基于BP神经网络的ETC系统客户的流失分析研究

文章应用神经网络数据分析技术研究ETC系统客户流失的状况,详细研究了如何建立ETC系统客户流失基本模型。通过对客户的基本数据进行神经网络预测,可以发现描述流失客户基本特征的属性值集合以及对应的是否流失的结论。文章给出的是改进的神经网络的预测方法,可提高BP神经网络的收敛速度,增强网络的泛化能力,获得了很好的效果。     

基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

基于神经网络的入境旅游人数预测

入境旅游人数分析是旅游开发的基础。尝试利用人工神经网络的3层BP模型来仿真模拟入境旅游人数,其输入层结点为3,输出节点为1,得出3层前馈反向传播神经网络模型。结果表明人工神经网络模型的模拟结果与实际情况逼近。     

基于RBF神经网络的政府投资项目投资估算

<正>一、基于RBF神经网络估算模型的建立过程RBF(径向基Radial Basic Function Neural Network)函数神经网络是20世纪80年代末,Moody和Darken提出的一种特殊的三层前馈网络,它只具有一个隐层的,它的运算结构和学习算法与BP网络有很大的区别,并且很大程度上克服了BP神经网络的缺点。近年来RBF神经网络以广泛应用到各个领域,并     

人工神经网络在综合评价决策中的应用

为了克服综合评价过程的随机性与评价专家主观上的不确定性,文章提出了基于人工神经网络的多目标综合评价方法,并使其应用于企业经济效益的综合评估。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具,通过仿真实例与专家评估相比较,验证了该方法的有效性。     

基于AdaBoost的电信客户流失预测模型

随着电信业改革的深入和竞争的不断加剧,各大电信企业的客户流失率逐步攀升。在深入分析电信业客户流失问题的基础上,针对目前研究多采用单分类器模型的不足,提出了一种基于组合分类器的电信客户流失预测模型。实证结果表明该模型能有效提升预测准确率,为今后的研究提供了新的研究思路。     

商业银行客户流失风险预警模型研究

目前,商业银行在客户竞争方面面临着严峻挑战.面对激励的市场竞争,如何尽可能留住老客户,减少客户流失是目前商业银行应重点关注的问题.对于客户流失风险的问题,可以采取的办法是建立客户流失预警模型,对可能未来发生的客户流失进行预测,以便及时采取措施预防客户流失,制定有效的控制策略.文章采用基于显著性检验的决策树模型——卡方自动交互检测法(以下简称CHAID),建立商业银行客户流失预警模型,并通过十字交叉验证等方法对模型进行评估,提高模型的准确性.最后根据模型反映的情况,对商业银行的客户流失风险提出相应建议.     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

基于粗糙集和神经网络的数据挖掘应用

本论文就是根据电信行业需求,针对电信企业拥有大量详实而且丰富的数据,但是可用有效数据提取困难这一问题。首先利用粗糙集理论中的差别矩阵方法对电信客户数据进行属性约简,之后采用BP(Back Propagation)神经网络建立基于粗糙集和神经网络的数据挖掘模型,实现对电信业务系统的客户数据信息进行有效分析和高效提取,并通过matlab实现了仿真模拟。所建立的模型,减少神经网络的输入层个数、简化了运算次数、缩短了训练时间并提高数据预测的准确度。     

基于ERFM和二元logistic的商业银行零售客户流失模型研究

本文利用RFM模型和人口统计变量建立了多维商业银行客户流失预测指标,利用二元logistic模型构建商业银行零售客户流失预警模型,结合案例银行进行了实证研究。结果表明:交易频率、最近交易时间、性别、以及年龄对商业银行零售客户流失具有统计学意义,其中交易频率、最近交易时间影响最为显著。     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

基于BP神经网络的建筑工程估价模型研究

提出了基于BP神经网络的工程造价估测模型，以工程特征为参数，用历史数据，建立模型，并验证了BP精神网络模型在工程造价估测中的优良效果，结果显示，BP神经网络在这方面具有很好的应用前景。     

