对传神经网络算法的改进及其应用

针对传统对传神经网络(Counter propagation networks,即CPN)要求输入向量必须均匀分布以及隐含层神经元个数难以确定,其应用受到很大局限等问题,对CPN算法进行改进并运用于电力负荷预测.研究结果表明:通过改进CPN算法的初始权重设置规则,克服了对输入向量限制过于严格的不足;通过优化算法运行步骤,提高了算法的运行效果;改进后的CPN算法比BP算法所得预测结果误差小,比目前电力负荷预测研究中RBF和Elman神经网络所得预测结果误差也小;与BP算法相比,CPN改进算法的预测精度提高4%左右,运算时间减少45%,适用于电力负荷的预测.     

系统的PLS方法在满意度实证研究中的应用

满意度模型实证研究包括系统性方法和非系统性方法.系统性方法更有效地反映因果关系的有机联系,它包括PLS和SEM两种方法.本文在用方程系统表达满意度模型的基础上,说明PLS方法的基本原理,然后对一个具体的满意度模型在SEM方法失效的情况下,运用系统的PLS方法进行实证研究.结果表明,在SEM方法无法得到实证结果的情况下,PLS给出了很有价值的结论.