基于GRA和PCA的BP神经网络应用研究

运用BP神经网络方法对复杂系统建模的过程中，经常遇到指标多、历史数据不足而降低网络泛化能力的情况。为了提高神经网络的泛化能力，本文从简化网络规模的角度出发，运用灰色关联分析法和主成分分析法对原始数据集做降维预处理，达到减少神经网络输入节点个数的目的。将由此建立的预测模型应用于我国粮食产量的预测，与一般的BP神经网络模型和基于主成分的BP神经网络模型相比，该预测模型明显简化了网络结构，提高了预测效率，同时较大地提高了预测精度。     

胜任力评价的主成分神经网络建模

提出一种基于主成分分析的BP神经网络模型,用于管理人员胜任力的综合评价。首先采用主成分分析方法对众多评价指标进行降维处理,在此基础上,构建管理人员胜任力的BP神经网络评价模型。实例证明,主成分神经网络模型在胜任力综合评价中比通常的BP神经网络模型有更好的效果。     

基于BP神经网络方法的会计舞弊识别研究

规范的信息披露是维护证券市场公开、公平、公正的根本保证,而会计舞弊却是阻碍我国资本市场健康发展的"毒瘤".随着我国证券市场的日益完善和国内外舞弊丑闻的不断发生,会计舞弊识别问题受到越来越多的关注.本文以116家上市公司作为研究样本,通过分析舞弊案例及舞弊手段,构建了会计舞弊识别指标体系,并依据主成分分析法及BP神经网络,建立了会计舞弊识别模型,进行了实证分析.通过研究发现,这一模型对于会计舞弊的识别具有较高的准确率,是一种具有现实可操作性的舞弊识别方法.     

基于BP神经网络的管理信息系统评价研究

管理信息系统的评价是对一个MIS系统的性能进行全面估计与测试,良好的评价可以促进系统设计目标的实现,提高投资效益.本文提出一种利用BP神经网络进行评价的方法,并且对神经网络的样本评价采用了AHP以及模糊评价的方法.该方法充分利用了模糊数学理论与神经网络方法,为管理信息系统的评价提供了可行的途径.     

BP神经网络与RBF神经网络在股价预测中的应用

本文利用神经网络对股票走势进行分析和预测,构建了两种神经网络预测模型,通过对以往历史数据的学习,找出股市发展的内在规律,用以预测未来的走势。     

基于BP神经网络的道路客运量预测模型

在道路运输精细化管理中,道路旅客运输量预测发挥着越来越重要的作用。本文提出一种新的基于BP神经网络的道路客运量预测模型。模型可对一定交通区域内特定时段和类型的客运量进行预测,提供有效的预测数据。通过预测数据,道路运输管理部门和道路运输企业可提前调整管理和经营战略和管理措施,达到改善提高道路运输行业资源利用效率,方便旅客出行的目的。试验证明,该方法具有较高的灵敏性和广泛适应性。     

基于单位BP神经网络算法的数据挖掘技术在电力客户信用等级评价中的应用研究

电力客户信用管理和信用评价,已经成为电力企业的一种经营工具和手段.本文结合数据挖掘技术在信用评价中的应用优势,以数据挖掘的通用模型CRISP-DM为基础,建立了电力客户信用评价的过程标准,构建了电力客户信用评价指标体系,应用单位BP神经网络算法构造了电力客户信用模型,并对该模型进行了实例分析,从而将电力客户信用分为5个等级.     

动态全参数自调整BP神经网络模型的改进

针对BP网络存在的缺点,有多种改进方法。本文在文献[14]的基础上,从算法和网络结构设计方面又进行了综合改进,这不仅加快了网络的收敛速度,而且优化了网络的拓扑结构,从而增强了BP神经网络的适应能力。将新改进的BP网络应用于我国能源消费预测,取得了令人满意的效果。     

基于BP神经网络的供应商评价选择问题的研究

随着经济全球化,市场上的供应链已经形成,供应链环境趋于完善.越来越多的企业开始重视供应商,考虑构建一个供应商评价系统来实现供应商的选择并加强与供应商的交流合作.但是目前缺乏有效的能够应用于开发系统的供应商评价方案,难以满足实际的需求.供应商评价模型设计是开发供应商评价系统的基础.通过对供应链环境下的供应商评价和BP神经网络的研究,以汽车制造行业为例构建了供应商评价模型以方便供应商评价系统的实现.     

基于BP神经网络的财务预警方法探究

财务危机一直是困扰企业的一个痼疾,实务界和理论界也一直在寻找一种科学简便的方法来对财务进行预警.基于此,本文从财务预警的基本内涵出发,描述影响企业财务状态的诸因素,阐述了人工神经网络应用于财务预警的理论依据和基本构想,建立了财务预警的反向误差传播(back-propagation,BP)模型,提出了基于该模型的财务预警框架,以期对财务预警提供参考.     