BP神经网络在供应链绩效评价中的应用

首先区分不同主体,权衡成本与收益分层次选择指标,基于流程构建一个供应链绩效评价的指标体系;然后介绍了BP神经网络原理及模型,最后探讨了BP神经网络在供应链绩效评价中的应用。     

Capturing the volatility smile of options on high-tech stocks—A combined GARCH-neural network approach

A slight modification of the standard GARCH equation results in a good modeling of historical volatility. Using this generated GARCH volatility together with the inputs: spot price divided by strike, time to maturity, and interest rate, a generated Neural Network results in significantly better pricing performance than the Black Scholes model. A single Neural Network for each individual high-tech stock is able to adapt to the market inherent volatility distortion. A single Network for all tested high-tech stocks also results in significantly better pricing performance than the Black-Scholes model. Dr. Gunter Meissner (gmeissner@hawaii.rr.com) is president of Derivatives Software, www.dersoft.com, and associate professor of finance at the Hawaii Pacific University; Noriko Kawano, MSIS, is currently working as a software engineer at Hawaii Dental Service. The article was presented at the eighth Asia Pacific Finance Conference, Shanghai, July 2000.     

基于混合智能算法的仓库有限容量下随机存贮模型

针对仓库容量有限条件下的随机存贮管理问题,通过找出商品在销售进货过程中会出现的全部可能,确定得到总损失最小的方法,然后以最优订货点作为决策变量并确定约束条件,建立优化决策模型。采用基于随机模拟的混合智能算法对该决策模型进行求解。对模型中的不确定函数进行随机模拟,使用由其产生的一组输入输出数据来训练神经网络对该不确定函数进行逼近,然后将该神经网络作为适应度函数嵌套于遗传算法中,最后应用遗传算法解得模型的最优解。通过计算机仿真得到所需要的最优方案。实验表明,文中提出的基于混合智能算法的仓库随机存贮模型,较好地解决了实际应用中的仓库容量有限的随机存贮问题,具有很强的普遍性和实用性。     

财务困境预测中BP神经网络模型应用综述

金融危机席卷全球。处于金融市场之中的企业随时面,临着陷入财务困境的可能,财务困境预测模型的建立可以使公司提前预测到困境的发生,从而及早避免投资损失。随着信息技术的发展,人工神经网络预测模型开始兴起,本文重点介绍了BP神经网络模型在财务困境预测中的应用情况,并将BP神经网络模型与传统统计方法进行了比较分析。     

企业创新能力的BP神经网络评价研究

论述了BP神经网络模型的原理，在此基础之上，应用B神经网络模型对企业创新能力进行评价。模型建立之前对相关评价指标进行了归一化处理，使其更好的适用于BP神经网络评价模型。最后通过实例验证该评价模型的可行性与准确性。     

人工神经网络及其在盲信号处理中的应用

文章讲述了人工神经网络基本知识、特点及几种典型神经网络,介绍了盲信号处理的基本概念,最后进一步指出了人工神经网络在盲信号处理中的优势。     

RBF神经网络在基本建设投资预测中的应用

采用了径向基函数网络，在对原始数据进行平滑处理的基础上学习与训练，并应用于基本建设投资预测的实践当中。模拟结果表明，实际预测中效果较为理想，从而为基本建设投资的预测提供了一种新的方法和理论依据。     

基于主成分分析-BP神经网络的道路客运站场布局决策研究

为解决输入变量过多所造成的BP神经网络系统效率下降问题,提出一种主成分分析-BP神经网络的道路客运站场布局决策方法。首先,利用主成分分析方法,将个数较多的原始输入变量群变换为一组个数较少且彼此独立的新输入变量;然后,将新的输入变量群作为BP神经网络的输入进行道路客运站场的布局决策;最后,以廊坊市道路客运站场布局为例验证了方法的有效性。