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。     

遗传繁衍样本策略及神经网络信用评价研究

提出遗传算法繁衍样本策略,克服了小样本建立模型的缺陷,建立适合于我国商业企业的信用评分指标体系,依据该指标体系和遗传优化样本建立了基于反向传播回归神经网络的信用评估模型,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.     

上市公司信用评估模型

论文在分析信用评估重要性和信用评估国内外现状的基础上,指出了目前上市公司信用指标体系建立中存在的不足,进而提出了一种基于特征选择FSDB算法的上市公司信用评估指标体系的建立方法,并在该指标体系的基础上,提出了一种基于SOM神经网络的上市公司信用评估模型。通过试验证明,该模型在经过一定的训练后,能够用于上市公司的信用评估,并具有较高的准确性。     

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.     

基于战略转换的企业战略风险预警模型研究

将粗糙集理论与神经网络相结合,构建了基于战略转换的企业战略风险预警模型。该模型首先运用基于信息熵与MDV函数的模糊聚类算法进行连续属性离散化,然后采用粗糙集理论约简出重要指标体系,最后采用BP神经网络进行学习和训练,进而对检验样本的风险等级进行判断。实证分析表明：基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果;添加动量因子的改进BP算法提高了网络学习效率,且该预警模型对检验样本的总体预测精度较高,是一种有效和实用的战略风险预警工具。     

基于ANFIS发动机失火故障诊断模型的研究

本文利用基于ANFIS的模糊神经推理机对发动机失火故障进行诊断，建立起发动机失火故障的ANFIS模糊神经网络模型，对其进行训练及仿真，结果表明此方法是简单、有效、可行的。     

供应链金融视角下的中小企业信用风险评估研究——基于SVM与BP神经网络的比较研究

近年来,依托中小企业与核心企业间真实贸易背景开发的供应链金融业务在我国发展迅速,这要求商业银行从新的视角对中小企业的信用风险进行认识和评估。本文从供应链金融的视角,提出了新的中小企业信用风险评估指标体系,该体系结合了核心企业资信情况及供应链关系情况,运用机器学习的方法支持向量机(SVM)建立信用风险评估模型;并通过与用BP神经网络算法建立的信用风险评估模型进行实证结果对比,结果表明在小样本下基于SVM的信用风险评估模型更具有效性和优越性,同时证实了供应链金融视角下的中小企业信用风险评估指标体系能够更准确地判断中小融资企业的信用状况,有助于缓解中小企业融资困境。     

C2C电子商务网站信用评价模型的研究

随着C2C的迅速发展,其交易中的信任问题也接踵而来,信用评价体系亟待完善.本文通过对现有的C2C电子商务信用评价模型进行研究,提出了新的信用评分等级,建立了信用评价指标体系.新模型为新的交易者提供了更有效的交易信息,进一步降低了交易风险,有助于交易者作出正确的交易决策.     

基于模糊神经网络的商业银行信用风险评估模型研究

在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊神经网络的商业银行信用风险评估模型。该网络具有四个因子输入,一个衡量商业银行信用风险的输出,总共六层的结构,且模糊规则层具有根据具体问题情况进行调节的能力,优于神经网络完全黑箱操作的特点,利用Matlab6.1对167组样本数据进行实证分析,训练结果表明网络预测误差小。     

基于RBF神经网络的财产保险公司全面风险预警系统研究

在尝试提出我国财产保险公司全面风险预警指标体系的基础上,利用RBF神经网络构建了财产保险公司全面风险预警模型。然后,对预警信号提出了相应的风险处理方案。最后,利用该RBF神经网络进行全面风险预警,结果表明该网络计算误差小、收敛迅速,网络具有良好的泛化能力。     

基于供应链的企业信贷风险评估研究

提出了基于供应链的企业信贷风险评估指标体系,全面地评估贷款申请企业的偿贷能力,克服了当前企业信贷风险评估中存在的只对申贷企业孤立评判的不足.应用BP神经网络,基于新提出的企业信贷风险评估指标体系,开发了风险评估的数学模型.算例研究的结果表明,该模型具有良好的可操作性,能对企业贷款申请进行有效、精确地评估.     

基于模糊神经网络的小微企业信用评级研究

当前小微企业贷款需求日益增加,建立行之有效的小微企业信用评级模型已成为学术界和实务界关注的焦点.本文在阐述模型和构建指标体系的基础上,提出基于模糊神经网络开展小微企业信用评级的研究步骤,以某农村商业银行小微企业信贷微观数据为实证样本,分别进行小型企业和微型企业信用评级检测.实证结果表明,模糊神经网络模型在小微企业信用评级研究中具有较BP神经网络模型更高的检测精度.模型能够实现评级主观性与客观性结合,可对数据进行定性调节和批量处理,且具有明确的计算过程和决策规则,故适用于信用评级研究且具有稳健性.     

