基于RS-LSSVM制造业上市公司财务危机预警模型

针对制造业上市公司财务危机影响因素多、 各影响因素之间相互关联、 样本信息采集困难等问题, 本文结合财务危机理论构建了上市公司财务危机影响因素指标体系, 基于粗糙集理论融合最小二乘支持向量机方法, 提出了制造业上市公司财务危机预警模型, 预警了未来 ３ 年的财务危机情形, 对比了该模型与传统的最小二乘支持向量机的预测效果。 结果表明, 粗糙集融合最小二乘支持向量机能够有效提高预警效率, 反映各控制因素对上市公司财务危机的影响, 计算结果与样本值拟合精度较高, 满足实际应用要求。     

基于SOM-MQE模型的设备故障预警方法

借助机器学习算法进行设备故障预警是保证设备安全可靠运行的有效手段,但故障数据样本难以获取,成为相关设备推广应用的一大挑战.构建一种结合自组织映射网络(SOM)和最小量化误差(MQE)的SOM-MQE模型,提出基于SOM-MQE模型的设备故障预警方法.首先,划分训练集和测试集,用训练集的设备正常状态数据训练SOM模型;然...     

基于深度学习的无人机人机交互系统

目前,无人机控制一般由专业设备和受过专业训练的人员实现,这对无人机技术的推广普及造成阻碍。无人机的应用场景越来越多,对无人机操作的便利性提出更高的要求,目前已有的设备与技术在许多应用场景中存在局限,为了进一步提高人机交互的便利性,无人机的人机交互系统优化成为了重点研究内容。分析深度学习下的无人机人机交互系统,探讨有关的系统与方法。     

基于深度学习的滚动轴承故障诊断方法

提出一种基于一维卷积神经网络(CNN)与门控循环单元(GRU)的滚动轴承故障诊断方法,设计了一种基于数据驱动的滚动轴承故障诊断方法。利用同一数据集之间特征相似并且独立同分布这一特征,分别设计网络结构和参数。为采用CNN和GRU进行故障诊断提供了新的思路,具有较好的技术应用前景。     

基于MBP算法和深度学习的人脸识别

为了解决在深度学习提取人脸图像特征时,易忽略其局部结构特征和缺乏对其旋转不变性学习的问题,提出了一种基于单演局部二值模式(MBP)与深度学习相结合的高效率人脸识别方法。首先,用多尺度单演滤波器对图像进行滤波,得到幅值和方向信息;其次,用LBP算法和象限比特的方法进行编码,分块计算组合其直方图特征;然后,将提取的单演特征作为深度信念网络(DBN)的输入,逐层训练优化网络参数,得到优异的网络模型;最后,将训练好的DBN网络在ORL人脸数据库上进行人脸识别实验,进行识别率计算,其识别率为98.75%。所提出的方法使用无监督的贪婪算法,隐藏层设定为2层,使用反向传播算法优化网络。相较于已知的人脸识别方法,MBP+DBN算法对光照、表情和部分遮挡变化具有较好的鲁棒性,在人脸识别中识别率较高,具有一定的优势,为图像特征提供了一种新的识别方法。     

基于LSTM模型的水库监测预警与风险评估

文章针对水文特征延迟变化较长的特点,以小龙潭水库为例,利用长短期记忆网络,构建水库监测预警模型.通过构建训练水位,库容,入库水量和出库水量4个LSTM模型,计算RSME,R2,NSE等参数分析评估模型精度,进行单节点预测、多步预测(7d)、长时间趋势模拟预测(31d)和相应的风险评估.通过LSTM模型计算的模拟值、多步...     

基于SVM模型的上市公司财务困境预警研究

本文运用支持向量机技术,以我国上市公司为研究样本,建立了一种新型的财务困境预警模型.通过对该模型的反复调整,得到了较高的预测精度和较好的推广能力.与其它财务困境预警模型相比,我们所建立的支持向量机模型在对上市公司财务困境预警方面具有便于使用、预测精度高等特点.具有广阔的实际应用前景.     

基于深度学习的滚动轴承故障诊断研究综述

深度学习以其他方法不可比拟的优势为轴承的故障诊断提供了新思路和新方法。分析深度学习的主要模型及在滚动轴承故障诊断中的应用,指出深度学习在滚动轴承故障诊断方面面临的一些挑战和可行的解决方法。     

企业破产预警模型研究

企业破产制度是市场经济制度的重要组成部分,该制度对于优化资源配置,调整产业结构具有很大作用,它是市场经济条件下一种重要的产权流转方式。破产现象在市场经济国家司空见惯,据统计,美国每年约有３‰企业破产,我国自１９８８年１１月１日开始在全民所有制企业试行《破产法》以来,每年破产案例呈上升趋势,至１９９６年全国企业破产立案总数为６２３２件,约占企业总数的万分之二,但由于目前各地企业的破产工作是在破产法律规范不十分健全和完善,特别是企业破产量化标准和预警制度还未建立的情况下进行的,带来了许多的问题。为有…     

风力机斜翼调速系统的理论研究

斜翼调速系统是最近才出现的风力提水机调速系统,它将风力机的迎风机构和调速机构综合在一起而其结构却比每一个单独的机构还简单。本文研究了这一新型调速系统的工作原理,分析了它的性能并推导出其设计计算公式。文中还论述了关键参数的作用及设计的步骤和方法。     

