基于BP神经网络的企业技术创新能力评价及应用研究

针对当前评价企业技术创新能力的方法所存在的不足,提出一种基于BP神经网络的企业技术创新能力评价方法。首先建立企业技术创新能力评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。在计算方法上,用MATLAB神经网络工具箱来进行网络设计和计算。通过大量学习样本的训练和测试,使模型的误差达到预定的范围内。最后,以实例验证了这种方法的准确性和可操作性。     

我国上市公司信用风险评估的方法、问题及对策分析

我国证券市场的上市公司因财务状况异常而被特别处理的现象屡禁不止，这种信用风险管理问题已成为金融机构和广大投资者十分关心的问题，因此对作为信用风险管理基础环节的信用风险评估进行研究具有重要的意义。文章在研究上市公司信用风险评估方法的基础上，指出了信用风险评估模型的不当选择、信用风险数据的缺乏和信用评估差数的不易确定是我国上市公司信用风险评估中存在的主要问题。计时这些问题。提出了提高我国上市公司信用风险评估能力的应对措施。     

基于KMV模型的上市公司信用风险预测

本文利用KMV模型,提出了一种上市公司信用风险预测方法.通过对我国4家上市公司5年股票价格的违约距离实证分析表明,KMV模型的灵敏度和预测能力都相当好,能为银行和投资者预测、揭示上市公司信用风险.     

Logistic模型在上市公司信用风险评估中的应用

信用风险是发生损失的可能性,具有不确定性,是企业最难防范的风险。而信用风险没有确切的界限,模糊的判断标准使得投资者、银行等很难确定是否投资或放贷。以被特别处理且因信贷违约被借款机构起诉并败诉的上市公司作为研究对象,以上市公司的年报数据为基础,引入财务指标利用Logistic模型进行评估,以此判断上市公司是否面临信用风险,通过实证分析,发现该模型对上市公司信用风险评估具有较高的准确率。     

瞬态振动法测试土密实度的神经网络模型

神经网络模型是处理非线性问题较好的一种方法之一。文章通过对人工神经网络的分析,建立了瞬态振动法测定土密实度的神经网络模型,网络的学习算法采用改进的BP算法。并对建模结果的准确性和可靠性进行了验证和讨论。结果表明将神经网络应用于土密实度的定量分析问题中,效果是良好的。     

基于BP神经网络模型的互联网金融信用风险评估研究

本文从P2P网络信贷的运作模式入手,研究BP神经网络模型在P2P网贷借款人信用风险评估中的适用性,建立P2P借款人的信用风险评估指标体系,从而确定BP神经网络模型的基本结构并建立BP神经网络评价模型,减少P2P网络借贷风险。     

基于变异系数赋权的上市公司信用风险评价研究

在对典型机构以及国内外学者的研究基础上,筛选指标构建上市公司的信用风险评价指标体系;根据不同的指标类型对评价指标进行打分,并通过变异系数赋权法对评价指标进行赋权;以浙江省的100家上市公司为例对其信用风险进行实证研究.研究结果表明,所评价的100家浙江省上市公司中信用状况最好的上市公司有顺网科技,同花顺,围海股份,滨江集团,荣安地产,森马服饰,宋城股份,华东医药,万向钱潮和顺发恒业等10家企业;影响浙江省上市公司信用状况的主要指标有存货周转率,固定资产周转率,资产总额,利润总额和主营业务利润率等5个指标.     

基于FC和VPRS的信用风险评价研究

企业信用风险评价是金融领域最重要的问题之一。提出一种将模糊聚类（FC）和变精度粗糙集理论（VPRS）结合进行信用风险评价的模型。首先利用模糊聚类法对样本上市公司数据进行离散化处理,然后根据变精度粗糙集理论抽取决策规则。结果表明,由该方法生成的决策规则能对样本数据进行正确的分类,并具有一定的抗干扰性。     

基于BP神经网络的中小企业技术创新能力评价研究

构建了一种基于卓越绩效的中小企业技术创新能力评价指标体系;根据BP神经网络理论,设计了用于评价中小企业技术创新能力的BP神经网络模型,并结合实例验证了模型的有效性。     

