基于卷积神经网络的列车检测算法研究

列车检测作为列车自动驾驶的核心技术,可以有效地降低列车追尾等事故造成的人身危险和财产损失。为实现精准的列车检测,选用改进的卷积神经网络(PVANET)对输入图像进行特征提取,在此基础上,采用候选区域网络,从生成的特征图里滑动搜索,判断出图像中可能为列车的区域位置,并进一步采用快速区域卷积神经网络对每个候选区域进行分类,计算出其所属类别的置信度,同时精确定位列车。经验证,该方法适应范围广、鲁棒性高,可以有效地检测不同环境光强及不同朝向的列车,保障列车安全,为列车自动驾驶及辅助驾驶提供安全保障。     

基于BP神经网络模型的偿付能力预警机制研究——以平安人寿为例

一、引言 随着“偿二代”监管体系于2016年正式实施,在新的监管标准下,部分寿险公司偿付能力不足的状况得以改善。然而,在偿付能力预警机制方面,监管者尚存在缺位现象,为此国内外学者在寿险公司偿付能力预警机制和预警模型方面有过诸多研究。     

车辆保险市场的成长预测

基于我国发展车辆保险的重要性,研究车辆保险市场是非常有必要的。本文基于2004-2015年的数据,来研究车辆保险市场的成长情况,通过灰色模型与神经网络的结合的灰色神经网络模型去拟合车辆保险营业额与解释变量的关系,之后再用遗传算法优化灰色神经网络,最后通过模型结果的对比,知基于遗传算法的灰色神经网络模型有更好的预测效果。     

基于BP神经网络的企业绿色竞争力评价研究

本文在阐明企业绿色竞争力内涵及特征的基础上,构建企业绿色竞争力评价指标体系,给出了基于BP神经网络的企业绿色竞争力评价模型,以期为企业构建绿色竞争力,实现可持续发展提供支持和参考。     

氯化铵：亟需拓应用增出口

＂2~4月份,无论价格多低,也难以刺激消费,湿铵出厂价已降至历史最低位。进入5、6月份以后销售量增加,库存呈下降趋势,价格虽有回升迹象,但速度仍不理想。如果不能尽快为氯化铵找到新的应用领域,氯化铵的困难局面将是长期的。＂谈到氯化铵的行情,中国纯碱工业协会会长王锡岭6月16日向笔者表示,未来拓展新的应用领域,加大产品出口市场的开发,将是企业的破局之路。     

深度学习的金融实证应用:动态、贡献与展望北大核心CSSCISSCI

随着智能时代来临以及金融数据分析需求提升,深度学习已经成为金融领域中的应用前沿,特别是在预测金融市场运动、处理文本信息、改进交易策略方面。深度学习包含深度神经网络、深度信念网络等多种结构,通过分层结构提取深层特征,强化重要因素、过滤噪音,对提升预测准确率具有重要意义;其应用及由此衍生的优化技术改进了金融领域预测分析方法,促使实证研究范式从线性向非线性转变、从关注参数显著性向关注模型结构和动态特征转变,同时为丰富金融经济理论做出贡献。构建结构合适、效果稳健的模型以捕捉金融数据有效特征并进行经济含义阐释是应用深度学习方法的难点与重点;未来研究可以从挖掘深层经济意义、提炼一般性预测分析框架、探索其对异质信息的适用性等角度展开。     

基于机器学习算法的车险索赔概率与累积赔款预测

保险费率厘定的核心工作是对保险损失的预测。在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择。本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较。结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型。机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法。     

夯基固本 提升工运水平

加强基层工会工作、增强基层工会活动是保持工会良性运转的重要方式。国网吉林电力长春供电公司在现有基础上进一步提高基层工会工作水平,使工会更好地为员工服务,进而促进企业和社会的进步。     

聚合物基石墨烯导热复合材料研究进展

随着电子器件逐步向微型化和集成化方向发展,热管理材料已成为影响电子器件性能可靠性的关键因素之一。聚合物基石墨烯导热复合材料兼具可设计的优化结构和可控调节的导热性能,成为现阶段最具发展前景的导热复合材料研究方向之一,并有望在电子器件热管理领域实现工业化应用。文章综述了聚合物基石墨烯导热复合材料的最新研究进展,探讨了石墨烯表面功能化、加工方法、特殊结构设计和导热机制对该类复合材料导热性能的影响。     

基于机器学习的藏文图像识别系统设计与实现

随着人工智能技术的高速发展,机器学习应运而生,而人工智能的重点是机器学习。在人们的生活中,机器学习也扮演着越来越重要的角色。所以在藏文识别方面,机器学习理应发挥更重要的作用,方便人们更好地对藏文进行学习。文章采用Keras机器学习工具和卷积神经网络图像识别算法,识别的准确率可以达到97.92%,为图像识别提供了新的方法和途径。