SARS疫情对某些经济指标影响的评估模型

针对某市最近6年来的历史数据,建立了灰色预测模型,预测出2003年正常情况下部分经济指标的发展规律,再根据实际统计数据,从而可以计算出因SARS疫情对2003年相应的经济指标所造成的损失做出评估.     

人工神经网络模型在研究生招生数量预测中的应用

研究生招生数量的确定涉国家政策、社会就业、人才需求、专业分布与需求等诸多因素,这些影响因素往往无法量化,而且各个影响因素之间关系错综复杂,简单的线性模型预测未来招生数量往往难以实现.尝试采用人工神经网络(BP-ANN)模型,针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题,通过对黑龙江省历年(1981—2004)研究生招生数量进行系统分析,建立了人工神经网络预测模型,并对未来3年的招生数量进行了预测,预测结果较好,为该方面研究提供了新的研究思路与研究方法.     

自组织理论和BP人工神经网络在税收预测中的应用研究

针对BP人工神经网络的结构特性,提出了将自组织理论与BP人工神经网络相结合的思想,不仅解决了输入待定的神经网络输入维数难确定的问题,而且加快了神经网络的收敛速度,增强了神经网络的适应能力.并将新建立的模型应用到税收预测中,得出了比常规经济学模型更优的效果.     

BP人工神经网络模型的新改进及其应用

针对 BP网络存在的缺点 ,有多种改进方法 .从算法和网络结构设计方面进行了综合改进 .将新改进的 BP网络用于成都市消费预测 ,取得令人满意的效果     

遗传算法结合神经网络在油气产量预测中的应用

基于遗传算法的全局搜索能力和BP算法的局部精确搜索特性,通过采用遗传算法优化神经网络的方法,将遗传算法和BP算法有机结合,做到优势互补,在提高油气产量预测精度的研究中得到了很好的应用.在对国内某中小型气田油气产量的预测中,以历史产量资料进行检验,其结果表明,提出的预测方法,预测精度明显优于BP算法,证明了这种方法的有效性和可靠性.     

现代优化计算方法在蛋白质结构预测中的应用

现代优化计算方法在蛋白质结构预测中占有重要地位.简要地介绍了模拟退火算法,遗传算法,人工神经网络和图论算法在蛋白质结构预测中的应用.对国内外近年来应用这些算法,特别是在蛋白质构象搜索问题中,解决蛋白质结构预测的研究作了回顾,并分析、比较了这几种算法的效果和特点.     

数学软件在数学建模中的应用

本文以 2 0 0 1年全国大学生数学竞赛 A题为例 ,介绍数学软件在数学建模中的应用 ,并通过例子揭示该竞赛题本身在数学表述上是有缺陷的 .     

疫情防控期间自主学习能力在大学生学习数学过程中的显著作用

本文阐明了 自主学习能力在大学生学习过程中的重要性,并论述了数学学科的四大特点.提出在疫情停课不停学时期,大学生只有充分增强学习的自主性,才能克服"数学难"的困难,从而提高数学成绩.相应的例子又具体说明了数学学习必须以自主学习为基础.     

ANN技术在企业经济预测与预警中的应用研究

提出了适合于上市公司而建立的基于ANN技术的企业经济综合指标短期预警系统的构建方案.该系统是一个人机相结合的反馈式预警系统,包括危机判定、财务指标预测、预警知识获取和报警四个子系统.该系统将定性分析与定量分析结合起来,既突出人的作用,又充分发挥了人工神经网络的在预测方面的技术,使得两者有机的结合在一起.其中,预警指标预测子系统体现了ANN技术在时间序列预测方面的应用,而知识获取子系统和报警子系统则体现了ANN技术在回归预测方面的应用,两者都有很好的理论基础.同时,该系统建立的程序比较规范,具有普适性,易于操作,比较容易实现.最后,还对该系统进行了实证模拟分析,并与专家意见结果进行了对比,验证了其有效性.     

2012年“深圳杯”数学建模夏令营B题评述

2012年“深圳杯”数学建模夏令营的B题取材于一个通信产业中需要解决的实际问题。此问题的主要难度是针对海量数据的有效处理和分类器的选择与实现。本文在此对竞赛当中出现的几种主要思想加以评述,并着重讨论了一些方案的优势与弊端。     

SARS流行病传染动力学模型

建立了 SARS流行病的数学模型 ,根据部分国家和地区的 SARS疫情数据 ,计算出其模型参数 ,给出了各地 SARS疫情与模拟结果的比较图 ,模拟结果与实际疫情十分吻合 .分析了 SARS流行特征 ,并对疫情发展进行了预测 .     