基于BP神经网络的高技术企业技术创新能力评价

运用BP神经网络模型对高技术企业技术创新能力进行评价,避免了当前评价方法中人为的确定权重,克服了以往缺乏自学习能力的缺点,减少了评价过程中的随机性和评价人员主观上的不确定性及其认识上的模糊性,而且通过对参评样本的不断学习,使系统误差达到预定的范围内,并用一个实例验证了这种测评方法。     

基于NWP和改进神经网络的短啦风电功率预测研究

风电场功率预测对电力系统稳定运行起着决定性作用。首先对传统BP神经网络进行改进,以某一风电场获取的2月1日-10日的天气预报（NWP）数据和功率数据作为改进后BP神经网络的训练数据,对神经网络进行训练;其次以2月11号3小时的数值天气预报数据作为改进后BP神经网络的输入数据,对未来3小时的输出功率进行预测。预测过程和结果显示,改进后的BP神经网络在满足低预测误差的同时,能够提高BP神经网络的稳定性和收敛速度。     

基于BP神经网络预测企业竞争情报搜集成本

为克服传统方法的局限性，本文尝试以企业竞争情报内容和情报搜集活动过程作为情报搜集成本分析的基础，在此基础上引入BP神经网络进行预测，并用部分样本数据验证对比了线性回归分析法和BP神经网络的预测结果。验证结果表明，BP神经网络预测模型用于情报搜集成本的预测具有较高的预测精度。     

基于支持向量机的股票投资价值分类模型研究

本文遵循价值投资理念,建立基于支持向量机的股票投资价值分类模型。首先随机抽取500支A股股票作为样本,并选取对股票投资价值影响显著的财务指标构造样本特征集,然后采用支持向量机方法建立股票投资价值分类模型,最后将其与BP神经网络和RBF神经网络相比较,结果表明支持向量机的分类效果和泛化能力最优。     

BP神经网络在灌区分水闸控制中的应用

BP神经网络是一种单向传播的多层前向网络,具有很强的学习功能,多次训练后的网络具有很好的预测能力。结合BP网络的特点和灌区分水闸的工作原理,应用BP神经网络对闸门控制进行预测,并分析预测结果。     

基于BP神经网络的河南开封市住房需求预测

影响住房需求的因素众多,错综复杂,并且具有非线性的特征。本文通过对住房需求影响因素的分析,用BP神网络来购建住房的需求模型。根据河南开封市的有关统计数据,用BP神经网络优化算法进行住房需求预测,并与多元回归测方法进行对比。结果表明,BP神经网络具有较好的适应性和较高的预测精度。     

GA优化神经网络思想

概述了神经网络的概念、神经网络的基本元素和BP算法的基本原理,同时在BP算法的基础上用遗传算法来优化BP算法的权值,并且改变了BP算法的传播方向。     

科技型企业财务预警模型的建立

本文根据总结回顾国内外财务预警实证研究方面的文献,提出构造一个科技型企业财务预警模型的设想。总结科技型企业的特点,对该类型企业范畴进行划分,并尝试用Fisher判别法和BP神经网络法分别构建科技型企业财务预警模型。     

BP神经网络在智能雨刮器上的应用及MATLAB仿真研究

在分析了传统雨刮器缺点的基础上,提出了一种基于BP神经网络的模式识别模型,用专家的经验数据训练它,并测试了它;给出了BP神经网络的学习过程及算法。结果表明这个基于BP神经网络的模型不使用精确的数学模型即可有效处理智能雨刮器系统的不可靠性和非线性。     

科技型企业财务预警模型的建立

本文根据总结回顾国内外财务预警实证研究方面的文献,提出构造一个科技型企业财务预警模型的设想。总结科技型企业的特点,对该类型企业范畴进行划分,并尝试用Fisher判别法和BP神经网络法分别构建科技型企业财务预警模型。     

一种前馈神经网络算法

神经网络由于其非线性处理能力强，性能稳定等特点得到了广泛应用和研究，主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络，其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)。BP算法存在局部极小点，收敛速度慢等缺点，基于优化理论的Levenberg-Marquardt算法忽略了二阶项，该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。