基于粗糙集-神经网络的财务危机预警模型实证研究

本文提出了以粗糙集与神经网络相结合的技术方法,应用于我国上市公司财务危机预警研究中。在通过以中国上市公司财务数据为基础进行实证分析之后,结果表明粗糙集的引入减少了神经网络的输入维数,采用动量添加法和参数自适应算法修正的神经网络算法,在网络训练的准确性和精度上都优于传统的BP神经网络。     

基于邻域粗糙集和神经网络的财务预警研究

利用邻域粗糙集对属性进行约简,得到由财务指标和非财务指标构成的预警指标体系。将其作为神经网络的输入变量对我国上市公司财务状况进行预测。实证研究表明,模型能有效剔除冗余信息,避免传统粗糙集模型因数值离散化带来的信息丢失。在大大缩短训练时间的同时,模型的预测精度达91.7%,高于同等条件下神经网络模型、Logistic模型。     

基于粗糙集和RBF神经网络的工程项目团队的绩效评价

利用粗糙集和RBF神经网络的理论和方法,建立了基于粗糙集和RBF神经网络相结合的工程项目团队绩效评价模型。并结合一个工程项目团队绩效实例,首先对其基于平衡记分卡的评价指标体系进行了约简,然后将约简的评价指标输入到RBF神经网络中进行智能训练,最后把检验样本输入到训练好的RBF网络中,验证得到通过RBF神经网络计算的评价结果与实际结果基本一致。     

基于粗糙集和模糊聚类方法的属性约简算法

在基于粗糙集的属性约简算法中引入模糊等价关系的一种新的度量方法,重新定义了高维数据中的属性重要度,提出了一个结合粗糙集和模糊聚类方法的属性约简算法,并通过实验得到了用户满意的属性约简结果。     

基于模糊神经网络的宏观经济预警研究

本文将神经网络理论与模糊系统理论相结合,建立了宏观经济非线性预警模型;运用模糊逻辑推理将经济专家经验引入到宏观经济的预警分析中,使系统具有处理非线性、不确定性问题的能力,实现了预警过程的智能化;本文利用实际数据建立了具有转折点预测意义的、基于模糊神经网络的宏观经济波动预警模型,并对中国1999年和2000年进行了尝试性景气预报。     

基于粗糙集和BP神经网络的复合图书馆馆藏质量评价研究

建立了基于粗糙集和BP神经网络的复合图书馆馆藏质量评价模型,首先运用粗糙集模型对评价指标体系中的指标进行约简,消除冗余,然后把约简后得到的评价指标输入到BP神经网络中进行智能训练,最后把待评价的检测样本输入到训练好的BP网络中,得到了馆藏质量实际输出值,实际输出与期望输出结果相吻合,从而证明了评价的可行性和有效性.     

基于模糊神经网络的人才甄选系统

对BP神经网络和模糊神经网络在人才甄选中的应用性进行了比较,解释了基于模糊神经网络的人才甄选系统的构建思路,同时结合案例分析,检验了基于模糊神经网络的人才甄选系统的有效性,并取得了较好的效果。最后,针对研究中存在的一些不足,对未来的研究方向和要点提出了建议。     

基于模糊神经网络的供应链绩效评价方法研究

供应链管理是21世纪企业进行生产经营和市场竞争的主要模式,建立科学的、有竞争力的供应链管理模式直接关系到企业的市场反应速度及合作的绩效与成败,供应链绩效评价对供应链管理的有效实施起着极为重要的战略指导意义。在描述供应链绩效评价和模糊神经网络原理的基础上,提出了供应链绩效评价指标体系,建立了基于模糊神经网络的供应链绩效评价模型。该模型具有较强的自学习能力,其评价指标权重通过网络学习自动生成。把该模型应用于供应链绩效评价,为企业供应链管理及绩效评价提供了一种新的方法。     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

基于粗糙集理论的钻井风险模糊综合评价研究

钻井风险评价是钻井工程风险管理的重要一环。在分析现有的钻井风险评价方法的基础上,构建了钻井风险评价指标体系,提出了一种基于粗糙集和模糊综合评价的综合评价模型,使得评价结果更加客观、科学、准确,并通过一个算例说明该方法在钻井风险评价中的具体应用。     

