基于BP神经网络的江西省生猪价格波动预警分析

借助多元统计方法识别2000年1月～2016年12月江西省生猪价格波动的成因,选择生猪价格波动率作为警情指标,借助时差相关法,确定风险预警指标,建立BP人工神经网络模型,预警生猪价格波动的风险.结果表明,玉米价格、仔猪价格、猪肉价格、活鸡价格、豆粕价格、生产者预期和疫情为主要警情指标,其中先行性指标是仔猪价格和生产者预期,同步指标是玉米价格、猪肉价格和活鸡价格,豆粕价格和疫情是滞后指标;除个别样本点外,BP神经网络模型输出的生猪价格预警值和实际价格数据比较接近,生猪价格波动风险预警模型具有良好的预警效果.根据不同级别的风险程度提出相应对策建议,以便政府能够根据不同警情采取具有针对性的措施,使生猪生产、市场平稳健康发展.     

基于BP神经网络模型的公司财务危机预警实证研究

以公司为研究对象,选取2005年被ST公司和配对的正常公司各34家作为训练样本,2006年被ST的公司和配对的正常公司各31家作为检验样本,构建了公司发生财务危机前第三年的BP神经网络预警模型,实证研究结果表明,神经网络预警模型是一种有效的财务危机预警模型,有广泛的使用范围和较高的推广价值。     

基于BP神经网络的商业银行信用风险预警

运用BP神经网络模型对商业银行的信用风险进行预警。根据人工神经网络(ANN)理论,建立了商业银行信用风险的预警指标,并给出了归一化方法的处理。经过实例的验证,结果表明该方法具有客观性、非线性处理能力强以及误差小等特点,可以为商业银行信用风险的监测预警提供更为科学可靠的理论依据。     

基于BP神经网络的商业银行信用风险预警

运用BP神经网络模型对商业银行的信用风险进行预警.根据人工神经网络(ANN)理论,建立了商业银行信用风险的预警指标,并给出了归一化方法的处理.经过实例的验证,结果表明该方法具有客观性、非线性处理能力强以及误差小等特点,可以为商业银行信用风险的监测预警提供更为科学可靠的理论依据.     

基于BP神经网络的商业银行流动性风险预警

流动性风险是商业银行的重要风险。对流动性风险进行预警,可以控制其发生,减少流动风险损失。BP神经网络是一种平行分散处理模式,具有较好的模式识别能力和学习能力,可随时依据新准备的数据资料进行自我学习、训练,以应对多变的经济环境,它可作为商业银行风险预警的重要工具。     

基于BP神经网络的中小企业板上市公司财务危机预警模型构建

本文从智能理论角度,选取了2006年—2010年66家中小企业板上市公司作为样本,构建了一个针对中小企业板上市公司的财务危机预警模型。本文利用因子分析法对初选的17个财务指标进行了优化,得到5个预警因子作为输入变量,构建的BP神经网络财务危机预警模型。     

基于BP神经网络的我国制造业上市公司财务危机预警

数据挖掘技术能够使人们从大量多变的数据库中发掘有用的信息,是一种知识发现的过程,高度自动化地分析数据,做出归纳性的推理,从中挖掘出潜在的模式。本文运用基于神经网络模型的数据挖掘技术,利用我国沪深两市制造业上市公司的数据,构建财务危机的预警模型,以期供投资者参考。     

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。     

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。     

基于BP神经网络的企业物流服务外包风险预警系统

从管理风险、信息风险、信用及财务风险、市场风险这几个方面构建企业物流外包风险预警指标体系;依据BP神经网络原理,建立用于评估企业物流外包风险水平的BP神经网络风险预警系统,并结合算例进行仿真模拟,证明该模型具有良好的预警精度。     

主权债务危机早期预警系统研究——基于BP神经网络方法

文章运用BP神经网络方法,构建了主权债务危机早期预警系统。通过对1991-2006年54个发展中国家宏观经济及债务状况数据的实证研究发现,该系统能对未来三年内出现的主权债务危机事件起到较好的预警作用,预警总体效果达86.7%。同时,与二元Logistic模型进行预测对比,发现运用人工神经网络方法对主权债务危机进行预警比二元Logistic方法具有相对优势。     

