基于BP神经网络的上市公司财务绩效评价

财务数据是一个企业经营状况最直接的反映,通过对37家酿酒行业上市公司2016年财务数据构建BP神经神经网络模型,利用改进后的训练算法进行训练,然后进行仿真评价,得到对剩余财务数据的评价得分,最后对结论进行分析.结果表明,模型的非线性映射能力较强,32个样本输入时利用TRAINGDX训练算法的BP神经网络采用11层隐含神经元最佳,并且评价结果与实际情况相吻合,所构建的模型能够作为投资者研究酒类上市公司财务状况,进行理性投资的参考工具.     

基于DnCNN函数的分水岭算法

在日常生活中,由于系统和设备问题,图片经常会引入噪声,图像也会因此变得很模糊.而分水岭算法经常因为噪声的缘故使图像出现过分割.针对传统分水岭算法进行图像分割易受噪声影响的问题,研究了一种基于Dn CNN函数的分水岭算法.基于当下神经网络对于图像识别、归类、特征提取这一领域所做出的卓越成绩,利用神经网络的良好图像统计特性进行图像去噪,并改进传统的激活函数,图像经过神经网络去噪后图像细节更加明显和清晰,再利用改进的分水岭算法,使用最大相似性合并规则对去噪后的图像进行分割.并将该算法与K-means算法和噪声图片+分水岭算法这两个算法进行比较,基于Dn CNN函数的分水岭算法对图像的分割精度更高.     

基于BP神经网络的创业板上市公司IPO定价研究

在总结我国IPO定价演变过程的基础上,对创业板上市企业的IPO定价的理论基础进行了研究,明确新股上市时必须审时度势,并提出了“势”和“势价”的概念。通过分析BP神经网络的原理和算法,得出基于BP神经网络算法的创业板IPO定价方式可以有效地解决这种IPO定价需涉及的非线性、非平衡和动态的数学问题,并搭建了该算法的应用框架,确定了输入层的参数和节点数,结合具体训练细节,按照BP神经网络训练和IPO定价流程图编程运行,可以算出有效的创业板上市IPO定价。     

无线传感器网络中DV-Hop定位算法的改进

针对无线传感器网络无需测距的DV-Hop定位算法中存在误差率较大的问题,本文从两个方面对其进行了改进:引入平均误差修正信标节点间的平均每跳距离;引入权重因子计算未知节点坐标.仿真结果表明,改进算法比传统DV-Hop算法误差率更低,能更好地应用于实际场景.     

一类Fokker—Planck方程的变分迭代解法

将讨论抛物型方程初值问题的解．目的是应用改进的变分迭代算法来解决福克一普朗克方程和一些类似方程的求解问题．这种算法成功的应用于一些线性和非线性问题．几个具体例子说明这种方法的有效性。     

神经网络分析与相关分析、回归分析的比较——基于大学毕业生的成就性水平及其影响因素的研究

为尝试将计算机神经网络分析方法应用于社会学研究,利用哈尔滨工业大学毕业生调查的数据,使用Qnet软件,对大学毕业生成就性水平及其影响因素的作用,进行了计算机神经网络分析。为分析这种方法与传统的统计分析方法的差异,将神经网络分析与相关分析、回归分析进行了比较,结果发现神经网络分析的优势,值得关注,但同时也发现其有一定的缺陷。尽管如此,但我们认为,尝试是有意义,它将给社会学研究以启示。     

基于概率神经网络和K-means算法的纳税评估

纳税评估工作是一项难于建立准确数学模型的复杂系统,同时又是一个典型的模式识别问题。用神经网络方法进行纳税评估有其独特的优越性。运用PNN算法很大程度地依赖于训练样本对象的选取。选取的这些样本能否反映总体的信息特征决定了分类器的识别效果。文章运用K-means算法对纳税人信息样本进行聚类,找出聚类中心点,以此为基础来选择样本作为PNN的训练样本,从而达到对PNN算法的优化。研究结果表明这种改进后的PNN算法分类效果好,对于纳税评估有其应用价值。     

超声测距温湿度补偿算法的研究及STM32实现

为了降低超声测距系统因温、湿度差异带来的误差,在Matlab2010平台下,运用BP神经网络对标定的温、湿度样本及对应的超声波速度进行融合训练仿真实验,并将设计的补偿算法移植到STM32测距系统,测试其补偿能力.经多次测距实验表明,与现有方法相比,能有效补偿温、湿度变化引起的误差,精度提高了1个数量级.     

应用独立组分分析解析红外光谱

独立组分分析(Independent Component Analysis,ICA)应用于混合红外光谱定性分析。其主要优点在于可从未知混合光谱中分离出独立组分的光谱,且这种分离是盲源分离,混合物的组成事先是未知的.对ICA在正已醇、丙酮和正丁醇的混合中红外光谱分离中的应用进行了研究,验证了体系的独立性,并对ICA算法做了一定的改进,讨论了各种预处理方法对其分离结果的误差.     

物业税开征对地方GDP的影响研究——基于PSO-BP型的网络实验

物业税是地方政府行为,其开征势必将对地方经济产生深刻的影响.通过运用BP神经网络进行建模,确定重要参数后,运用PSO算法对BP神经网络的相关权值和阈值进行优化,建立更为精确和优异的PSO-BP神经网络模型,用于模拟上海市物业税开征,并结合Wavelet法分析物业税开征后对上海GDP的影响.结果表明,物业税的开征总体上小幅度地提高了上海市的生产总值,短期来看影响较明显,但长期来看逐渐减弱,并且在短期、中期和长期来看影响具有一定规律的波动.