基于紧支撑径向基函数网络的税收预测模型研究

影响税收的主要因素是国内生产总值、职工工资总额、财政支出、政策因素;径向基函数神经网络的工作原理、应用及不足,用紧支撑函数代替高斯基函数作为激励函数来设计神经网络;用训练后的网络进行税务预测.     

基于紧支撑径向基函数网络的税收预测模型研究

影响税收的主要因素是国内生产总值、职工工资总额、财政支出、政策因素;径向基函数神经网络的工作原理、应用及不足,用紧支撑函数代替高斯基函数作为激励函数来设计神经网络;用训练后的网络进行税务预测。     

基于a-k-gn法的边坡稳定性分析

在边坡稳定性分析中,边坡安全系数受地质条件、地貌因数、水文气候、地震作用、风化作用等众多因素的影响,这给边坡评价带来了极大的困难.采用a-k-gn法预测边坡安全系数:用层次分析法对影响边坡稳定性的主要因素进行分析;用自组织竞争kohonen神经网络列-边坡样本进行归类;运用经过遗传算法优化的bp神经网络(遗传神经网络)方法,建立边坡安全系数隐函数关系式,从而预测边坡安全系数.用kohonen神经网络归类后的边坡数据为样本,用层次分析法选取了容重γ、粘聚力c、内摩擦角φ、边坡角α、边坡高度h和孔隙压力比γu作为边坡安全系数隐函数的随机变量输入单元,以边坡安全系数f作为输出单元.通过预测值与实际值的对比分析,验证了a-k-gn法预测边坡安全系数的合理}生.     

一种用于函数逼近的BP网络的设计

神经网络系统理论研究的重要意义已为许多科学家所承认,不少人把它看作未来智能计算机发展的一个主流方向．它的应用范围涉及到工程、计算机、物理、生物、经济、管理等科学领域．人们应用神经网络进行聚类分析、智能控制、模式识别和优化计算等等。但是许多问题的研究都要转化为用迭代的神经网络逼近函数问题的研究。本文主要基于神经网络的非线性逼近性质,来研究带一个隐层的前传神经网络对可积函数和连续函数的逼近能力问题。     

基于神经网络推理的GIS信息预测方法

在对神经网络推理机进行论述的基础上,文章分析了以高斯函数为激活函数的径向基函数神经网络方法推理模型,并探讨了基于径向基函数分析的河流水质预测方法。主要包括神经网络特性、神经网络推理方法、RBF知识推理算法及模型等内容。     

基于回归神经网络的雷达辐射源识别算法

本文在研究带偏差单元内部回归神经网络（Internally Recurrent Net，IRN）算法的基础上，分析了雷达特征参数和雷达威胁类型的内在联系；利用统计分析和特征建模的方法获取先验知识、设计分类器并求取模糊隶属函数，结合IRN自学习特性和模糊隶属函数的分类功能识别出目标雷达辐射源可能的威胁类型，给出识别可信度。     

云环境下基于BP神经网络的电子商务企业信任评估模型研究

针对云环境下电子商务企业信任评估模型的不足,从交易行为、网站、云环境等方面构建信任度评价指标体系,并充分考了虚假评价和恶意推荐带来的影响及信任度新近变化情况,建立了云环境下基于BP神经网络的电子商务企业信任评估模型。对云环境下数据的动态性、不确定性等特点,运用改进的BP神经网络技术,采用在隐含层的神经元设置可调多项式函数序列作为激活函数,提高网络的收敛速度,权重采用的是较小的随机数,没有复杂的人工计算过程,较好的克服了评估中的人为影响因素。     

改进的扩展互信息分离算法

扩展互信息分离算法采用单隐层神经网络近似算法代价函数中的非线性函数,可调节 的参数有限,需要多次迭代才能收敛,从而导致收敛速度较慢。针对这一问题, 采用双隐层神经网络近似非线性函数,以分离结果的互信息最小化作为代价函数,采用梯度 下降方法对代价函数进行优化,增加了可调节参数数量。仿真实验结果表明,改进后的算法 相对原算法收敛速度更快,误差更小。     

基于最速下降算法BP神经网络及应用探讨

BP神经网络广泛的应用函数逼近、模式识别、分类、数据压缩等领域。给出了BP神经网络的经典学习算法——最速下降算法,并证明了该算法具有收敛到极小值的特性。最后将基于最速下降算法的BP神经网络应用于入侵检测,取得了良好的效果。     

基于神经网络的循环流化床烟气脱硫工艺预测

本文利用BP神经网络实现了对某电厂循环流化床烟气脱硫工艺的预测。论文简单介绍了BP神经网络,并对数据进行了分析。之后以用MATLAB7.0利用BP神经网络实现了对该数据的训练,通过确定各个影响因素的权值来实现预测的目的。     