基于BP神经网络和声达时间差的声源定位算法

提出了利用神经网络进行声源定位的方法,该方法是在基于声达时间差(TDOA)的定位系统基础上提出的.概括了利用传声器阵列进行声源定位的几种方法,详细给出了BP神经网络算法原理.利用MATLAB仿真工具和BP神经网络对输入样本进行仿真训练,距离误差可以保持在0.5 m内,方位角误差在0.2°内.最后在声达时间差估计不准的情况下根据仿真结果对发令枪声进行了实例检测,证明定位效果仍可以满足要求.     

基于BP神经网络的风险投资退出模式研究

风险投资的退出方式受多种因素的影响,选用何种退出方式退出成了难点.IPO对于风险企业来说,可以保持风险企业的独立性还可获得在证券市场上持续融资的渠道.对于风险投资家而言可获得高额的投资回报,因此,IPO被认为是最佳的退出方式.虽然并购收益比不上IPO,但资金能很快从风险企业中退出进行新的投资.因此,并购也是风险投资退出的重要方式.通过建立风险投资退出方式的指标评价体系,并应用BP神经网络求解模型,对风险投资退出方式的综合评价结果说明,分值越高,评价指标上综合表现越佳,应优先选用IPO退出.分值越低,指标上综合表现欠缺,应优先选用清算退出.     

改进BP神经网络在企业网络营销绩效评价中的应用

在研究网络营销本质及其绩效特征的基础上,建立企业网络营销绩效评价指标体系并采用BP神经网络建立评价模型。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢的缺点,通过采用LM算法和学习速率的自适应调整来建立新型的BP神经网络,利用模糊综合评价法生成训练样本。该评价模型有效地利用了BP神经网络的优点,避免了评价过程的人为失误。仿真试验表明,该模型取得了较好的效果。     

基于BP神经网络的老工业基地企业核心竞争力的综合评价

我国对老工业基地进行调整和改造,作为老工业基地主体的企业,有必要了解自己和其他同行企业的核心竞争力水平和状况。为此,运用AHP法构建了老工业基地企业核心竞争力评价指标的递阶层次结构,应用BP神经网络理论对老工业基地企业核心竞争力进行综合评价。实证研究表明,评价结果与实际基本相符合,从而提供了一条对老工业基地企业核心竞争力进行定量评价的途径。     

基于BP神经网络的直扩信号扩频码盲识别

针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方扩频序列的前提下 ,提出了一种恢复直接序列扩频（DSSS）信号扩频码的方法。该方法基于反向传播（B P）神经网络,它的输入是接收到的信号,而其期望输出是和输入相同的信号,根据误差反 向传播来有监督地调节神经网络,网络达到收敛时根据第二层权值的符号函数值即可盲估计 出扩频码序列。实验结果表明,即使是在负信噪比情况下,该方法也能得到一个很好的估计 效果。     

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题,提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先,基于面向关系的深度嵌入(Relation-Oriented Deep Embedding,RODE)框架构建了异构网络嵌入模型,以区分同型节点和异型节点之间的关系;其次,将同型节点与异类节点之间的相似性近似到低维空间,通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入;最后,选取四个数据集执行典型网络挖掘任务,并与其他六种算法进行实验对比分析。实验结果表明,保持相同类型节点之间的相似性有助于提高节点分类效率,且损失函数在提高异构网络嵌入质量方面具有良好的优越性;RODE模型能够有效提高稀疏网络的嵌入质量,且具有良好的稳定性和鲁棒性。     

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法。针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例。实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度。     

企业知识资本对企业绩效影响的BP网络模型研究

在实际企业系统中,企业知识资本对企业绩效的影响关系可能是非线性的、复杂的。为了探讨知识资本对企业绩效的影响,设计企业知识资本对企业绩效影响的BP神经网络模型,包括网络结构设计、网络学习与泛化能力检验和网络应用等内容。