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BP网络和RBF网络的模糊系统建模

Ｗｈｅｎａｐｐｌｙｉｎｇａｆｕｚｚｙｃｏｎｔｒｏｌｍｅｔｈｏｄｏｒａｎｉｎｔｅｌｌｉｇｅｎｃｅｃｏｎｔｒｏｌｍｅｔｈｏｄｔｏａｎｅｆｆｅｃｔｉｖｅｃｏｎｔｒｏｌｏｖｅｒａｃｏｍｐｌｅｘｓｙｓｔｅｍ,ｉｔｉｓｓｏｍｅｔｉｍｅｓｎｅｃｅｓｓａｒｙｔｏｉｄｅｎｔｉｆｙｓｙｓｔｅｍａｔｉｃｓｔｒｕｃｔｕｒｅａｎｄｐａｒａｍｅｔｅｒｓ．Ｍａｔｈｅｍａｔｉｃａｌｌｙ,ｉｔｉｓｊｕｓｔｔｈｅｐｒｏｂｌｅｍｓｏｆｕｎｉｖｅｒｓａｌｆｕｎｃｔｉｏｎａｌａｐｐｒｏｘｉｍａｔｉｏｎａｎｄｆｕｎｃｔｉｏｎａｐｐｒｏｘｉ…     

基于GA优化BP网络输入的人力资本预测研究

人力资本是决定地区经济增长的重要因素之一,其形成受多种因素的综合影响。利用BP神经网络进行预测时,因人力资本形成因素众多,各因素之间信息独立性差,交叉重叠的信息使得神经网络的结构过于庞大,极大地影响了网络的性能。本文采用遗传算法(GA)对人力资本形成因素进行优化,化选出与人力资本关系最密切、反应最敏感的少数指标,再利用优化后的指标对我国31个地区的人力资本进行预测,有效地降低了网络输入维数,提高了网络精度。     

BP网络和RBF网络在期货预测中的比较研究

通过仿真实例,对BP网络和RBF网络在期货预测应用上的表现性能进行了比较研究,仿真结果表明,BP网络更适合于期货市场价格预测.实际的期货预测应用中,此结论可指导神经网络模型的选择.     

基于BP.网络的工程投资估算模型

选择δ学习规则、有监督学习方式的BP神经网络模型作为本次应用的模型.对30个案例进行分析研究,挖掘有用的数据,找出影响工程造价的主要特征,并对这些特征按其对应分类定性处理,模拟从定性分类处理后的工程特征到工程造价的非线性映射关系.模型估算误差率在±10%以内,满足投资估算阶段的精度要求.     

基于BP算法的信用风险评价模型研究

本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .     

基于BP神经网络的摩擦系数预测方法研究

准确的获取摩擦系数是提高摩阻计算精度的有效方式之一,摩擦系数隐含了力学分析模型假设与实际情况的差异以及井眼形状、钻井液体系等因素的影响,使摩阻系数表现出非稳定的随机性和个体差异.充分利用多层前馈神经网络具有的自学习、自组织、自适应和非线性动态处理等特性,将BP网络与摩擦系数预测活动进行了有效的结合,建立了摩擦系数及其影响因素之间的隐含关系预测模型.通过仿真实验表明可利用神经网络实现从摩擦系数的角度提高摩阻扭矩预测精度的目的,解决了钻井过程中存在的摩擦系数个体差异问题.     

基于BP模型的优化方法研究及其应用

首先根据BP算法的基本原理,推导出了BP模型中输出对输入的偏导.然后基于已有数据,利用BP模型进行拟合,保留训练后的BP模型的权值和阈值.在此基础上,利用变步长梯度法实现了BP模型的最优化.本文是对BP模型优化方法的一种新的理论探讨.     

高校贫困生精准资助的神经网络模型北大核心

针对贫困生认定环节中存在的诸多问题,在大数据应用的背景下提出将基于神经网络的数据挖掘方法应用到高校贫困生识别管理之中.通过分析学生校园卡“一卡通”消费记录掌握学生的消费水平,更客观地评价学生的贫困程度,精准挖掘贫困生群体.首先对一卡通数据做预处理,然后提取特征,再进行神经网络模型训练,最后利用已知标签的数据验证模型的正确性.模型对于指导贫困生的精准助学工作,提高学生管理水平具有良好的研究意义和实用价值.     

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.     

基于三角白化权函数的高校家庭经济困难学生动态认定研究

从对现行认定方法的对比分析出发,提出了建立以身份判定、定量评级、定性评估为一体的资格认定体系;考虑到学生家庭经济信息灰性,构建了基于三角白化权函数的灰色聚类模型;并着眼资格认定的动态性和资助育人目标,构建了三级综合动态定性评估体系,以期能为我国高校家庭经济困难学生资格认定研究和工作实践提供参考.     

学生体质评价模型的构建与分析

利用组合群验的理论和方法构建了学生体质评价数学模型,在这一模型基础上介绍了该模型的应用方法,为评价学生体质提供了新方法.     

数学优生与差生的素质差异的比较研究

本文通过对初中学生基础素质指标与学习成绩的多元统计分析,探讨了数学差生与优生的素质差异,从不同群体的基础素质对数学学习成绩的影响,研究培养优生与转化差生的不同策略。 本项研究得到世界银行贷款的资助,获96年山东省普通高等学校优秀教学成果二等奖;98年1月通过了国家教委世行贷款办主持的鉴定。99年3月获“1998年度全国师范院校基础教育改革实验优秀成果”二等奖及世界银行贷款“师范教育发展”改革课题实验研究优秀项目二等奖。     

基于SVM分类模型的垃圾文本识别研究

主要研究垃圾文本识别问题,利用苹果手机评论文本特征向量建立了SVM分类模型对垃圾文本进行识别,并与BP神经网络判别模型结果进行对比,得出苹果手机前400组训练样本的判别正确率为71%,后196组测试样本的判别正确率为70.12%.故得到,影响垃圾观点文本识别效果的主要原因为:1)评论文本的特征项的提取和文本特征空间向量求解.2)判别分类方法的选择,其中SVM文本识别效果最优.     

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.     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.     

MEA-BP模型在遥感影像分类中的应用研究

遥感影像分类作为遥感技术的一个重要应用,对遥感技术的发展具有重要作用.针对遥感影像数据特点,在目前的非线性研究方法中主要用到的是BP神经网络模型.但是BP神经网络模型存在对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.因此,为了提高模型遥感影像分类精度,提出采用MEA-BP模型进行遥感影像数据分类.首先采用思维进化算法代替BP神经网络算法进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于思维进化算法的BP神经网络分类模型,并将其应用到遥感影像数据分类研究中.仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值.     

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.