基于相似日聚类和贝叶斯神经网络的光伏发电功率预测研究

光伏发电功率的预测是光伏发电规划和运行的基础,因而受到越来越多的重视。文中提出了FCM相似日聚类与智能算法相结合的光伏阵列功率短期预测模型。该方法的思路是首先通过分析影响光伏阵列输出功率的主要因素,对历史数据与预测日气象环境进行模糊分类,并筛选出相似度高的子集作为样本,以提高预测样本的质量;然后通过神经网络映射出特征空间与光伏功率之间的复杂关系,并用贝叶斯理论对神经网络参数进行优化,提高网络的泛化能力。为检验该方法的有效性和精确性,将所提出方法与常用BP神经网络模型对同一仿真算例进行预测,预测结果表明本文提出的预测模型效果更佳。     

基于贝叶斯神经网络短期负荷预测模型

本文提出了基于贝叶斯神经网络(BNN)短期负荷预测模型。根据气象影响因素和电力负荷的样本数据,针对权向量参数的先验分布分别为正态分布和柯西分布两种情况,应用混合蒙特卡洛(HMC)算法学习了BNN的权向量参数。由HMC算法和Laplace算法学习的贝叶斯神经网络以及BP算法学习的传统神经网络分别对4月 (春)、8月 (夏)、10月 (秋)和1月(冬)每月25天的每个整点时刻的负荷进行了预测。这些神经网络的输入层有11个节点,它们分别与每个整点时刻和的气象因素、上一个整点时刻的气象因素和时间变量相对应,输出层只有一个节点,它与负荷变量对应。试验结果表明HMC算法学习的BNN的预测结果的百分比平均绝对误差( MAPE)和平方根平均误差( RSME )取值远远小于由Laplace 算法学习的BNN和BP算法学习的人工神经网络的 MAPE和RMSE。 而且,HMC算法学习的BNN在测试集和训练集上的预测误差MAPE和RMSE的相差很小。 实验结果充分说明HMC算法学习的BNN具有较高的预测精度和较强的泛化能力。     

基于改进GMDH的目标客户选择模型研究

近年来,目标客户选择建模成为客户关系管理领域的研究热点。为了解决用于目标客户选择建模的训练样本类别分布高度不平衡的问题,本文首先提出了混合抽样方法。进一步地,将数据分组处理(GMDH)神经元网络引入到客户特征选择中,提出新的特征选择算法Log-GMDH。该算法分别从传递函数的选择和新的外准则的构建两个方面对传统GMDH网络模型进行了改进。最后,将提出的混合抽样、Log-GMDH和Logistic回归分类算法相结合,构建目标客户选择模型LogGMDH-Logistic。在CoIL2000预测竞赛中某汽车保险公司的目标客户选择数据集上进行实证分析,结果表明,LogGMDH-Logistic模型不仅在性能上优于已有的一些目标客户选择模型,而且具有很好的可解释性。     

基于ARTⅡ网络的煤炭资源资产分类研究

本文建立了用于煤炭资源资产分类的ARTⅡ神经网络模型,编制了相应的计算机和软件,并将ARTⅡ模型与模糊分类模型和基于BP网络的分类模型进行了对比分析,实例运行结果表明,用ARTⅡ网络进行分类具有分类稳定、结果可靠等特点。     

Applications of neural networks in manufacturing management systems

Abstract. The inherent complexities of modern manufacturing require more sophisticated systems for their management. Neural networks, which are massively parallel interconnected networks, have been shown to have extensive applications in various systems that can be used in manufacturing management. An extensive amount of literature has been published on the applications of neural networks in manufacturing, yet no comprehensive review of this literature to date has been offered. In this paper, we review the concepts and applications of neural networks as they relate to various aspects of manufacturing management.     

Artificial Neural Network Models for Pricing Initial Public Offerings

In recent times, managerial applications of neural networks, especially in the area of financial services, has received considerable attention. In this paper, neural network models are developed for a new application: the pricing of Initial Public Offerings (IPOs). Previous empirical studies provide consistent evidence of considerable inefficiency in the pricing of new issues. Neural network models using publicly available financial data as inputs are developed to price IPOs. The pricing performance and the economic benefits of the neural network models are evaluated. Significant economic gains are documented with neural networks. Several tests to establish generalizability and robustness of the results are conducted.     

基于信用风险度的商业银行风险评估模型研究

本文依据商业银行信用风险的内涵,结合信用风险的不确定性和相对性特征,提出以"信用风险度"作为系统的输出,并针对传统模式识别评估方法的不足,构建了基于补偿模糊神经网络的信用风险评估预测模型,为有效转变信用风险的分类评估模式、提供更为全面的信贷决策支持奠定了基础.实证结果表明,该模型是一种较为有效的评估方法.