基于主分量分析和BP神经网络的个人信用评估模型

运用基于主分量分析和神经网络(PCA-NN)的个人信用评估模型以期取得更好的预测分类能力.经实证分析及与SVM方法、线性判别分析、Logistic回归分析、最近邻估计、分类回归树及神经网络等方法的对比,结果表明,该方法有很好的预测效果.     

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.     

基于神经网络的课堂教学质量综合评估

研究了神经网络对课堂教学质量进行综合评估的原理、方法和过程,并成功地应用于实际中,结果表明该方法简洁,准确,并能克服各种人为因素.     

基于BP神经网络的行业间中小企业信用评估模型及应用

首先构建了行业间中小企业信用评估指标体系,然后利用安徽省不同行业的800家中小企业调查数据,将其分为训练样本集和测试样本集,对BP神经网络的构造进行讨论,确定BP神经网络的算法,建立起基于BP神经网络的行业间信用评估模型,并代入2003年度全国农业和工业的部分分行业数据进行实证,并对仿真结果做出分析,指出造成农、工行业信用较大差距的原因,并提出加强农业行业信用建设的建议.     

基于遗传神经网络的失能老人健康评估

针对人体健康评估所需参数多,专业性较强,家人对家庭卧床失能老人的健康状况难以准确判断等问题,与医院、养老机构和老年社区合作,提出一种基于遗传神经网络的家庭简单健康评估方法.首先挑选出家庭易测且能反映健康状况的5项生理参数作为特征向量,并对应设置3个健康等级,然后利用遗传神经网络建立生理参数与健康等级的映射关系,最后与一般神经网络进行对比.仿真结果表明,遗传神经网络模型预测误差更小,准确率更高,验证了方法在老人健康评估中的可行性.     

基于模糊神经网络的动车组转向架健康评估

动车组转向架的健康状态直接关系到到动车组的行车安全,基于健康评估方法获取其健康状态及时制定维护计划可以有效降低其维护费用.动车组转向架健康状态评估时应用了模糊层次分析法以及BP神经网络,其模糊矩阵的特征向量用遗传算法进行求解,获取动车组转向架系统关键部件健康状态的权重,以及基于转向架系统评价指标的健康状态样本数据.构建BP神经网络,用转向架健康状态样本数据作为神经网络训练集,优化神经网络结构参数.通过实际测试数据对神经网络评估效果进行检验,完成了动车组转向架健康评估方法的智能化,支持了动车组转向架的维护决策.     

基于熵权模糊综合评价模型的股票内在价值研究

针对股票内在价值评判方法中指标权重设定的主观性缺陷,提出在利用熵权确定各指标权重的基础上,运用模糊综合评价方法对股票会计信息的综合指标进行模糊处理,为投资者投资股票提供一种新的参考;并通过"一带一路"概念股中的五支工程基建行业类股票进行模拟实证分析,证明将会计信息进行相关量化处理,能够为投资者提供较为客观的选择,同时基于熵权的模糊综合评价模型在股票内在价值评价中具有可行性.     

利用Elman神经网络模型评估广东热带气旋灾情

热带气旋灾情评估是防台减灾工作的重要环节.介绍的Elman神经网络的基本原理,并将Elman神经网络应用于广东省热带气旋灾害经济损失评估中.选取14个评估因子,选用1998²008年影响广东的36个台风作为数据样本,再运用主成分分析法降维处理,构建了基于Elman神经网络和基于BP神经网络的评估模型,分析结果显示,基于Elman神经网络模型的评估结果均方误差为0.953,平均误差率为17.76%,优于BP神经网络.研究的模型可实际应用于广东省实际热带气旋灾害经济损失评估,为防台减灾工作提供决策信息.     

