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。     

基于优化RBF神经网络的无线室内定位

针对径向基函数（Radial Basis Function,RBF）神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定,其定位效果不理想的问题,提出了一种用核主成分分析的模糊C均值聚类算法（Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM）和模拟退火自适应遗传算法（Simulated Annealing adaptive Genetic Algorithm,SAGA）优化RBF神经网络的无线室内定位算法。首先利用KPCA对原始训练数据样本进行数据预处理,再通过KPCA-FCM算法计算出最优聚类数目和聚类中心点;其次将聚类数目和聚类中心点作为隐含层神经元个数和中心值,创建RBF神经网络,并将其网络参数映射到SAGA算法中;再次由SAGA算法进行网络参数寻优,把最优的解映射回RBF神经网络;最后利用样本数据对RBF神经网络进行训练和测试,完成建立RBF神经网络算法模型。实验表明,在相同的环境中,所提算法比传统RBF神经网络定位精度提高了48.41%。     

一种基于神经网络的模拟电路故障诊断方法

提出了一种基于模拟电路故障诊断的神经网络方法。这种方法利用小波分解、数据标准化、主成分分析对输入数据进行预处理,采用k个神经元输出的前馈神经网络结构进行有效训练。该方法检测和识别故障准确率高,系统的鲁棒性和稳定性强。     

基于主成分分析法的区域经济资源位建模讨论

<正>一、使用主成分分析法计算各个区域的资源位本文的目的是建立经济系统的神经网络模型,因此需要实验数据对神经网络进行训练。这些数据是通过使用主成分分析法计算各个区域的资源位数据获得的。本文采用主成分分析法度量区域系统的资源位,资源位是系统经济学中提出的一个非常重要的概念,即在广义资源位空间中,能够被经济系统实际和潜在利用、占据或适应的部分称     

三种神经网络对上证指数预测的研究

对金融时间序列的预测在投资决策以及风险规避中具有重要的意义,其中的股票市场走势预测始终是金融市场预测领域的热点和难点。本文通过对BP神经网络、径向基神经网络和小波神经网络的预测效果进行比较,发现BP神经网络在上证指数预测中具有较高的准确性。     

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。     

基于增强型概率神经网络的安全态势要素获取

态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于同类算法，有较好的泛化能力。     

基于RBPNN的海峡西岸经济区港口分类

利用径向基概率神经网络(RBPNN)的统计方法对海西西岸经济区的港口进行规划,该方法结合了概率密度和Bayes最优原则,在分类应用上表现良好。RBPNN动态自学习能力对海峡西岸经济区的分类具有良好的泛化能力,对各港口未来的发展战略具有良好的指导意义。     

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。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

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.     

基于主成分分析-神经网络法的农村信贷用户信用评级研究

采用某农村信用社的516家贷款用户,基于主成分分析-神经网络法构建个人信用分类评估模型。该模型首先应用主成分分析法对初始指标进行降维,然后将简化后的训练样本送入BP神经网络进行学习和训练,进而对检验样本的风险级别进行判别。     

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。     

中国海外上市公司的PCA—SVM财务危机预警研究

在支持向量机（Support Vector Machine,SVM）方法的基础上融入主成分分析（Principal Component Analysis,PCA）方法,可构建PCA—SVM财务危机预警模型。以我国海外上市公司为研究对象,运用PCA提取出对财务危机具有显著影响的特征指标,进而通过训练集在不同核函数下对SVM进行训练,最后运用测试集对经过训练得到的SVM财务危机预警模型进行性能验证与评价。实证研究结果表明,PCA．SVM财务危机预警模型在线性、多项式、径向基和sigmoid四种核函数下都具有良好的预测能力,而径向基核函数下的PCA-SVM财务危机预警模型具有更加优越的学习能力与泛化推广能力。     

基于SOM神经网络模型的我国中小企业信用等级个数设计

研究了神经网络技术在中小企业信用风险评级中的应用,结合主成分分析法和SOM人工神经网络,分析比较了4种评级等级;实证结果表明,7个等级具有较优的分类效果。     

基于SOM神经网络模型的我国中小企业信用等级个数设计

研究了神经网络技术在中小企业信用风险评级中的应用,结合主成分分析法和SOM人工神经网络,分析比较了4种评级等级;实证结果表明,7个等级具有较优的分类效果.     

RBF神经网络在边坡稳定性分析中的应用

建立了露天矿岩质边坡稳定性分析评价的径向基函数(RBF)神经网络模型。实例检验结果表明,基于RBF神经网络建立的边坡稳定性分析模型是合理的、可靠的。将该模型应用于白云鄂博东矿边坡的稳定性分析中,取得了有益的结果,为该矿的安全生产提供了决策依据。     

基于BP神经网络模型的股票价格研究

本文将BP神经网络模型与主成分分析法和遗传算法相结合,建立了预测股票价格变化的动态PCA-GA-BP模型。该模型能改善BP神经网络模型运算速度缓慢和易陷入局部最小值的缺点,弥补传统股票价格预测方法的不足。     

基于责任不对等的电子政务系统外包开发风险评价

本文通过专家调查法确定责任不对等情况下,电子政务系统外包开发过程中多个风险因素的影响程度。运用主成分分析对收集到的数据进行预处理,并将处理结果作为BP神经网络的输入,构建BP神经网络风险评价模型,对政府、供应商双方责任不对等情况下的电子政务系统外包开发风险进行评价,并得出相关结论。     

基于改进主成分分析法的河南城镇化水平测度

本文基于城镇化的本质从人本发展、产业结构、基础建设三方面建立城镇化指标体系,针对目前主成分分析存在的数据标准化、主成分提取和权数确定中存在的问题,提出采用改进的主成分分析和德尔菲法相结合的方法测度城镇化水平,并以此为基础研究河南省各地级市的城镇化水平.