基于神经网络的矩形钢管高强混凝土计算方法

矩形钢管混凝土结构在国内外已经广泛应用,许多规范中也规定了其计算方法,但是各个规范中矩形钢管混凝土的计算结果并不一致,并且随着工程中混凝土强度越来越高,并不是所有的规范都适用于矩形钢管高强混凝土计算。基于神经网络方法,搜集近年来国内外矩形钢管高强混凝土轴压短柱试验数据,并用这些数据训练了两个以不同参数为输入、以承载力为输出的神经网络模型ANN-1和ANN-2,经过调试和验证,得到了准确和稳定的模型。最后对矩形钢管高强混凝土进行了参数化分析,并与规范计算值进行对比,评价了规范中的计算方法,并进一步证明模型可以用于矩形钢管高强混凝土承载力的预测。     

基于广义模糊推理实现故障识别的神经网络方法

高压输电线路的故障识别和性能分析对电力系统恢复处理决策和管理是具有重要意义的。本文探讨了模糊推理过程的神经网络实现模型与方法,提出了广义模糊集的概念。基于广义模糊推理神经网络（ＦＩＮＮ）方法完成了高压输电线路故障识别和性能分析智能系统（ＴＳＮＮＩＳ）的构造和仿真测试。     

人类学习与深度学习：当人脑遇上人工智能

深度学习是人工智能研究中最前沿的领域。到底什么是深度学习?深度学习与人类的学习在本质上相同吗?如果机器的确拥有学习能力,那么机器的学习能力会超过人类吗?对这些问题的回答,已经不再是单纯的人工智能领域的内部问题,而是一系列更深层次的认识论问题。这种跨学科的关注与讨论不但对深化我们对人工智能的研究有着重要的推动作用,而且对从科学上揭示神秘的人类学习能力同样有着非同寻常的意义。     

阻力墙参数对转向节锻件充填影响的神经网络分析

为研究阻力墙结构参数对转向节锻件长叉充填的定量影响,设计了广义回归( GR)人工神经网络模型。用“舍一法”训练了模型,并采用3个样本对模型进行预测检验,散点表明预测值和实验值拟合较好。统计学指标为：均方误差M1为0. 898 0,相对均方误差M2为0.167 0%,拟合分值V为1.973 9,说明人工神经网络具有较高的预测精度。最后用 神经网络分析阻力墙关键参数对锻件长叉充填的定量影响,结果表明：长叉侧边桥部宽度和阻力墙斜度的增加对长叉充填作用不明显;阻力墙间隙的加大不利于长叉充填;阻力墙宽度对长叉充填的影响呈抛物线关系,先增大后减小,存在一个极大值。GR人工神经网络模型能够定量预测各阻力墙参数对长叉充填的影响。     

福建省农村商业银行风险评估体系研究

在国内外大量前人研究基础上,将农村商业银行风险主要分为信用风险、流动性风险、市场风险、操作风险和政策风险。应用专家评分法筛选各风险的关键影响因素后,共采用17个影响因素构建风险指标体系。以向福建省农村各地区,包括镇、乡和村的各商业银行农村分支行分散投放后回收的有效调查数据为依据,应用包含17个输入节点、30个隐藏节点和一个输出节点的五层BP神经网络构建评估模型,并进行样本训练和验证,通过对实际输出和标准输出的一致性对比得出结果并表明,农村商业银行风险评价指标体系和模型较为理想,有较好的有效性和可行性,可为农村金融机构准确评估风险提供理论依据。     

神经网络方法在医学统计预测中的应用

结合案例分析,将神经网络方法应用于医学统计预测,并与传统的回归分析进行了预测效能的比较。结果表明,神经网络方法与回归分析在分类效能上比较相近,但神经网络方法的容错性更好,能通过训练和学习获得完整的预测规则。在本研究中,对于连续变量的处理,多层感知器表现出比径向基神经网络更占优势,而在对离散变量进行分类时,径向基神经网络的结果则更为优良。总之,神经网络方法在医学统计中可以获得有效应用,并能预测比回归分析更多的结果,因而在大数据时代具有更广阔的应用前景。     

基于邻域粗糙集神经网络的审计意见预测模型研究

审计意见类型及其预测结果受到企业各利益相关方的高度关注.同时选用财务指标和非财务指标为变量,构建了基于邻域粗糙集神经网络的审计意见预测模型.将领域粗糙集作为BP神经网络的前置系统,在保持分类能力不变的前提下进行指标约简,提取关键指标,再将约简的指标体系作为神经网络模型的输入变量.以2013-2015年沪深A股176家公司数据作为研究样本,采用三种模型进行审计意见预测对比分析,结果表明:本模型预测准确率达到97.06％,与单纯利用神经网络建模或单纯利用财务指标建模的预测效果相比具有更好的预测效果.     

基于神经网络的信息产业收益率预测

基于神经网络的预测技术的基本原理是首先利用前馈神经网络,在大量历史数据的支持下,学得输入（影响或决定预测对象的诸因素）——输出（预测对象）之间的映射关系,然后将预计的输入值输入到神经网络,由此获得预测值（神经网络的相应输出值）并将这种方法应用于信息产业收益率预测中     

碳排放预测及其对我国金融政策的影响

碳排放与金融关系是当下中国面临的重要问题之一,基于《能源统计年鉴》及国家统计局数据,建立PCA模型,采用广义回归神经网络方法,实现我国未来几年碳排放量的预测。研究发现：我国将持续减排,煤炭能源结构占比逐渐减少;2024—2028年碳排放持续上升,2028年增速“由正变负”;2030年碳达峰目标提前完成,清洁能源取代煤炭。面对此现象,我国应该追踪“双碳”目标,建立绿色金融体系,进一步开发清洁能源,调整产业结构,定向绿色融资,坚持“节能减排”。同时,国家金融政策需要持续创新,推动全社会能源结构调整：(1)继续完善绿色金融顶层设计,建立切实可行的激励机制。(2)扩大碳交易市场,加强对碳金融市场的监管。(3)构建绿色供应链金融生态系统。