物流成本预测方法研究

物流成本可以反映国家地区和企业的物流运行的规模、效率、结构等重要信息,通过预测物流成本不仅可以为相关政府部门了解物流成本的变化趋势,制定物流政策提供一定时期的依据,还对企业的物流成本控制起到一定作用,为国家地区和企业的发展具有重要意义,因此预测方法的选择也须重视.本文从传统的物流成本预测方法出发,对其做了简单介绍,并总结归纳了三种新的物流成本预测方法,通过分析比较各种方法,提出了各种方法的优缺点,以期对未来社会和企业物流成本的预测提供一定的参考价值和理论意义.     

区域性金融风险早期预警体系研究——以安徽省为例

2008年国际金融危机爆发以来,世界各国应对金融危机的经验表明,构建金融体系风险预警机制是必要且可行的。本文通过借鉴国内外关于建立金融风险预警指标体系的既有研究成果,综合运用模糊聚类分析、BP神经网络建模等,提出符合中国特色的区域金融风险预警体系框架,在此基础上对安徽省区域金融风险状况进行预测分析并提出相关建议。     

高斯模板均值化在图像滤波中的应用

在信号处理的问题中,常常因为噪声或者其他后续处理需要对信号进行滤波操作.图像滤波主要的方法是通过对图像的卷积操作进行,而常见的卷积操作所使用的模板为高斯卷积模板,但对于模板尺度过大的情况,高斯卷积模板的滤波速度是很低的.本文通过对大尺度高斯卷积模板的特性,研究其模板权值在数值上的均值特点,将大尺度的高新卷积模板均值化运用于图像的滤波操作上,减少了运算的复杂性以及提高了运算的速度,并通过比较两种滤波方法的方差,验证了高斯模板均值化在图像滤波操作中的可行性.     

基于BP神经网络的电信客户流失预测的研究

电信业务客户流失管理是电信运营商通过对客户需求满意度调查进行有针对性挽留客户的一个重要方法,其中最为关键的就是对客户流失行为做出预测.提出了一种基于BP神经网络的客户流失预测模型.根据业务经验和统计数据分析筛选出关键指标,对客户的可能流失进行预测,给出预测结果,使企业做出有效决策,挽留客户.     

装甲装备保障资源状况综合评估模型研究

提出了一种基于BP神经网络的装甲装备保障资源状况评估模型,给出了该模型的算法,并针对实例进行了验证和分析。     

深度学习在量化投资中应用的国内外现状与发展趋势

随着我国证券交易体量的不断增大,业界对运用深度学习等大数据分析技术对量化投资的兴趣日益增加.主流思路为研究个股投资策略(包括选股和择时)和设计合理的投资组合,从而寻找阿尔法.除此之外还有优化某些投资过程,把一些手动,半自动的投资方式变成自动化,解决大单交易市场冲击和对投资者的高风险行为监督等问题.随着深度学习技术的发展...     

神经网络在实验室检测工作质量管理及控制中的应用

对实验室检测工作质量中存在的风险因素进行研究,形成风险评价指标体系,并运用BP神经网络建立风险分析评价模型,对风险评价指标进行量化评价,最终获得量化的实验室整体检测工作质量风险数据,为实验室有效管理提供科学决策依据。     

基于神经网络的企业盈余质量分析

本文在企业盈余质量的分析过程中引入了BP人工神经网络.利用人工神经网络的自适应能力模拟了企业盈余质量影响因子间的非线性关系.并对影响企业盈余质量的驱动因子进行了基于平均水平的归一化处理.最后对评价模型进行了实证分析检验,并对模型的优缺点进行了相应的评价.     

我国上市公司信用风险预警研究

本文以我国上市公司作为研究样本,构建基于组合预测模型的我国商业银行信用风险管理预警系统。在结合目前国内外各商业银行信用风险预警指标体系的基础上,筛选构建较为合理并适合我国国情的信用风险预警指标体系;进而选择传统数理统计模型Logistic回归模型和人工智能模型RBF神经网络模型建立组合预测预警模型,以求能够组合不同单一模型的优点,解决信用风险预警模型的准确性和稳定性兼顾的问题,仿真结果表明:组合预测模型解决了单一模型应用中精确性和第二类问题处理能力不能同时兼得的问题,达到了预期的效果。