基于BP神经网络的上市公司CEO报酬实证研究

近年来的研究表明,CEO报酬不仅受公司业绩的影响,还受到其他诸多因素的影响,而且,CEO报酬与其决定因素之间往往存在着非线性关系。本文以2003-2005年沪深股市的A股上市公司为样本,采用BP神经网络对CEO总报酬、CEO年薪、CEO持股价值及其决定因素分别进行训练和学习,结果表明:(1)网络训练输出值与实际值的拟合度分别达到91.09%、97.23%和78.44%;(2)网络的预测能力相对于传统的线性回归模型分别提高了92.72%、92.08%和53.89%。因此,本文认为在分析和确定CEO报酬水平时引入神经网络模型是可行的。     

基于约束的离散粒子群算法求解大规模指派问题

针对现有进化算法在求解传统指派问题时因取整而影响优化效果的问题,采用了一种基于AllDifferent约束的置换离散粒子群优化算法,该算法针对指派问题中各变量不能重复取值的特点,改进了算法的迭代方式,并引入了模拟退火的差解接受准则以提高优化效果,仿真算例表明改进后的算法在质量上和时间上更具有效性.     

基于BP神经网络的产品成本预测

本文将BP神经网络理论应用于产品成本的预测,在与目前常用的其它成本预测方法进行比较后,指出了用神经网络进行产品成本预测的优势,讨论了网络的结构设计、学习算法等问题,并给出计算实例,预测结果与实际是相符合的.     

粒子群算法及其在调度中的应用综述

粒子群算法是通过对鸟群捕食行为进行的观察和研究而提出的一种群智能优化算法,通过群体中个体之间的协作和信息共享来寻找最优解。本文在介绍粒子群算法的基本原理基础上总结了目前主要的粒于群改进方法以及在调度中的应用,为未来的研究和企业调度工作提供了有力的依据。     

基于改进BP神经网络的钢铁企业能耗分析

BP神经网络是神经网络算法中应用最广泛的一种,而节能减排相关的话题又是近年来社会关注的焦点.本文以我国大型钢铁生产企业的吨钢综合能耗为研究对象,利用附加动量的BP神经网络的预测功能,对“十二五”期间的大型钢铁企业能耗进行预测,得到了2015年相应的预测值,并对这些预测值进行了分析.     

双层规划问题的粒子群算法研究

提出一种求解一般双层规划问题的层次粒子群算法.和传统的针对特定类型的问题或者基于特定假定假设条件所设计的算法不同,所提出的算法是一个层次算法框架,它通过模拟双层规划的决策过程来直接求解一般双层规划问题.层次粒子群算法将求解一般双层规划问题转化为通过两个变形粒子群算法的交互迭代来求解上下两层规划问题.同其它算法的实验结果比较表明层次粒子群算法是一个有效的求解一般双层规划问题的方法.     

基于GMM-RBF神经网络的前列腺癌诊断方法

 前列腺癌是近年来发病率上升速度最快的男性癌症,严重威胁着患者的身体健康,准确地判断癌症患者的患病情况对于节约医疗资源、提高患者满意度起着至关重要的作用。近年来,基于数据挖掘的癌症诊断方法逐渐成为疾病诊断领域的研究热点,在提高诊断准确性上显示出极大优势。        针对现有前列腺癌早期诊断方法准确性不高的问题,提出一种基于高斯混合模型改进径向基函数神经网络的前列腺癌诊断方法--GMM-RBF神经网络方法。该方法通过使用高斯混合模型对径向基函数神经网络中径向基函数的参数进行预训练,使模型避免陷入局部最优,之后采用改进的粒子群优化算法对神经网络进行训练。采用国家临床医学科学数据中心提供的数据进行前列腺癌诊断实验,将所提出的方法与径向基神经网络、分类回归树、支持向量机和逻辑回归等主流的机器学习算法进行对比,并使用准确性、特异性、敏感性和AUC值对模型的性能进行评价。        研究结果表明,与改进前的神经网络模型相比,GMM-RBF神经网络模型收敛速度更快、初始准确度更高;与其它机器学习算法相比,GMM-RBF神经网络模型在10折交叉验证中取得了较高的准确性、敏感性、特异性和AUC值。        GMM-RBF神经网络方法在模型预测精度上比传统的径向基函数神经网络模型有很大提升,能够得到更为可靠的前列腺癌诊断结果,为医疗工作者初步诊断前列腺癌和穿刺活检操作提供有效的辅助决策支持,该方法的提出对于减少患者痛苦、提高患者满意度和节约医疗资源具有实际意义。     

基于GIS和BP神经网络的生态经济分区研究

生态分区旨在协调区域经济发展与生态环境保护及自然资源利用的关系,是宏观管理区域社会经济发展的一种新模式.本文从生态经济系统原理出发,选择26个适合渝西丘陵地区生态经济系统分类的特征指标,以行政县(区)为基本单位,采用地理信息系统技术.和BP神经网络模型对渝西丘陵地区进行不重叠、内在的系统分类,将其分为了5个生态经济区域.在此基础上,对各生态经济区的生态经济特点、发展方向和环境保护策略进行了具体分析,为宏观指导渝西地区生态经济建设与可持续发展提供科学依据.     

时尚服装销量BP神经网络预测模型研究

本文针对传统时尚服装销量预测方法难以满足新情况下预测的需求,对神经网络技术在时尚服装销量预测的应用方法研究,如何使用在服装销量的预测上。针对某时尚运动品牌公司的具体情况,使用BP神经网络对其销量进行预测实验。从影响因素确定到建立相应的网络模型,最终在MATLAB中实现,得到预测结果。最终结果显示BP神经网络法预测,高于传统预测方法的预测精度。     

基于遗传算法和BP神经网络的服装销售预测

本文基于BP神经网络建立预测模型,使用遗传算法对网络的初始权值及阀值进行优化,并通过某服装品牌实例验证了遗传BP网络的可行性和准确性。可将其用于服装企业进行销售预测。