基于BP网络的语音识别器的理论设计

对BP神经网络的提出、基本思想及网络结构进行了简要地介绍,采用BP神经网络对语音进行识别。     

有线电视网络发展分析

本文通过分析智能小区各种信息传输方式的发展以及各自的优缺点,详细地讨论了其中有线电视网信息传输方式的发展,并且针对目前智能小区的快速发展,对这种信息传输方式进行了简要的说明.     

有线电视网络发展分析

本文通过分析智能小区各种信息传输方式的发展以及各自的优缺点,详细地讨论了其中有线电视网信息传输方式的发展,并且针对目前智能小区的快速发展,对这种信息传输方式进行了简要的说明.     

网络存储技术浅谈

本文探讨了DAS、NAS、SAN、iSCSI四种网络存储技术,分析了各自的优缺点以及各自的适应情形,为不同规模和需求的企事业单位选择存储解决方案提出了一些建议。     

一种用于函数逼近的BP网络的设计

神经网络系统理论研究的重要意义已为许多科学家所承认,不少人把它看作未来智能计算机发展的一个主流方向．它的应用范围涉及到工程、计算机、物理、生物、经济、管理等科学领域．人们应用神经网络进行聚类分析、智能控制、模式识别和优化计算等等。但是许多问题的研究都要转化为用迭代的神经网络逼近函数问题的研究。本文主要基于神经网络的非线性逼近性质,来研究带一个隐层的前传神经网络对可积函数和连续函数的逼近能力问题。     

基于家庭用户的宽带网络接入技术研究

随着信息技术的飞速发展,上网用户增多,对家庭小区的宽带网络接入技术研究具有重大意义。基于家庭用户环境对光纤入户、XDSL、有线电视网络接入技术,宽带无线接入等技术进行了研究,并指出了各自的优缺点及应用场所,为家庭用户如何选择满足各自需要的宽带网络接入技术打下基础。     

P2P网络借贷平台的信用风险评价——基于RS粗集与神经网络

在新兴P2P(Peer to Peer)网络借贷平台在全国各地剧增的背景下,平台的信用风险问题也逐渐暴露,因此文章从投资者的角度利用粗集理论(Rough Set)寻找最能反映P2P平台信用风险情况的指标进行实证检验,再用神经网络随机对30家平台的信用风险进行度量,最后为投资者的决策与平台自身改善提出建议。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

基于紧支撑径向基函数网络的税收预测模型研究

影响税收的主要因素是国内生产总值、职工工资总额、财政支出、政策因素;径向基函数神经网络的工作原理、应用及不足,用紧支撑函数代替高斯基函数作为激励函数来设计神经网络;用训练后的网络进行税务预测.     

基于紧支撑径向基函数网络的税收预测模型研究

影响税收的主要因素是国内生产总值、职工工资总额、财政支出、政策因素;径向基函数神经网络的工作原理、应用及不足,用紧支撑函数代替高斯基函数作为激励函数来设计神经网络;用训练后的网络进行税务预测。     

基于紧支撑径向基函数网络的税收预测模型研究

影响税收的主要因素是国内生产总值、职工工资总额、财政支出、政策因素；径向基函数神经网络的工作原理、应用及不足，用紧支撑函数代替高斯基函数作为激励函数来设计神经网络；用训练后的网络进行税务预测。     

浅析网络出版与传统出版协调发展

本文阐述了网络出版和传统出版各自的优势,并探讨在今后出版业发展中网络出版与传统出版如何共存发展。     

基于朴素贝叶斯网络的上市公司信用风险预警研究

本文运用PCA方法提取出对信用风险具有显著影响的特征指标,同时运用EP-T方法离散样本数据并学习贝叶斯网络的结构与参数,以此建立朴素贝叶斯网络(Naive Bayesian Network,NB)信用风险预警模型;最后通过交叉验证(Cross Validation)对模型进行5次独立建模测试,并利用性能评价指标将NB模型与Logistic模型、MLP神经网络模型、RBF神经网络模型进行对比分析。实证研究结果表明,尽管四种模型均能对上市公司信用风险进行预警,但NB模型表现出了更好的预测精度与稳定性。     

基于matlab的板凸度bp网络的预报

利用matlab神经网络工具箱,根据bp神经网络的基本原理,建立了三层bp神经网络板凸度预报模型.通过实验仿真,结果表明该模型对测试数据预报结果均在3%之内,对板带凸度的预报具有很好的预测精度,且训练速度较快,具有很好的实用性.     

BP神经网络在项目回报预测中的应用

针对项目回报(利润)预测问题的非数理性,拟采用BP神经网络辅助预测,对其理论进行了深入研究。在此基础上建立决策支持系统,对投标决策者有一定的辅助作用。     

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题，提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先，基于面向关系的深度嵌入(Relation-Oriented Deep Embedding，RODE)框架构建了异构网络嵌入模型，以区分同型节点和异型节点之间的关系；其次，将同型节点与异类节点之间的相似性近似到低维空间，通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入；最后，选取四个数据集执行典型网络挖掘任务，并与其他六种算法进行实验对比分析。实验结果表明，保持相同类型节点之间的相似性有助于提高节点分类效率，且损失函数在提高异构网络嵌入质量方面具有良好的优越性；RODE模型能够有效提高稀疏网络的嵌入质量，且具有良好的稳定性和鲁棒性。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

移动传感器网络的安全性能智能预测

移动传感器网络的物理层安全问题日益复杂,已经成为了一个研究热点。为了及时处理网络安全事件,研究了移动传感器网络的安全性能预测,提出了一种基于灰狼优化广义回归（Grey Wolf Optimization-Generalized Regression,GWO-GR）神经网络的安全性能智能预测方法。该方法利用发射天线选择策略,推导了非零安全容量概率性能的精确闭合表达式。仿真比较了所提方法、反向传播神经网络、广义回归神经网络、支持向量机等方法,结果表明,所提方法可以实现更好的预测性能,提高安全性能预测的实时性。     

知识网络与合作网络解耦作用下企业创新网络绩效研究

本文以社会网络和知识创新理论为基础,对企业技术创新网络进行解耦研究,构建知识网络与合作网络互相嵌入的创新网络模型,分析其网络特性(结构洞和中心集中度)对创新绩效的影响机理,结合丰田公司和苹果公司的案例进行分析,将企业创新类型分成两类:一个是侧重知识网络构建的丰田创新类型,另一个是侧重合作网络构建的苹果创新类型,为企业创新研究打开了新的视角。     

网络零售商与传统零售商自有品牌战略比较研究——以京东商城与华润万家为例

互联网时代网络零售商取得长足发展,并对传统零售商带来较大冲击.在此背景下,自有品牌战略将成为决定网络零售商与传统零售商市场竞争优势的重要影响因素.以京东商城(网络零售商)和华润万家(传统零售商)为例,从自有品牌模式选择、市场定位、商品组合及品牌开发、营销战略等视角对两者的共同点与差异性进行比较.结果表明:网络零售商的自有品牌开发与营销优势更为明显,而传统零售商的市场定位更为准确.只有准确把握各自的自有品牌战略,才能有效提升企业核心竞争力,进而促进零售商可持续发展.