基于人工神经网络的项目管理成熟度模糊综合评判

对于一个项目导向型企业,是否具备高水平的项目管理能力是评价其竞争力的重要因素。文章首先介绍了项目管理成熟度的概念,并对项目管理成熟度的评价指标进行了研究,建立了适用于项目导向型组织项目管理成熟度评价的指标体系,同时运用人工神经网络确定模糊综合评价中的权重值,克服了现有其他方法主观性判断的不足。提出了项目管理成熟度模糊综合评价模型,最后利用该模型进行案例分析,证明该模型在一定程度上是有效的。     

基于BP神经网络的综合职能部门绩效评价方法

文章针对当前综合职能部门绩效考核方法的不足,提出了基于BP神经网络的考核方法,构建了综合职能部门评价模型和KRIF模式下的指标体系,并描述了方法的应用过程。在此基础上,通过MATLAB中Neural Network工具箱对其进行模拟计算,并以某市烟草专卖局综合职能部门为例进行了实证研究。     

基于支持向量机回归的房地产单指标预测

对时间序列预测常用的方法进行了比较,结合房地产自身的特点确定用支持向量机回归来对房地产单项指标进行预测;分析了支持向量机回归和时序相空间重构的基本原理;建立了支持向量机预测模型,结合武汉市的实际数据进行了实证分析,并和BP神经网络的预测结果进行比较,表明用支持向量机预测模型进行房地产单项指标预测精度更高。     

基于ANN的时序预测模型及其在统计中的应用

建立时序预测模型是数据挖掘的任务之一,而统计分析也是数据挖掘的内容之一.本文作者利用ANN可逼近任意非线性映射关系的特点,提出了基于ANN的时序预测模型.以南宁市人口自然增长率时序数据为例构建了预测模型,并对模型进行了测试和检验.测试结果表明基于ANN的时序预测模型对时间序列具有较好的预测性能,在统计预测方面有着广泛的应用前景.     

基于改进粒子群算法的神经网络优化证券投资组合方法

采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种玫进型粒子群（Improved Particle Swann Optimizer,IPSO）算法．可以优化BP（Back Propagation）神经网络．并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明：该研究方法能够在预测精度和稳定性方面明显优于传统的PSO—BP神经网络优化证券投资组合方法。     

基于BP神经网络模型的中国乳业发展规模预测

文章简要分析了BP神经网络的结构和学习过程,然后以1978—2009年的中国乳业规模发展数据为基础,以奶牛年末存栏数（千头）、奶牛养殖业产值、畜牧业总产值等三个变量作为输入、中国奶牛产量作为输出,采用MATLAB2009a中的BP神经网络工具箱构建了基于BP神经网络的中国乳业发展规模预测模型。研究结果表明：未来十年中国原奶产量将大幅度增长,乳业规模将迅速扩大,原料奶生产无组织管理已不适应乳业经济的迅猛发展,“十二五”期间必须转变原料奶总量的增长方式。研究成果对于奶牛养殖业管理部门、养殖业者科学合理地规划奶牛养殖规模具有重要的参考价值。     

BPANN在仪表线性化中的应用

讨论了传感器、仪表利用软件实现线性化的优点及反向逆传播人工神经网络(BPANN)的构成，研究了半导体热敏电阻(SCTR)线性化的BPANN方法，并用MATLAB具体实现，得到了SC—TR的线性特性．用插值法检验了该方法的有效性。     

入侵检测中人工神经网络对专家系统的优化

入侵检测系统是计算机网络安全系统的一个重要组成部分。目前,入侵检测技术主要分为两种:误用检测和异常检测,本文尝试通过结合二者的优点识别出黑客的入侵行为。     

我国上市公司经营失败风险的判定分析--BP神经网络模型和Fisher多类线性判定模型

为了构建上市公司经营失败风险的判定和预测模型,本文将1998一1999年我国上市公司分为三类:一是连续2年净资产收益率高于同期银行存款利率;二是连续2年净资产收益率大于零但低于同期银行存敖利率;三是连续2年净资产收益率小于零,同时收集了三类各50家,共计150家上市公司为建模样本,根据其有关财务指标数据,应用BP神经网络分析方法和Fisher线性判定分析方法分别建立我国上市公司经营失败风险的判定和预测模型,并且使用同期上述三大类290家公司的有关财务数据为检验样本对模型进行验证.研究结果表明:对于第一、三类上市公司,神经网络模型和Fisher线性判定模型均具有较高的判定准确性.但相比之下,由于BP神经网络模型是一种非线性判定模型,且在某些样本指标数据缺漏不全的情况下仍可得到满意的结果,因此具有较高预测准确性和更广泛的应用价值.     

人工鱼群算法优化SVR的预测模型

文章针对参数选择关系着支持向量回归机的性能进而影响GDP预测效果这一问题,引入人工鱼群算法将支持向量回归机的参数选择转化为组合优化问题,得到应用人工鱼群算法优化支持向量回归机的短期GDP预测模型。以辽宁省的GDP数据为例,将该模型的预测结果与同为智能算法的BP神经网路和单纯的支持向量机进行对比,结果表明该模型的预测效果优于其余两个,具有更好的学习能力和推广能力。