基于BP神经网络的人力资源估价研究

根据专家打分结论,结合灰色系统评价方法得出的结果,作为BP神经网络输入样本的目标值,进行网络的训练和检验.将得到的性能良好的网络模型,进行人力资源价值评价预测仿真,取得了良好的效果.     

基于BP神经网络的个体定税预测模型

本文研究了个体定税预测模型问题。简要介绍了BP神经网络的结构,通过分析影响个体定额定税的主要因素,提出了基于BP神经网络的个体定税预测模型。运用MATLAB7.0对样本数据进行了仿真,结果证明了模型的正确性与适用性,并对该模型进行了分析评价。     

基于BP神经网络的产品报价决策支持方法及其报价风险研究

本文研究了面向定制型制造业的产品报价决策支持问题.针对以往的成本预测方法中存在的局限性,在基于BP神经网络的成本预测中引入了测差样本的概念,提出产品成本智能预测的区间估计法.并在此基础上进一步研究了产品报价系统的报价风险,通过附加亏损概率的报价方法,提高了报价决策的客观性与可靠性.     

企业规划与信息系统规划战略一致性实证研究

以战略匹配模型(SAM) 及其在企业活动中的过程模型为研究对象,探讨了企业规划(BP) 和信息系统规划( ISP) 战略一致性程度与企业内外环境、企业所采取的竞争战略方向、ISP 的战 略地位以及IT 对企业业绩的贡献等因素间的关系,并运用中国企业数据进行了实证分析. 结 果表明,企业高层的战略规划意识以及利用IT 整合企业资源的能力与BP2ISP 战略一致性程度 和企业业绩密切相关,是企业获取竞争优势的重要因素.     

基于RS与ANN的上市公司财务困境预测模型的实证研究

本文以中国上市公司作为研究对象,采用粗糙集理论(RS)客观选出预测模型指标体系,以因财务状况异常而被列为特别处理公司(ST公司)作为界定上市公司的财务困境标志,采用人工神经网络(ANN)寻找最佳的利用公开财务数据预测中国上市公司财务困境的模型。我们的研究结果表明,总资产报酬率等18个包括现金流量类指标的财务指标有较强的区分财务困境公司和财务健康公司的能力;行业类型和资产规模对于上市公司财务困境预测具有至关重要的作用;运用ANN建立的神经网络模型有较强和较稳定的预测能力。     

基于两阶段优化算法的神经网络预测模型

采用基于两阶段优化算法(multi-stage optimization approach,MSOA)的GA人工神经网络,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构.针对复杂系统建模输入节点难以确定的问题,提出将其与自组织数据挖掘算法相结合,利用GMDH算法获得神经网络的初始化节点,使用训练好的神经网络模型进行预测.将由此建立的预测模型应用于粮食价格的预测,并进一步探讨了MSOA算法的收敛性问题.结果表明基于GMDH和MSOA的神经网络组合预测模型能较大提高神经网络的全局收敛能力和收敛速度,提高预测精度.     

不同模型在财务预警实证中的比较研究

研究当前国内外公司财务困境预测问题的现状,寻找一套适合于我国企业的财务状况识别指标体系;然后依据该指标体系采用不同方法建立财务状况预测模型;最后,利用样本公司实际指标数据对各个模型的短期及中期预测效果进行了比较分析与实证研究。     

遗传算法优化神经网络及信用评价研究

研究关于公司神经网络信用评估问题的现状,提出遗传算法辅助网络训练策略(优化后的网络称为进化网络),克服传统网络建模中产生的局部极小缺陷。建立了适合于我国商业企业的信用评分指标体系;然后依据该指标体系建立了基于进化神经网络的信用评估模型;最后,利用样本公司实际指标数据对该模型的评分效果进行了比较研究。     

公司运营危机预警模型的比较研究——以中国上市公司为例

研究当前国内外公司运营危机预警问题的现状,首先要寻找一套适合于我国上市公司的财务状况识别指标体系,然后依据该指标体系采用不同方法建立运营危机预警模型,最后利用样本公司实际指标数据对各个模型的短期及中期预警效果进行比较分析与实证研究。结果表明,分类树模型的三年期预警准确率都在80%以上。