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。     

政策性农业保险:从制度诱导到农户自主性需求——基于江苏省585户粮食种植户的问卷调查

当前政策性农业保险是制度诱导下的被动式发展,还是农户风险管理需求下的主动式发展,这是判断农业保险成熟度的标志,也是中国从农业保险大国向农业保险强国转变的关键点.本文选取中国粮食主产区江苏省,对其14个区县585户粮食种植农户进行问卷调查,并通过Pearson相关性分析和BP神经网络进行保险购买决策模拟.研究发现:当前中国政策性农业保险是制度诱导与农户风险管理内在需求交互作用下的混合决策,但是制度诱导依然是农业保险的主要驱动力.据此,应从农户的风险认知、保险认同的提升入手,结合保险市场的险种与服务创新,使得农业保险可与不同农业经营主体的生产决策目标相匹配;同时将农业保险与农村社会保障举措相融合,实现农村金融工具的协同效应.     

基于SOM的汽车制造业上市公司财务绩效分析

面对急速发展的汽车行业,如何对其进行有效的财务绩效评价,已成为亟待解决的问题。很少有人会基于SOM利用聚类分析对上市公司的财务绩效进行评价。本文首先对SOM神经网络进行了理论阐述,然后利用SOM网络对高维、复杂数据的处理能力对数据进行处理,运用SOM神经网络的聚类功能,对我国在上海深圳上市的汽车制造业企业进行了聚类分析和对比,直观、综合反映了各个层次的汽车制造业的财务状况。结果表明,SOM神经网络应用到汽车制造业的财务绩效评价是可行的。     

基于BP神经网络的专利技术分成率计算研究与应用

针对当前专利技术分成率评估方法出现的问题,引入BP神经网络方法来计算专利技术分成率。第一步是建立指标体系。第二步是训练样本的选取以及数据标准化处理。第三步是完成模型误差调优。最后,通过实例验证了使用BP神经网络方法评估专利技术分成率是可行的。     

公路软基的相关问题及处理技术分析

伴随着经济的发展,各种设施也在不断的完善。公路建设,在近几年发展的节奏相当迅速,深深的影响着建筑业以及国家的利益。公路作为人们的公共设施,最重要的就是要保证安全性。在施工的过程中,软基处理技术成为最核心的内容,文章主要对公路施工中软基遇到的一些问题以及处理技术的原理、种类以及方法进行分析和研究,并对施工过程中的使用情况做了简单介绍,以便今后施工更加便利,以期为公路工程软基处理提供可靠的依据。     

基于神经网络的企业财务危机预警研究——以制造业上市公司为例

现阶段,激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战,对于企业的经营者与投资者来说,能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位,文章以制造业上市公司为例,引入财务指标与非财务指标构建指标体系,运用因子分析对筛选的指标进行降维,使各个指标间不相关,消除多重共线性,以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率,以企业被特别处理与没有被特别处理作为神经网络模型的输出层,运用此模型对财务危机进行预测。预测结果显示:该财务危机预警模型预测效果较好,能够帮助制造业上市公司识别潜在的财务危机。除此之外,根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。     

我国高校债务风险动态预警模型研究

目前,高校负债日趋严重,所面临的债务风险受到广泛关注,如何对高校债务风险进行动态预警尤为重要。文章综合考虑影响高校债务风险的各种因素,选取了10个财务指标和4个非财务指标,利用样本数据,运用主成分分析法算出主成分的综合得分,分别运用模糊隶属度与BP-神经网络分析法,对高校债务风险综合评价比较。实例验证主成分-BP-神经网络分析模型更优。     

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。