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。     

多天线频谱共享认知网络保密中断概率分析

针对单输入多输出认知无线电网络，研究了瑞利衰落信道下采用最大比合并时保密中断性能。在所研究的系统中，次用户发射机发送机密信息给另一个次用户接收机，次用户接收机配备多个天线并且采用最大比例合并多个接收信号。同时，拥有多个天线窃听者也采用最大比合并方案偷听次用户发射机和次用户接收机之间传送的信息。频谱共享下次用户发射机工作时必须保证主用户的服务质量。推导了保密中断概率的精确表达式，分析了系统保密中断概率渐近性能。仿真结果验证了分析的正确性。     

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。     

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。     

考虑BI保险的供应链中断模型分析

突发事件引起的供应链中断,会造成供应链成员巨大的经济损失。以一个二级供应链为基础,考虑存在供应中断风险情况下,引入BI保险,建立供应中断下制造商不投保、制造商单独投保、以及制造商和零售商联合投保模型,探究零售商和制造商利润、最优订购量、最优批发价等参数的变化趋势,其理论分析结果为决策部门提供指导。     

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。     

基于迁移学习的高分遥感影像场景分类

随着高分遥感卫星的发展,高分遥感影像数据逐年增长,其在国土、农业、城市建设、环境监测、生态建设等方面发挥着重要的作用。然而传统高分遥感影像的场景分类速度较慢,精度较低。文章将深度学习中的卷积神经网络与高分遥感影像的场景分类相结合,极大地提高了分类精度。与此同时,运用迁移学习技术极大地降低了训练样本数量与训练时间,为高分遥感影像的场景分类提供了新的思路。     

基于BP神经网络的超市财务风险预警研究

通过对超市财务风险分析和指标的选取,构建基于BP神经网络的超市财务风险预警模型,利用MATLAB数学分析软件对模型进行训练和仿真实验,预测超市的财务风险。     

神经网络在国债利率期限结构中的建模与实证

人工神经网络技术是智能信息科学领域一个近年来得到迅速发展的分支。从信息论的观点来看 ,神经网络是一种自由模型估计器 ,基本特性是模式分类和非线性函数的逼近表示。其对信息是并行分布式处理与存储的 ,可以多输入多输出 ,依据样本对网络连接权和阈值不断进行修改训练 ,具有学习和自适应的能力 ,容错性强 ,对大量信息的非线性和模糊信息的金融系统非常适用。