基于因素分析与BP神经网络的电信企业管理胜任力测评研究

运用行为事件访谈法、专家小组讨论法,以及探索性因素分析与验证性因素分析方法,构建电信企业管理胜任力的结构模型及其评价指标体系.在确保测评指标合理性与有效性的前提下,提出一种基于BP神经网络的管理胜任力测评模型,通过仿真和实例表明了测评模型的有效性,为综合评价电信企业员工的管理胜任力提供了一种新方法。     

模糊概率神经网络水质评价模型及其应用

鉴于水质类型和分级标准存在模糊性,将模糊数学中的相对隶属度理论和概率神经网络和相结合,构建了模糊概率神经网络水质评价模型(FPNN).阐明了该模型的构建方法,提出了基于指标相对隶属度矩阵插值构建学习样本的方法,并将该模型应用于实际水质评价.通过与综合评判法、属性识别法和BP网络法的比较,验证了该模型操作简便,评价结果客观可靠.     

产业集群创新能力评价模型的比较研究

针对产业集群创新能力评价的一些复杂方法,以文献中的基于BP神经网络的产业集群创新能力评价模型作为比较对象,提出了两种评价模型:组合评价模型和主成分指数模型.前者将变异系数法和Topsis法组合使用,用以评价产业集群创业能力;后者则是对所有参评样本的评价指标进行主成分分析,以主成分的方差贡献率为权重,构建主成分综合指数,从而形成产业集群创新能力的综合评价指数模型.对这两个模型用来自比较对象模型的同一数据进行了验证,三个模型都得出了非常相近的结果,而这两种模型更具可操作性且易于解释,这两者相比,主成分分析的方法则更为简单易行.     

基于BP神经网络的供应链绩效评价方法

动态供应链绩效评价是一个包含多个指标输入输出的复杂评估系统,各绩效指标具有模糊性、不确定性,绩效指标数量较多,彼此之间存在非线性关联性。针对这样一个复杂的评估系统,本文讨论利用神经网络技术来对动态供应链绩效进行综合评价。本文首先介绍了人工神经网络的基本概念。针对供应链绩效的五维平衡计分卡模型,利用BP神经网络(Back Propagation NeuralNetwork,BP网络)来对供应链综合绩效评价结果进行学习和预测,文中我们详细讨论了供应链绩效评价中BP网络的学习过程和存在的问题,并给出了仿真结果。计算实例表明本文提出的动态供应链绩效评价模型是合理、有效的,能够为供应链的合理分析和决策制定提供依据。     

基于神经网络的医药高科技投资风险评价模型

作为风险投资三大领域之一的医药高科技风险投资在各国都受到极大重视,吸引着巨大的资金,其投资金额仅次于IT产业高科技风险投资。但经典的风险管理理论由于基于理想化假设及需要历史数据预测的数学方法对于风险投资有着巨大的局限性。本文在建立医药高科技风险投资评价体系的基础上,提出一种基于BP神经网络的适合医药高科技项目风险投资多指标综合评价方法。该方法通过神经网络的自学习、自组织适应能力和强容错性,能准确地按照专家的评定方法进行工作,训练好的神经网络系统将专家评价思想以连接权的方式赋予神经网络,并最终在实际投资中被运用和验证。     

基于BP神经网络的企业信用评估模型

本文研究了企业信用评估中的模型问题.以商业企业为例,阐述了基于BP神经网络的信用评估模型的原理,通过建立指标体系,讨论基于BP神经网络的评价模型的实现,对模型的不足进行了分析,并提出改进建议.     

上市公司竞争力的非线性评价:辽宁省例证

上市公司竞争力的科学评价,对如何正确引导上市公司的发展具有重要意义.通过因子分析与BP神经网络两种综合评价方法的比较,发现非线性的BP神经网络方法在上市公司竞争力的综合评价上,比传统的线性综合评价方法更具真实性和科学性,并就如何提升辽宁省上市公司竞争力给出了政策建议.     

