Slnnes：逻辑＋神经网络专家系统工具

信息与认知科学的原理表明，人工智能和网络表现了两种不同的思维方式。它具有共同的基础,这就是对信息的处理；只是处理的方法和机制各有千秋。它们相辅相成，正好构成了智能理论的完备框架。本文详细介绍的专家系统工具Slnnes就是在信息科学和认知科学理论的基础上寻求人工智能专家系统和神经网络的有机结合而形成的统一体系。     

货物运输车辆的调度算法

本文以上海煤炭公司为例,讨论了运煤车辆的计算机调度问题,提出一个数学模型及有效的近似算法。在算法实现中,采用了一些较为先进的数据结构,使运算速度及存储需求均有较大的改善。对实际算例计算结果表明,采用本算法进行运输车辆调度,经济效益比人工调度有明显的提高。     

在线社交网络虚假信息交互量最小化的边阻断策略研究

在线社交媒体的蓬勃发展改变了人们获取信息的模式,大量的信息通过社交平台传播,信息内容的真实性把关弱化,各类虚假信息依托社交媒体野蛮生长,网络空间治理,培育健康的网络生态意义重大。本文通过最小化用户之间的虚假信息交互量,研究社交网络中虚假信息传播路径的阻断策略。给定在线社交网络G=（V,E,P,H）,H表示用户之间信息交互量,已知虚假信息传播源集合S⊆V,虚假信息交互量最小化问题是从E中选取哪K条边,使得这些边被阻断之后,虚假信息在用户之间的交互总量最小。首先证明了该问题是NP-困难的,进而证明了问题的目标函数计算是#P-困难。其次,证明了该问题目标函数既不是次模函数也不是超模函数。再次,提出了两阶段贪婪算法（TSGA）来解决该问题,即先获取候选集合E^sa,然后选取阻断集合E'。最后,通过实际在线社交网络数据对模型和算法的有效性进行了分析,实验表明本文提出的算法比现有算法更加有效。     

认罪认罚量刑从宽实效研究——基于故意伤害罪轻罪的数据解读

我国认罪认罚从宽制度设计具有明显的公正优先价值导向。通过构建非线性量刑模型分析177161份故意伤害罪致人轻伤的初审判决书发现,司法实践中表现出明显的“从宽”克制倾向：认罪认罚对轻罪量刑的作用倾向于在“底线”游走,接近量刑情节“坦白”;传统量刑情节仍在习惯性适用,认罪认罚发挥实效的空间不足。在法定主义背景下推动更高层次上公正与效率的统一,可以考虑,一方面建立认罪认罚分级分类制度,适当加大对轻罪的从宽幅度;另一方面扩大认罪认罚从宽幅度的法定空间,在立法上赋予认罪认罚“减轻”情节地位,破解量刑折扣零和博弈的困局。     

IIR DF设计的高阶关联神经网络优化方法

基于全反馈高阶关联神经网络优化理论,提出了一种ＩＲ数字滤波器神经网络优化设计方法（ＩＩＲＮＮＯ）的理论框架。表征设计质量的加权均方误差当作神经网络能量函数,导出了ＩＩＲＮＮＯ的Ｌｙａｐｕｎｏｖ方法。简要说明了该方法计算机实现的基本原则,通过设计实例及与其他方法的比较,证明了它的有效性。     

基于二元关系的产业关联分析方法研究

本文运用二元关系理论和Warshall算法计算产业系统中各产业之间的连通关联关系,为认识产业结构和产业关联状况提供了简便的量化分析方法。结合安徽产业系统的实例,分析了安徽产业结构的特点及产业关联状况。     

概率神经网络在财务预警实证中的应用

建立切合企业实际的财务预警系统,具有降低企业经营风险、投资风险以及防范金融危机的积极作用.在充分考察财务困境研究领域现状的基础上,建立一套适合于我国企业的财务状况识别指标体系.本文将概率神经网络(PNN)应用在财务困境研究领域,建立了财务预警模型.结果表明,该预警模型具有较高的预测准确率和良好的操作性.其短期(一年期)和中期(三年期)预测准确率分别为87.5%和81.25%.     

运用概率神经网络进行企业信用风险评估

企业的信用风险评估主要是通过基于会计指标的信用特征推出该企业的信用风险,然而企业的会计指标与信用风险之间往往表现出非线性的特征,这为信用风险建模带来极大困难,神经网络较适于描述这种指标间的非线性特征.本文主要通过概率神经网络在评估企业信用风险中的表现以及和其他方法的比较,阐述这种方法的重要作用,最后给出概率神经网络在国内上市公司的实证结果.