气膜薄壳钢筋混凝土穹顶储仓的施工工期预测研究

根据气膜薄壳钢筋混凝土穹顶储仓的施工特点,详细分析了影响其施工工期的因素及参数获取方式,结合灰色GM(1,1)模型和BP神经网络处理数据的优点,提出了基于串联型灰色神经网络(serial grey neural network,SGNN)的施工工期预测模型并进行预测仿真。结果表明:该方法切实可行,预测精度高于GM(1,1)方法。     

神经网络法在商业银行信用风险计量中的应用

本文在介绍国内外商业银行信用风险计量方法基础上,详细归纳总结从1999~2007年和2008~2015年两个阶段内,我国应用神经网络模型解决商业银行信用风险计量问题的研究发展历程,发现该模型还存在一定缺陷,需要继续进行研究和改进,并在此基础上提出改进建议。     

深度学习技术在海关风险甄别中的应用研究

随着互联网的高速发展和人工智能时代的到来,越来越多从前必须由人脑完成的工作能够利用计算机技术来完成,而深度学习的出现更解决了传统机器学习算法在计算机视觉领域、自然语言处理领域表现不佳的问题,使机器也能够拥有准确感知图像和语音的能力。人脸识别是深度学习网络最常见的应用场景之一,具有自然、直接、方便的特点,且不需要检测对象配合,因此非常适合用于公共安全领域的风险检测。研究充分结合海关实际需求,搭建基于深度学习技术的人脸识别模型,提供对通关旅客进行实时风险甄别的解决方案,以及海关通关风险防控场景的理论参考,为后续深度学习技术在海关业务的研究提供支撑。     

基于RBF神经网络的投标报价预测研究

针对建筑工程特点,提出了基于RBF神经网络的建筑工程投标报价方法,建立建筑工程投标报价标高率数学模型。应用MATLAB计算软件,以实例验证了该模型的正确性及实用性。     

浅析智能技术在电力系统自动化中的应用

近年来,智能技术在电力系统自动化领域的广泛应用大大提高了电力系统的工作质量和运行效率,有效地推动了电力事业的发展。研究智能技术在电力系统自动化中的应用具有十分重要的意义。文章对电力系统自动化和智能技术进行了概述,并就智能技术在电力系统自动化中的应用进行了阐述。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

商业银行个人客户洗钱静态风险分类方法研究

构建基于RBF神经网络、聚类算法和决策树模型预测结果的集成风险分类模型。实证研究表明该模型预测精度有所提高,性能表现也更加稳健,对于运用于实际洗钱识别工作具有一定的应用价值。     

基于PCA-BP的PPP基础设施项目风险评价研究

PPP基础设施项目风险管理是参与方在进行项目管理时的瓶颈问题之一,如果不能在风险因素正确识别的基础上评价项目风险,则情况会变得更加复杂。鉴于此,文章在风险识别的基础上建立了PCA-BP风险评价方法,并在MATLAB 2010平台上进行实证分析。研究表明:基于PCA-BP的风险评价方法优于单一BP神经网络风险评价方法,其为PPP项目参与者精确评价项目风险提供了一定的参考价值。