基于概率神经网络的欺诈性财务报告的识别研究

本文探索概率神经网络PNNs(Probabilistic Neural Networks)在构建欺诈性财务报告识别模型方面的有效性,重点探讨了PNN模型变量的选择及平滑参数的确定问题,同时将所提出模型的性能和人工神经网络(ANNs)、logit回归模型的性能进行了比较.结果证明,PNN模型具有很高的预测力,并发现该模型的性能优于ANN模型以及logit回归模型.     

用BP神经网络捕捉股市黑马初探

利用BP神经网络良好的分类能力，对一类简单的黑马模式进行了初步的分类识别。实验结果表明。神经网络应用预测此类股市黑马是可行的。     

A Learning Framework for Neural Networks Using Constrained Optimization Methods

Conventional supervised learning in neural networks is carried out by performing unconstrained minimization of a suitably defined cost function. This approach has certain drawbacks, which can be overcome by incorporating additional knowledge in the training formalism. In this paper, two types of such additional knowledge are examined: Network specific knowledge (associated with the neural network irrespectively of the problem whose solution is sought) or problem specific knowledge (which helps to solve a specific learning task). A constrained optimization framework is introduced for incorporating these types of knowledge into the learning formalism. We present three examples of improvement in the learning behaviour of neural networks using additional knowledge in the context of our constrained optimization framework. The two network specific examples are designed to improve convergence and learning speed in the broad class of feedforward networks, while the third problem specific example is related to the efficient factorization of 2-D polynomials using suitably constructed sigma-pi networks.     

离散的SI和SIS传染病模型的研究

为了描述个体的死亡、染病者的恢复以及疾病的传染,引入了相应的概率.基于总种群中个体数量为常数的假设,根据染病者能否恢复分别建立了具有生命动力学的离散SI和SIS传染病模型.所得到的结果显示:它们具有与相应连续模型相同的动力学性态,并确定了各自的阈值.在它们的阈值之下,传染病最终将灭绝;在它们的阈值之上,传染病将会发展成为地方病,染病者的数量将趋向于一确定的正常数.     

基于神经网络的期货预测数据预处理问题研究

期货预测研究在期货价格数据预处理和预测方法上存在直接套用原始数据代入模型以及价格预测模型和原始数据模型不相匹配等问题,需要予以解决.本研究在采用通货膨胀率指数调整、平均周期项以及滤波等方法对铜期货价格时间序列数据进行预处理后,分别将预处理前后的期货价格数据输入到神经网络预测模型,通过比较两者预测结果来验证原始期货时间序列数据预处理的必要性.     

前馈神经网络和Logit回归的比较研究

近年来 ,前馈神经网络广泛地应用在 Logit回归作为标准统计方法的分析领域 .但却很少作它们之间的直接比较 ,本文是 Logit回归和前馈神经网络“比较研究”的一个尝试 ,说明了一些理论结果和特性 ,讨论了在它们的应用中碰到的一些实际问题 ,还进一步用分析的和模拟的两种方法研究了一些重要的渐近概念、过分拟合以及模型选择等问题 ,最后讨论并给出一些结论     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法 ,提出的算法能充分利用目标函数值的信息、优化搜索过程具有较强的方向性和目标性 ,收敛速度较快 ,且是全局优化算法 ;将群体复合形进化算法应用于三层前向人工神经网络逼近 ,提出了三层前向人工神经网络全局最优逼近算法 ;将三层前向人工神经网络全局最优逼近算法应用于实例 ,表明了提出的全局最优逼近算法的有效性 .     

Fuzzy Entropy： Axiomatic Definition and Neural Networks Model

The measure of uncertainty is adopted as a measure of information. The measures of fuzziness are known as fuzzy information measures. The measure of a quantity of fuzzy information gained from a fuzzy set or fuzzy system is known as fuzzy entropy. Fuzzy entropy has been focused and studied by many researchers in various fields. In this paper, firstly, the axiomatic definition of fuzzy entropy is discussed. Then, neural networks model of fuzzy entropy is proposed, based on the computing capability of neural networks. In the end, two examples are discussed to show the efficiency of the model.