基于大数据方法的大连系统性金融风险监测预警

文章梳理了系统性金融风险理论基础和形成原因,从外部经济、大连宏观经济、大连金融机构3个维度选取了10个指标,构建了大连系统性金融风险预警指标体系。应用大数据方法中的主成分分析、K-均值聚类对指标进行了降维与分类,并使用大连2005—2020年的相关指标数据对径向基神经网络模型进行训练和测试,建立了一个预测系统性金融风险的模型。在训练完成后,将大连2021年的指标数据作为输入数据,具体预测了大连2022年的系统性金融风险状态。     

运动员语音音强特征诊断运动疲劳的探索性研究

提高大运动负荷的训练效率需要准确的运动疲劳状态判断.语音音强特征能够表现运动员的疲劳信息,通过语音信号处理、神经网络建模、灰色关联分析等手段,表明语音音强特征作为运动疲劳判断手段具有可行性.建立了运动疲劳神经网络诊断模型,对语音音强数据进行学习和归纳,确定了语音音强特征与运动疲劳状态之间的模式.模型诊断与定性判断的比较结果表明:对于运动疲劳状态判断,音强特征具有较好的判断等级区分度.建议教练员把直觉判断与音强特征结合起来.町以提高对运动疲劳状态判断的效果.     

基于RBF和PSO的双喉道气动矢量喷管优化设计

本文探索了一种能多变量综合优化的方法,即对喷管进行参数化设计后,用均匀试验设计(UED)将试验样本均匀散布在设计区间内,求出各性能参数后,利用径向基神经网络(RBF)对试验样本进行拟合,再用粒子群算法(PSO)对训练好的神经网络进行寻优,找出了更好的双喉道气动矢量喷管设计参数组合。数值模拟结果显示,优化后的双喉道气动矢量喷管的矢量角有了明显提高。试验表明这种优化方法具有很好的优化能力,可以用来对喷管几何外形进行参数优化。      

基于BP和SVM变量筛选的LC技术特征对项目绩效比较研究

为探究精益建设技术与项目绩效之间的内在作用机理,构建基于BP和SVM变量筛选的6S、可视化管理、最后计划者等7种精益建设技术与知识能力、财务、业主等5个项目绩效分项指标和综合指标的耦合模型。仿真结果表明:在精益建设技术特征与项目绩效分项指标的耦合模型仿真分析中,基于GA-BP的预测模型比标准BP神经网络模型精度要高;在精益建设技术特征与项目绩效综合指标的耦合模型仿真分析中,基于SVM的预测模型比GA-BP的预测模型精度要高。另外,利用BP和SVM结合MIV算法进一步探究不同精益建设技术对项目绩效各指标和综合指标的影响程度。研究结果为项目利益相关者提高项目管理绩效提供决策支持。     

基于PSO算法的BP神经网络在边坡稳定性评价中的应用

传统的用于边坡稳定性分析的方法较多,但计算过程复杂,计算量大。采用粒子群优化（PSO）算法优化神经网络的连接权值和阂值,可以克服存在的缺陷,减少迭代次数,具有良好的泛化性能,在边坡稳定性评价上具有一定的应用价值。     

浅谈人工智能与教育

人工智能技术的发展推动着社会生产力的提高,同时也融入到教育教学中。本文主要介绍了目前与教育有关的人工智能的研究领域,并论述了人工智能与教育的关系和人工智能与网络教育的结合点。     

改进FCM算法在网络入侵检测中的应用研究

入侵检测作为一种主动防御技术已成为实现网络安全的一个重要手段.数据挖掘技术中模糊C均值算法(FCM)对分析审计日志数据和检测入侵非常有用,它通过迭代来优化目标函数,求取目标函数的极值点,但该算法本身无监督性,没有先验知识指导的初始化值易使算法陷入局部极值,从而产生误导.基于广义回归神经网络(GRNN)改进FCM算法则可以在网络入侵检测中最大可能地避免主观假定对预测结果的影响.     

协同神经网络立体图像识别方法

基于前人在协同神经网络的相关研究,本文提出了立体图像的原型向量的构造方法——立体像素平铺法和投影截面法,并给出了投影截面法的优化方法。     

基于神经网络的智能导航与控制研究

智能导航与控制是一个集环境感知、规划与自动驾驶于一体的综合功能系统.通过智能控制,我们希望车辆不仅能够实现自主驾驶,并且也能够准确地避免碰撞障碍物.神经网络有很强的学习、自适应和处理非线性的能力,因而非常广泛地应用于复杂系统的辨识、建模和复杂系统的控制.要使得车辆完成自主驾驶,可以通过选择合适的输入与输出来训练神经网络.     

高科技企业人工智能知识管理专家系统构建研究

在介绍高科技企业知识管理基本模式的基础上,构建一个基于人工智能的知识管理专家系统,并探讨它在高科技企业中的应用.