ　ａｎｄ　ｐｅｒｆｏｒｍａｎｃｅｓ　ｏｆ　ｈｙｄｒｏｔｒｅａｔｉｎｇ　ｃａｔａｌｙｓｔ　ｏｆ　ｃｏａｌ　ｌｉｑｕｅｆｉｅｄ　ｏｉｌ　ａｒｅ　ｓｔｕｄｉｅｄ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｃａｔａ—　

ｌｙｓｔ　ｐｒｅｐａｒｅｄ　ｗｉｔｈ　ａｃｔｉｖｅ　ｍｅｔａｌ　ｓｙｓｔｅｍ　ｏｆ　Ｍｏ—Ｎｉ　ｏｆｆｅｒｓ　ｂｅｔｔｅｒ　ｈｙｄｒｏｔｒｅａｔｉｎｇ　ｐｅｒｆｏｒｍａｎｃｅｓ．Ｗｉｔｈ　ｉｎｃｒｅａｓｉｎｇ　ｍｅｔａｌ　

ｃｏｎｔｅｎｔ，ｔｈｅ　ｒａｔｉｏ　ｏｆ　ａｒｏｍａｔｉｃ　ｃａｒｂｏｎ　ｉｎ　ｔｈｅ　ｈｙｄｒｏｔｒｅａｔｉｎｇ　ｐｒｏｄｕｃｔ　ｇｏｅｓ　ｄｏｗｎ．Ｉｎ　ｃｏｎｓｉｄｅｒａｔｉｏｎ　ｏｆ　ｉｍｐａｃｔ　ｏｆ　ｉｎ—　

BP算法数值实验

姓名：刘旻 学号：200930310181

一、实验目的

1、熟悉Matlab软件神经网络工具箱的使用；

2、熟悉BP神经网络的基本工作原理；

3、掌握BP神经网络的基本应用

4、熟悉Matlab程序设计的基本方法

二、实验内容

问题1、给定七个输入的单层神经元以及输入 P，比较不同传递函数所得到的输出结

果．其中网络权值向量 W=[ 0 .3; 0 .5; 0 .9; 0 .1; 0 .4; 0 .3; 0 .1 ]

网络阈值 b= 1，网络输入 P ＝ [ 1 .2 ; 2 ; 0 .5 ; 1 .5 ; 0 .7 ; 0 .9 ; 1 .4 ]

问题2、训练一个隐层（含五个神经元）的单输出 BP 网络，给出动态逼近过程和训练

好的权值和闻值．

算法：

1. 初始化 BP 网络；

2. 设定精度要求，并利用输入和目标进行训练；

3. 画出样本点示意图；

4. 在同一个图上画出样本点示意图． 计算机智能基础

2 / 10 三、实验原理

∑ 传递函数输出

阈值bw1w2

w4w3

w5w6w7p1p2p3

p4

p5p6p7

图3-1

如图3-1所示，其描述了一个由五个输入的单层神经元网络，该网络的输出只有一个。

∑部分主要完成对输入值以及相应权值乘积的求和，即为： p1×w1+p2×w2+p3×w3+p4×w4+p5×w5+p6×w6+p7×w7+b

其中b为所给的阈值。将通过∑后的结果作为传递函数的输入，经过计算的到最终的输

出结果，即经传递函数计算的结果。本实验的传递函数选择为pureline，log-sigmoid，tan-sigmoid，

hardlim。

传递函数输出传递函数∑ w2∑

∑

∑

∑

∑ w11w12w13w14w15pb1

b2

b3

b4

b5 图3-2 如上图3-2所示，为一个隐含层为五个神经元的BP网络。假设该网络的输入只有一个p，

与相应的权值做乘积之后，加上相应的权值，将所得结果作为第一个传递函数的输入。经过

江南大学物联网工程学院实验报告

课程名称 人工智能 实验名称 BP神经网络 实验日期 2016-04-30

班级 计科1305 姓名 游思睿 学号 1030413529

实验报告要求 1．实验名称 2．实验要求 3．实验环境 4．实验步骤 5．实验体会

一、实验目的：

两个输入a、b（10以内的数），一个输出 c，c=a+b。换句话说就是教BP神经网络加法运算。

二、实验内容：

Data 用来表示已经知道的数据样本的数量，也就是训练样本的数量。In 表示对于每个样本有多少个输入变量;