粮食最低收购价政策问题研究

利用聚类分析、逐步回归分析确定小麦与稻谷种植面积模型和指标体系.建立综合指标评价模型和ARMA模型,可知:最低收购政策具有托市效应.结合时间趋势剔除法、蛛网模型,可知:小麦和稻谷价格波动呈现5、3年的周期性,分别满足发散型、收敛型蛛网形态.建立基于补偿法的最低收购价定价模型并用BP神经网络模型进行检验.基于反证法,推知调控最低收购价提高5%小麦种植面积的做法是不可行的.最后提出了调控粮食种植的建议·     

基于小波网络的管理信息系统多指标综合评价方法

本在建立管理信息系统综合评价指标体系的基础上，提出了一种基于小波网络的管理信息系统多指标综合评价方法，该方法不仅能够模拟专家对管理信息系统进行综合评价，避免评价过程中的人为失误，而且有比BP网络更好的收敛性能。仿真实验表明，采用该方法所获得的结果是令人满意的。     

融合系统聚类与BP神经网络的世界碳排放预测模型研究

针对碳排放指标的复杂性与多样性,利用系统聚类对世界碳排放指标进行筛选;然后运用BP神经网络对世界碳排放量进行预测.结果表明运用系统聚类方法分析碳排放指标,简化了BP神经网络输入层,使网络训练得到较快实现,相比传统BP神经网络预测方法具有更高的精度,为碳排放预测及其它相关预测提供了一种新的、可供借鉴的方法.     

基于BP神经网络误差函数优化算法的武器装备承制商信用评价模型研究

信用评价是选择武器装备承制商的重要手段.以国标为基础,结合承制商具体情况确定了信用评价指标体系.分析了传统信用评价方法的不足,对经典BP神经网络的误差函数进行优化,优化后的网络模型收敛速度更快,预测精度更高.构建BP神经网络武器装备承制商信用评价模型,仿真实验表明武器装备承制商信用评价可以选用BP神经网络模型.     

基于改进PSO-BP神经网络的贮存可靠性预测

贮存可靠性是军事储备质量监测的重要环节,科学准确地预测贮存可靠度是现代化军事评估的必然要求。针对历史贮存数据,建立可靠度与年限的贮存可靠性预测模型,采用进化策略改进粒子群算法(PSO)优化BP神经网络进行贮存可靠性预测。通过数据扩充提高样本质量和数量,应用改进后的PSO算法优化BP神经网络的初始权值和阈值,提高网络的泛化能力。PSO算法较好的全局搜索能力与BP网络很强的局部搜索能力相结合,能够避免早熟现象,提高算法的收敛速度及预测精度。实验结果表明,改进的PSO-BP网络模型比PSO-BP和BP神经网络获得更好的预测性能。     

基于一类优化BP神经网络模型的中国廉租房条件(家庭贫困)界定研究

建立家庭情况界定评价指标体系,通过采样居民家庭经济状况,建立优化BP神经网络用于计算贫困指数、贫困级差数实现家庭贫困界定,运用软件鉴定结果,并将原理推广到其他评价方法.     

基于PSO-BP神经网络的外贸发展状况的评价

以我国对外贸易的实际情况为基础,建立了评价外贸发展状况的一套指标体系.使用主成分分析方法对所有评价指标进行预处理之后,借助粒子群优化算法改进了BP神经网络算法,构建了外贸发展状况的评价模型.评价模型在具体应用中,评价结果较为准确,具有一定的科学性和合理性.     

V-fold交叉验证和BP神经网络在信用评价中的应用

研究关于公司神经网络信用评估问题的现状，提出一套甄选方法准则。用于建立适合于我国企业的信用评分指标体系；然后依据该指标体系建立了基于BP回归神经网络的信用评估模型；采用V—fold交叉验证技术，利用样本公司实际指标数据对该模型的评分效果进行了实证研究。     

基于BP神经网络的P2P网贷借款人信用评估

评估借款人信用是P2P网贷公司控制风险的重要步骤,对于网贷公司的正常运行有着极其重要的意义。论文参考商业银行信用指标体系并根据P2P网贷自身特点,建立了P2P网贷借款人的信用评估指标体系。根据建立的指标体系构建相应的BP神经网络模型,并利用一步正切法进行优化。然后选取具有代表性的P2P网贷平台的相关数据,对该模型进行训练和仿真,证明了该模型对P2P网贷平台的风险控制起到一定的作用。     

数据挖掘在房地产价格预测中的应用研究

通过基于数据挖掘理论的粗糙集和神经网络的研究,用属性约简算法约简并提取了影响房地产价格的主要指标因素,对降维后的数据进行网络学习和训练,最后用训练好的的网络检验测试样本.方法使学习训练的速度和识别率提高了,为房地产价格预测提供了一种更为有效和实用的新途径.     

基于AHP和动量BP神经网络的工程项目承包商选择模型

运用BP神经网络技术,采用动量BP算法,构建了基于动量BP神经网络的工程项目承包商选择模型,并将AHP的评价结果作为学习样本,对BP神经网络模型进行训练和测试.结果表明,基于AHP和动量BP神经网络的工程项目承包商选择模型是可行的,该模型具有较高的自组织、自适应和自学习能力以及较强的容错功能,能够为一般的工程项目承包商选择活动提供有效的参考和依据.