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.