Out 表示对于每个样本有多少个输出变量。Neuron 表示神经元的数量，TrainC 来表示训练的次数。再来我们看对神经网络描述的数据定义，来看下面这张图里面的数据类型都是 double 型。

d_in[Data][In] 存储 Data 个样本，每个样本的 In 个输入。d_out[Data][Out] 存储 Data 个样本，每个样本的 Out 个输出。我们用邻接表法来表示 图1 中的网络，w[Neuron][In] 表示某个输入对某个神经元的权重，v[Out][Neuron] 来表示某个神经元对某个输出的权重；与之对应的保存它们两个修正量的数组 dw[Neuron][In] 和

dv[Out][Neuron]。数组 o[Neuron] 记录的是神经元通过激活函数对外的输出，OutputData[Out] 存储BP神经网

络的输出。

初始化主要是涉及两个方面的功能，一方面是对读取的训练样本数据进行归一化处理，归一化处理就是指的就是将数据转换成0~1之间。在BP神经网络理论里面，并没有对这个进行要求，不过实际实践过程中，归一化处理是不可或缺的。因为理论模型没考虑到，BP神经网络收敛的速率问题，一般来说神经元的输出对于0~1之间的数据非常敏感，归一化能够显著提高训练效率。可以用以下公式来对其进行归一化，其中 加个常数A 是为了防止出现 0 的情况（0不能为分母）。

有逻辑就是商业计划书（BP）的大纲！如果第一印象能抓住投资者，你就成功了一半。

BP的最终目的是要说服投资者，那么在大纲范围内，有条不紊的呈现你的想法就是你一定要做好的事情。

所以，当开始写BP的时候，心里一定要有大纲。希望大家可以一行一行看完，这样的思维模式对创业是很有帮助的。

摘要

一句话说明理念由来。（切入点）

一句话说明市场的需要。（市场前景）

一句话说明你们提供了什么需要。（产品）

一句话说明还有谁提供了这些需要。（竞争对手）

一句话说明你们提供的比他们提供的强在哪？（优势）

一句话说明你们如何做出这个“强”。（研发）

一句话说明你们如何把“强”弥补到“需要”那里去。（市场运作）

一句话说明你们弥补的需要能赚多少。（盈利模式）

一句话说明你们赚的分给我们多少，要我们提供什么。（回报）

一句话介绍一下你们。（团队优势）

如上摘要的思维逻辑，正文就是在这样的思维框架下进行。

Tips

还没有注册公司的话则自行换为“团队”，再引用“公司”的思路自行编制计划书，我分享的这份思路文案里，部分是可以根据需要删减的。

正文要求：所有一句话能说完的，绝不两句话。

一、基本情况篇

公司叫什么。

公司在哪。

公司是什么性质。

公司股东有哪些。

控股结构是怎样。

公司主要业务是什么。

公司员工组成是怎样。

公司财务怎样。

公司近期目标和长期目标是什么。

二、公司管理篇

概述。

高层是哪些。

高层简介。

高层怎么分工。

管理体系是什么。

融资后要设立哪些机构及相关的人员配备。

管理层及关键人员将采取怎样的激励机制和奖励措施。

管理层的薪酬，是否有员工持股计划。

公司是否建立人事管理制度。

对有关知识产权、技术秘密和商业秘密采取的保护措施。

公司是否存在关联经营。

公司、公司主要管理人员是否卷入法律诉讼及仲裁事件中，对公

司有何影响。

三、行业情况篇

概述。

市场前景怎么样。

谁在使用产品。

使用的目的，为何购买。