基于BP人工神经网络的企业环境绩效评价

1企业环境绩效及其评价指标体系环境绩效指人们在防治环境污染、减少生态破坏、改善环境质量方面所取得的成绩。企业环境绩效即是通过约束或调整企业行为,控制企业活动对生态环境产生的不利影响,并取得积极的成果:一是环境质量的改善,包括污染物排放水平、环境质量达标、环境资     

基于人工神经网络的湖北省循环经济发展水平评价

文章首先建立了包括经济、资源、环境和社会四个子系统的湖北省循环经济评价指标体系,在此基础上,利用2000～2009年的湖北省相关数据采用BP神经网络方法对湖北省循环经济发展水平进行了实证分析,得到了2000～2009年湖北省循环经济发展水平总体及各个子系统的评价结果,文章最后对评价结果进行了分析,得到了2000—2009年湖北省循环经济无论是从各个子系统还是总体水平,都获得了较快发展,水平等级都有所提高,但仍具有发展的空间的结论。     

基于BP人工神经网络的学术期刊组合评价

在学术期刊评价中,组合评价得到了广泛应用,但组合评价方法和多属性评价方法均可用于组合评价问题,从而加剧了组合评价的复杂性,这种现象被称为组合评价悖论。为了解决这个问题,文章提出采用BP人工神经网络进行组合评价的思路,基于JCR2017经济学期刊,分别采用主成分分析、因子分析、TOPSIS进行单一评价,然后采用BP人工神经网络进行组合评价,并对评价效果进行分析。研究结果表明：组合评价悖论是学术评价中面临的新问题;BP人工神经网络是一种全新的组合方法,具有充分尊重单一多属性评价方法、精度高的优点,很大程度上解决了组合评价悖论问题;BP人工神经网络让评价重点重新回归到多属性评价,避免了评价方法过度技术化;BP人工神经网络组合评价不适合小样本。     

基于BP人工神经网络的工艺创新科技政策评价

文章将科技政策分为科技计划管理政策、工艺创新的保护与扶持政策、产学研结合政策、知识产权保护政策和绿色节能政策。采用调查问卷的数据,构建基于BP人工神经网络的工艺创新科技政策评价模型,用来评价科技政策的好坏。     

改进的BP算法在数据相关性检验中的应用

本文提出了用改进的BP算法来检验数据的相关性,数据的线性相关和非线性相关;用MATLAB编程实现了该算法;用例子对其适用性进行了检验,说明利用该方法检验数据相关性时要求至少有一组数据是单调的.     

统计学与数据挖掘的比较分析

数据挖掘与统计学有着千丝万缕的联系,本文希望在等同的角度,从数据挖掘并非统计学分支的观点出发来阐释两门学科,既着眼于二者相重叠的地方,更重视二者的区别,并考虑一些其他与数据挖掘相关的问题。     

教学质量评价与预测的人工神经网络方法

BP算法是一个用于预测与评价的很有效的算法.文章综合考虑了影响教学质量的各方面的复杂因素,采用改进的BP神经网络算法用于教学质量评价与预测,给出了神经网络的教学质量评价与预测的模型结构,并在MATLAB中仿真实现.结果表明,该评价与预测方法克服了专家评价的主观因素,得到了合理的结果,具有很好的适用性.     

Logistic与分类树模型变量筛选的比较——基于信用卡邮寄业务响应率分析

基于信用卡邮寄业务响应率分析来讨论Logistic模型和分类树模型在变量选取上的区别,并尝试从几个不同角度去解释两类模型变量筛选差异的原因。笔者认为没有绝对占优势的方法,需要结合具体场景和模型的特点来选择合适的模型。分类树模型在训练集上容易过度拟合,对单个变量的影响很敏感,在进行危险因素分析时结果更能强调危险因素,对孤立点的识别率很高。Logistic模型容易受到解释变量依存关系的影响,加上分类变量的影响容易过多地选入变量或者因子,对孤立点敏感,对噪点不敏感。判别函数的差异是变量筛选差异的关键因素。     

带有有序变量的结构方程模型中的模型选择

文章着重研究了带有有序分类变量的结构方程模型的模型选择问题,并将一个基于贝叶斯准则的统计量称为测度,应用到此类模型中进行模型选择。通过实例分析说明了上述方法的应用,并给出了根据贝叶斯因子进行模型选择的结果。     

犯罪黑数的统计测算研究

犯罪黑数是一种世界性的普遍现象,其大量存在不利于客观评估犯罪的实际状况。对犯罪黑数进行研究和统计测算可以帮助政府客观评估犯罪的实际状况,正确评估打击犯罪的专项政策和措施,达到降低犯罪黑数、减少犯罪、维护社会稳定的目的。     

A novel feature selection scheme for high-dimensional data sets: four-Staged Feature Selection