基于AHP和熵权TOPSIS法的税收征管质量评估

税收征管质量评估是各地方税务局的一项重要工作,不仅对发现与解决税收征管过程中存在的问题有指导性的作用,而且还可以对有关部门进行科学的综合考评.先后运用熵权TOPSIS法和层次分析法(AHP)对贵州省辖区下的6个地级市和3个自治州的税收征管质量进行评估分析,最后将两种方法组合并优化从而建立一种新的评估模型,为征管质量的考核评估提供了更为科学有效的方法.     

基于神经网络的股票预测模型

针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。 针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism) 给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。     

基于信息熵的轿车选型模型及应用

针对日前消费者所关注的轿车选型问题,设计包括动力性、经济性、安全可靠性、占用空间及环保性和美观舒适性五个方面的轿车车型评价体系及评价方法,应用信息熵方法确立各指标的权重值,并应用该模型对5款家用经济型轿车进行评价.评价结论为消费者进行轿车选型提供了理论及实际依据.     

基于卷积神经网络气动力降阶模型的翼型优化方法

针对非线性大扰动翼型气动力优化问题,提出了基于卷积神经网络气动力降阶模型的优化方法.该方法用不同形状参数下翼型的气动力数据作为训练信号,训练卷积神经网络翼型气动力降阶模型.采用该气动力降阶模型,以最大升阻比为目标,对翼型进行优化,结果表明该方法可用于大扰动下翼型气动力的预测和优化.该文同时还讨论了池化法和径向基法的训练...     

遗传算法与神经网络相结合的降水预报模型

针对目前BP神经网络在实际应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,在遗传进化过程中采取保留最佳个体的方法,建立基于遗传算法的BP网络模型,同时通过实例说明该模型在降水预测中的应用,计算结果表明该方法的预测精度较高。     

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.     

基于卷积神经网络的智能制造过程质量异常诊断

针对现有方法在智能制造过程中诊断能力有限和识别精度不高的问题,提出了一种与智能制造过程相适应的基于卷积神经网络的质量异常诊断模型。首先建立基于实时数据的过程质量图谱,以精准表达制造过程运行状态。其次,构建用于识别质量图谱的卷积神经网络诊断模型。最后,利用滑动窗口取值的方式对当前过程运行状态进行动态诊断,并通过某球磨过程验证了所提方法的有效性与实用性。结果表明,所提方法优于传统浅层模型,能够有效的对过程异常状态进行识别与诊断。     

基于小波网络的干旱程度评估方法

本根据干旱事件识别的基本原理,同时基于小波基具有很强的自适应性和函数变化能力,提出了一种基于小波网络的干旱程度评估新方法,并在最小均方能量准则下,采用相应的共轭梯度学习算法求解子波函数线性组合的尺度和时延参数,以及小波网络的权值,仿真实验表明采用该方法极大地提高了对干旱程度辩识的正确率,可为干旱研究提一条新的途径。     

基于粒子群优化的神经网络预测模型

BP学习算法多采用梯度下降法调整权值,针对其易陷入局部极小、收敛速度慢和易引起振荡的固有缺陷,提出了一种改进粒子群神经网络算法.其基本思想是:首先采用改进粒子群优化算法反复优化BP神经网络模型的权值参数组合,再用BP算法对得到的网络参数进一步精确优化,最后用得到精确的最优参数组合进行预测.实验结果表明,该算法在股指预测中的预测性能明显提高.     

基于遗传算法的灰色Elman神经网络预测模型及其应用

针对少数据、贫信息、非线性、动态性的时间序列,采用遗传算法对Elman神经网络的初始权值进行优化以避免陷入局部最小值.建立灰色GM(1,n)模型对其进行预测,使用优化后的神经网络对预测结果进行修正.通过实例拟合、预测,对比灰色GM(1,n)模型、灰色神经网络模型和基于遗传算法的灰色神经网络模型结果,验证预测模型的有效性.结果表明,基于遗传算法的灰色Elman神经网络预测模型能够扩大搜索范围,稳定网络结构,提高解的精度.