小生境遗传算法优化的神经网络在股票价格预测中的应用

股票价格是受多种不确定因素影响的非线性问题。文中将小生境遗传算法用于BP神经网络的训练过程,建立了相应的优化模型,即用它来优化神经网络的连接权。依据小生境遗传算法的神经网络,提出一种股票预测的新方法。实践表明:该方法具有预测精度高、误差小的优点,值得推广。     

关于磁流变阻尼器神经网络模型的设计分析

神经网络在控制领域受到重视主要归功于它的非线性映射能力、自学习适应能力、联想记忆能力、并行信息处理方式及其优良的容错性能。这些特．占、使得神经网络非常适合于复杂系统的建模和控制,特别是当系统存在不确定因素时,更体现了神经网络方法的优越性。考虑到建筑结构的不确定性和非线性,该文提出了基于神经网络的结构系统辨识方法,构造了具有一个隐含层的神经网络,用误差反向的传播算法训练,模拟了一个多层结构在地震作用下的动力响应特性。计算机仿真表明了该神经网络辨识结构的有效性。     

偏最小二乘神经网络在建筑造价预测中的应用

偏最小二乘回归方法在提取主成分方面具有很好的解释性,而且可以避免因素之间的多重相关性,提取的成分作为输入变量再用神经网络进行预测仿真,影响因素考虑周全,不用计算工程量,计算速度快,克服了普通神经网络运算量大,样本有限情况下易出现问题的弊端。     

神经网络在函数模拟中的应用

bp算法现在已成为目前应用最广泛的神经网络学习算法,它在函数模拟、模式识别和数据压缩等领域有着更加广泛的应用.神经网络已被广泛的应用到模式识别、信号处理、专家系统、组合优化和自动控制等领域.     

基于人工神经网络蔬菜价格预测

蔬菜价格价格受各种不确定的因素影响,价格具有严重的非线性、随机性和高噪音,导致了预测的难度.因此,运用神经网络具有自适应、自学习和高度容错性的特点,建立起以L-M为训练函数的反向传播算法的人工神经网络模型来预测蔬菜的价格,最后通过算例验证,表明该方法有效.     

基于支持向量机的区域物流需求预测研究

基于支持向量机的区域物流需求预测是在追求更高的预测精度下提出的,首先选取非线性回归方法筛选影响区域物流需求的主要因子,然后用支持向量机模型对原始数据进行处理,并通过"影响区域物流需求因素"求解最优化的支持向量机核函数,最后构建影响区域物流需求的影响因子的非线性数据模型。结论表明,支持向量机模型相对多元线性回归、BP神经网络等,提高了区域物流需求的精确度,在之后的区域需求预测中将会有更加广泛的应用。     

中国大陆赴香港旅游预测模型

旅游人数预测是旅游业经济分析和发展战略规划中的关键问题。本研究选择适当的方法建立中国大陆到香港旅游预测模型，为制定香港旅游战略规划提供决策依据。首先建立包括六个因素预测理论模型，然后用神经网络、移动平均、时间序列平滑模型和多元回归方法建立旅游定量预测模型，结果显示神经网络模型优于其他三种模型。     

BP网络与RBFNN网络比较研究

首先介绍了误差回传神经网络(BPNN)和径向基函数神经网络(RBFNN)的知识学习过程,并且对各自的原理进行了简单的分析,最后在各自的功能上进行了比较。     

基于BP神经网络的中国制造业生产率预测模型——交叉学科在生产物流领域的应用研究

BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。因此采用三层BP网络实现制造业工业增加值、制造业全社会固定资产投资和工资向全要素生产率的转换,借助MATLAB神经网络工具箱编写了训练程序、测试程序、预测程序,最终神经网络隐层含有13个节点,传递函数采用tansig函数;输出层传递函数选用purelin函数,得到的训练误差为8.44272×10-6,结果满意,可以认为该神经网络可以用来实现这个关系映射,并对2007年全要素生产率进行了预测。     

基于BP神经网络的股市分析

神经网络领域已经有50年历史了,但是实际应用却在最近15年里,特别是近几年来,神经网络已经成为热点研究领域,已经在各个领域中应用,以实现各种复杂的功能。这些领域包括:模式识别、鉴定、函数拟合、分类、语音、翻译和控制系统。股票市场是一个非线性的系统,本文基于BP神经网络,以1998年～2008年的上证股市大盘增幅数据作为训练,对以后的一年多数据进行验证,以证实神经网络对股市的预测。