基于主成分分析的上市公司财务危机预警模型研究

本文以我国上市公司为研究对象,选取2009年被ST的上市公司作为财务危机样本组,共61家,同时选取与财务危机组同行业,资产规模在10%差异之内的61家非财务危机上市公司作为配对样本,共计122家(61组)上市公司的财务数据进行研究。从这61组中随机选取31组配对样本作为学习样本组,用来构建财务困境预测模型,另外30组样本作为检验样本组,用来检验预测模型的有效性。     

基于DAF的煤矿风险预警模型研究及应用

为降低煤矿事故率,改变传统煤矿风险预警模式,使用DAF(德尔菲法、层次分析法、模糊综合评价法)对煤矿安全生产状态进行评价。通过德尔菲法调查分析影响煤矿安全生产的指标因素,选取其中关键性的34项指标来构建预警指标体系,利用层次分析法计算各指标权重,结合模糊数学理论,运用模糊综合评价法进行综合评价,判断出煤矿的安全状态,建立煤矿风险预警模型,并结合实际案例验证其可行性。结果表明,通过模型的数值计算,可以直观判断煤矿的安全生产状态,达到提前预测预警,减少煤矿生产事故发生的目的。     

基于Logistic回归模型的建材业上市公司财务预警研究

在当前房地产调控政策下,我国建材业上市公司面临着巨大的财务危机。论文对24家建材业上市公司2009年、2008年的财务指标进行了基于Logistic回归模型的财务预警实证分析,并利用上述模型及2010年的财务数据对样本公司2011年的财务状况进行了预测,继而给出了财务风险应对策略,以期我国建材业上市公司能够走出财务困境,走上健康发展的道路。     

基于主成分分析的上市公司财务危机预警模型研究

本文以我国上市公司为研究对象,选取2009年被ST的上市公司作为财务危机样本组,共61家, 同时选取与财务危机组同行业,资产规模在10%差异之内的61家非财务危机上市公司作为配 对样本,共计122家(61组)上市公司的财务数据进行研究。从这61组中随机选取31组配对样 本作为学习样本组,用来构建财务困境预测模型,另外30组样本作为检验样本组,用来检验 预测模型的有效性。     

基于MLP深度学习的纱网缺陷检测方法

纱网的检测方式以红外光谱技术和传统图像识别技术为主,在灵敏度方面受到限制。根据MLP分类器对纱网进行深度学习,建立临时存储纱网检测区域的元组,抽取该元组内每张纱网的纹理特征进行学习。提取待检测的纱网特征,区分出纱网纹理和背景,判断纹理是否完整,同时对含有缺陷的纱网进行缺陷标注。经仿真验证,该方法提高了纱网的缺陷检测灵敏度和准确度。     

基于深度学习的企业财务困境预测方法研究

上市公司是金融市场中的主体,通过科学的方法对企业财务困境进行及时的预测、预警,避免企业陷入财务困境,对企业和整个金融市场来说意义重大。本文通过系统性的研究和分析,结合我国的金融市场情况,提出了基于深度学习方法的企业财务困境预测方法和模型,同时采用了具有较好的记忆能力和处理时间序列数据能力的LSTM神经网络模型,对ST企业的财务状况进行了分类预测,获取了企业年报中的文本信息、企业股票价格时间序列数据和非财务指标三种类型的实验数据进行了实验,将更多可能影响企业财务状况的因素纳入到实验中来。利用2020年ST和非ST企业的连续两年年度报告、连续三年的股票价格时间序列数据和指标数据进行训练,对2021年ST和非ST的企业进行财务困境的预测,并与其他常用的传统方法进行了对比分析。实验结果证明基于深度学习的方法具有更高的预测准确率和稳定性。     

基于深度学习的操作系统多维度安全保护架构

操作系统漏洞长期威胁用户隐私安全,给用户带来的不仅是经济损失,更有个人隐私泄漏等威胁.基于操作系统的内存管理、进程管理、IO管理三大核心功能,分析针对各功能的攻击方案的表现形式,提出利用深度学习技术,搭建包含基础数据层、特征提取层、特征学习层、防御行为层的操作系统多维度安全保护架构.基础数据层收集操作系统运行数据,并将...     

基于新安江模型的山洪动态预警指标的确定与检验

文章基于新安江模型构建动态临界雨量曲线,实现区域山洪雨量动态预警,并对该方法进行适用性验证.分析表明:该方法可综合考虑雨强、前期土壤含水量与临界雨量之间的相关程度,适合于辽东南山区小流域山洪预警.     

基于深度学习的电成像测井裂缝自动识别方法初探

电成像测井技术将井剖面地质情况直观、细致地呈现出来,是我们深入了解地下情况的最有效测井资料之一。近年来,深度学习在图像分类等方面大放异彩,将其引入到电成像测井裂缝自动识别中来,意义非凡。文章先通过数值模拟生成电成像测井裂缝的图像,之后在DIGITS可视化深度学习框架下,利用AlexNet网络进行裂缝自动识别模型的训练,定性地对电成像测井裂缝的图像进行分类。通过对识别结果的分析,得出该模型对斜交裂缝和高角度缝的识别效果很好,对水平缝和低角度缝的识别效果较好,对实际的电成像测井裂缝也具有一定的识别能力。