基于粗糙集的BP神经网络设计

传统的神经网络对于简单、具有明确分类界限的数据,可以有较好的计算结果,但是在输入属性集合较大、分类界限不明确的情况下,会出现收敛效率和分类准确率较低,甚至会出现不收敛状态。本文利用Rough集的理论,对输入数据不停地进行样本检测,对输入特征不停地进行筛检,以此达到删减输入特征数的目的,从而提高对输入数据的拟合。通过对采集到的脑电信号进行验证,达到删减特征数和提高分类准确度的目的。     

基于神经网络的医院知识管理模糊综合评价

构建了基于神经网络的医院知识管理模糊综合评价模型。运用神经网络确定模糊综合评价中的权重值,同时采用改进的反向传播算法训练网络,逐步修正网络的连接权值,使权重值更符合实际情况,得到较好的训练效果。     

基于模糊神经网络的质量成本控制模型

采用PAF模型,即质量成本由预防成本、鉴定成本、损失成本(内部损失成本和外部损失成本)组成。首先根据以往各种研究文献以及企业实际情况设置质量成本三级科目。根据历史数据对各科目做Pareto分析,找出影响质量成本的主要影响科目,然后利用统计分析中的相关分析以及偏相关分析对其进行降维,找出真正影响质量成本的科目。而后对其分析得出可控影响因素及不可控影响因素,从而从可控因素上分析得出控制方法,再根据因素分析找出其潜在影响因素。最后,利用模糊控制方法以及神经网络建立质量成本控制模型。     

基于模糊神经网络的RTT智能预测算法

在网络拥塞控制的重要参数中,RTT（Roundtriptime）尤为突出,因为它能对网络所发生的拥塞作出较早的反映。所以对RTT的精确预测程度,无论是对网络拥塞控制还是流量、带宽估计都很有意义。分析了RTT的特性,发现其有很强的高频噪声,因而采用低通滤波和MBP网络相结合的RTT预测策略。实验表明,即使在网络状况较忙的情况下,也能获得很好的预测结果。     

粒子群算法优化BP神经网络的指纹识别技术

指纹识别技术是当今应用最广泛的生物识别技术之一。在指纹识别过程中,图像处理、特征提取、匹配等过程数据量庞大,计算比较烦琐。BP神经网络具有良好的自学习能力、强大的分类能力和容错能力,将其应用到指纹识别中是可行的。为改进BP神经网络计算速度较慢,梯度下降法不能处理一些不可微传递函数的问题,采用粒子群算法对BP算法进行优化,提高了指纹识别的速度和准确度。     

基于模糊神经网络的版权产业发展水平评价模型

针对我国版权相关产业发展特点,确立了与版权产业发展水平相关的4类一级评价指标及19项二级评价指标,利用层次分析法及模糊神经网络机器学习技术,构建了对我国分区域版权相关产业发展水平的模糊评价模型,并利用该模型对2017年我国部分区域版权产业发展综合水平进行预测评价。结果表明,该模型具有良好的预测性能和较低的预测误差。最后本文提出了加强我国版权产业发展的相关建议。     

液氯汽车罐车可靠性的模糊神经网络评价

可靠性评价在保证危险化学品汽车罐车输运安全方面具有重要意义。依据液氟汽车罐车的结构特点及国家法律法规的要求,比较全面地构建了液氯汽车罐车可靠性参数作为输入结点,选取罐车构造指标的一些样本对网络进行训练学习,提出了基于模糊神经网络的危险化学品汽车罐车可靠性评价模型。理论分析和实例计算表明,该模型假设合理,计算结果合理,精度较高,在危险化学品汽车罐车可靠性评价中有彳艮好的适用性。     

基于rough集与BP神经网络的大非减持度预测研究

以深交所大非股东为研究对象,将BP神经网络结合rough集理论应用于大非减持度预测,构建一套减持度预测系统,测试结果表明该预测系统平均预测准确度较高,具有实用性,能够为普通投资者及监管者提供参考作用。