Classification of high-dimensional data set is a big challenge for statistical learning and data mining algorithms. To effectively apply classification methods to high-dimensional data sets, feature selection is an indispensable pre-processing step of learning process. In this study, we consider the problem of constructing an effective feature selection and classification scheme for data set which has a small number of sample size with a large number of features. A novel feature selection approach, named four-Staged Feature Selection, has been proposed to overcome high-dimensional data classification problem by selecting informative features. The proposed method first selects candidate features with number of filtering methods which are based on different metrics, and then it applies semi-wrapper, union and voting stages, respectively, to obtain final feature subsets. Several statistical learning and data mining methods have been carried out to verify the efficiency of the selected features. In order to test the adequacy of the proposed method, 10 different microarray data sets are employed due to their high number of features and small sample size.     

改进BP神经网络在经济预测中的应用

针对传统BP学习算法收敛速度慢、对步长依赖明显等缺点,提出一种利用搜索较优步长的BP算法。其在网络训练中,能够在每次迭代中搜索出一个相对合理的步长,从而使步长的选择对学习速度的影响大大降低。对经济预测仿真结果表明,新算法对步长选择的依赖性小于传统BP算法。     

基于神经网络的微型企业信用评估特征选择及其效果评价

征信机构采集到的所有微型企业信用信息变量并未都适合进行微型企业资信评估,文章设计了一种BP神经网络对此进行特征选择。该BP神经网络的训练基于前向序贯的特征选择算法,以输出层输出对输入值的灵敏度作为特征选择的依据,网络输出最小灵敏度对应的特征变量。通过设计概率神经网络对得到的结果进行仿真分析,信贷机构因此获得的利润比基于列联表分析的特征选择法高2／3。     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

数据挖掘中关联规则的规范化描述

一、引言数据挖掘(Data Mining)是近年来随着人工智能和数据库技术的发展而出现的一门新兴学科。它是从大量的数据中筛选出隐含的、可信的、新颖的、有效的信息的高级处理过程。关联规则(Association Rule)是其中重要的研究课题,是数据挖掘的主要技术之一,也是在无指导学习系统     

大样本线性回归模型的子抽样及变量选择

文章考虑了大样本下线性回归中同时进行快速估计和变量选择的问题,即针对一个存在稀疏解的大样本线性模型,根据重要性抽样分布从全数据集抽取少量子样本,对该子样本进行自适应Lasso估计。通过随机模拟研究,将该算法分别应用在几种不同的数据集中,并从模型预测精度和可解释性两个方面比较了四种子抽样方法在该算法下的表现。模拟结果表明,所提出的算法具有良好表现,在计算开销上也具有一定优势。     

BP神经网络在基本养老保险基金支付风险预警中的应用

尝试将BP神经网络引入基本养老保险基金的风险预警中,以期为其提供一种新的预警工具和方法。首先,建立了一套基本养老保险基金风险预警指标体系,构建了基于BP网络的基本养老保险基金风险预警模型;其次,采集1996年至2008年间的上海市各年度基本养老保险基金的历史数据对该模型进行了反复训练和学习,取得了误差率仅为3.86%的预测结果,说明该模型有很好的拟合度;最后,依据国际国内经验对基本养老保险基金的警情指标设置了五个警度输出区间。     

高维面板数据降维与变量选择方法研究

从介绍高维面板数据的一般特征入手,在总结高维面板数据在实际应用中所表现出的各种不同类型及其研究理论与方法的同时,主要介绍高维面板数据因子模型和混合效应模型;对混合效应模型随机效应和边际效应中的高维协方差矩阵以及经济数据中出现的多指标大维数据的研究进展进行述评;针对高维面板数据未来的发展方向、理论与应用中尚待解决的一些关键问题进行分析与展望。     

网络技术下统计的变革和统计教育面临的任务

网络经济的发展使现行的统计信息生产方式和统计制度发生深刻变革,使统计人才的知识结构发生重大变化,从而对统计教育的着力点和培养目标、培养方式提出了新的要求。如何培养大量优秀的复合型统计人才,极大地提高统计人员的素质,是统计教育面临的艰巨任务。     

从机动车辆交通事故的统计分析看保险人风险管理方法的选择

机动车辆交通事故的统计分析表明,道路交通事故率高是造成机动车辆保险赔付率高的关键原因,对机动车辆风险进行的估测和评价发现被保险人的心理风险因素是导致机动车辆风险事故的主要隐患,保险人应选择对被保险人进行保险基础知识的培训以预防风险,在保险合同中运用责任免除条款和保证条款规避风险,运用免赔条款和共保条款加大被保险人的风险自留,同时对风险隐患小的被保险人采取价格优惠等管理方法来强化对被保险人的心里风险管理。