基于深度神经网络的眼周识别方法研究

近年来,少限制环境下的生物特征识别技术成为研究热点,眼周识别作为新兴的生物特征识别技术越来越受人们关注。基于深度神经网络的眼周识别方法相较于传统方法能更好地提高眼周识别性能。通过提出一个基于ResNet20和softmax的眼周识别方法,在两个公开的眼周数据集上实验验证得到在UBIPr数据集上的EER值为8.19%,在UBIRIS.V2数据集上的EER值为13.18%。与传统的眼周识别方法相比,文章提出的眼周识别方法取得了较好的眼周识别效果,为深度神经网络的眼周识别方法发展提供持续动力。     

GPRS在配电自动化系统中的应用研究

GPRS是一种基于GSM系统的无线分组交换技术,其在通信领域中的应用,可高速的进行数据处理[1].配电自动化是指以配电网一次网架和设备为基础,综合利用计算机、信息及通信等技术,实现对配电网的监测、控制和快速故障隔离.为了保护和监测实时数据的安全性与可靠性,生物人脸识别技术基于神经网络计算可得到精确的人脸校验,完成信息安全性的权限保护.本文将生物人脸识别技术基于GPRS的通信传输应用在配电自动化系统中.     

贝叶斯正则化BP神经网络在地铁施工安全评价中的应用

为了获取准确的地铁施工安全评价,文章通过建立贝叶斯正则化BP神经网络模型,克服传统安全分析方法的不足之处,防止网络的过度拟合。将此模型运用于MATLAB,可以发现贝叶斯正则化BP神经网络在推行能力和泛化能力上有着较好的表现。在当前基础上进行敏感性分析,就地铁施工安全影响因素进行重要程度排序,提高地铁施工安全管理,以防此类地铁安全事故的发生。     

科技创新与美丽中国建设的协调发展 ——基于系统耦合视角

选取科技创新和美丽中国建设的综合评价指标体系,采用改进的熵值法对科技创新系统和美丽中国建设系统2008—2016年的综合发展指数进行测度。在此基础上,构建耦合协调度模型,得出科技创新与美丽中国建设系统耦合协调度的时间序列,利用BP神经网络预测模型预测了科技创新与美丽中国建设的耦合协调发展趋势。研究发现:科技创新与美丽中国建设的综合发展指数均呈稳定上升态势,美丽中国建设与科技创新发展存在显著的相关性,但两者的步调不一致,导致科技创新系统与美丽中国建设系统的耦合度一直处于拮抗阶段,但是科技创新与美丽中国建设的相互联系和相互促进作用逐渐加强,其耦合协调效益正在逐步提升。     

普惠金融与金融稳定性关系研究

普惠金融和金融稳定性都是近年来业内热议的话题。然而,普惠金融对于金融稳定性的影响至今没有统一的结论,并且由于普惠金融数据的稀缺性和相对新颖性,有关两者之间关系的实证研究较少。为了填补这一空白,笔者使用了来自2004-2017年间140多个经济体的面板数据,从金融服务的使用情况和金融服务的可获得性两个维度考察了普惠金融是否有助于一个国家的金融稳定。结果表明:银行分支数、个人贷款率显著地降低了银行违约概率和不良贷款率,对促进经济体的金融稳定有着积极作用。在高收入国家,普惠金融的发展对金融稳定性影响不大;在中等收入国家,普惠金融的发展对金融稳定性的影响有利有弊;在低收入国家,扩大金融包容性会显著增加金融稳定性。     

基于神经网络的建筑业碳排放强度预测——以京津冀为例

通过统计分析得出影响建筑业碳排放强度的13个影响因素,基于收集的京津冀相关数据,运用逐步回归分析找出其中6个关键因素.借鉴五折交叉验证解决数据稀缺问题,采用神经网络对京津冀建筑业碳排放强度进行预测.利用敏感性分析简化模型,筛选出4个核心因素.结果表明,此模型预测精度高达99％,同时根据挖掘出的核心因素和关键因素,提出建筑业节能减排的建议.     

基于BP神经网络模型的商业银行风险评估研究

随着我国利率市场化的不断推进,商业银行的竞争环境发生变化,如何有效地对商业银行进行风险防控,实现商业银行在大环境下的稳定持续发展是非常重要的.文章以2016-2019年20家商业银行为研究样本,运用因子分析法进行降维,利用特征值计算指标权重,通过加权因子值构造风险指数,以8个评价要素为输入,风险指数为输出,建立了8×15×1的BP神经网络商业银行风险评估与分析模型,通过对原始样本和测试样本进行网络训练和仿真测试,结果表明所构建的BP神经网络能很好地进行风险评估,更重要的是加入“弹性分析”可以进行商业银行风险的影响要素分析.实证分析结果表明:商业银行的流动性、资本充足和不良贷款性指标对风险影响较大,且流动性和资本充足等指标的变动与风险指数呈反向变化,不良贷款率等与风险指数呈正向变化.     

基于GABP神经网络预测法的工程机械再制造员工效率研究

面对资源的日益匮乏、相关法律的陆续出台以及工程机械废旧品数量的不断攀升， 工程机械再制造越来越受到企业的重视。与高自动化制造过程不同， 工程机械再制造过程中人员效率起到了至关重要的作用， 而复杂的再制造环境造就员工频繁的学习———遗忘， 使得操作效率起伏不定， 故提出了用GABP神经网络预测方法来预测工程机械再制造员工的效率。本文应用统计方法分析影响员工操作时间的因素， 剔除无显著相关性的因素； 然后应用GABP神经网络算法对员工操作时间进行训练， 进而高效准确地获得员工的操作时间； 最后通过对样本数据的应用分析， 获得了较好的预测效果。