基于改进的樽海鞘算法优化BP神经网络参数的分类识别方法

针对BP神经网络容易陷入局部最优解从而无法收敛到全局最优解,以及收敛速率过慢的现象,本文采用一种改进的樽海鞘算法寻找BP神经网络的权重和阈值这两个参数的最优参数。之后采用BCI 2003运动想象数据集进行分类识别测试,并且分别利用樽海鞘算法、粒子群优化算法、差分进化算法、权重自适应樽海鞘算法、疯狂自适应樽海鞘算法对BP神经网络进行参数优化作对比研究,结果显示,采用改进的樽海鞘算法优化BP神经网络参数的模型比其他模型得到的平均分类准确率要高。     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

基于神经网络融合技术的BP算法研究

BP神经网络方法数据可并行处理,该方法处理信息能力强,自身具有学习、联想和记忆的能力,避免了传统方法的局限性与专家评价的主观随意性,以及由于数据来源的单一导致的评价模型与评价对象之间不客观的简化;但它也存在网络的训练时间过长、易陷入局部极小值、完全不能训练等缺点。本文提出的神经网络融合技术算法是利用主成分分析法、粒子群算法与BP算法相融合,克服了BP算法的训练时间长、易陷入局部极小值的缺点,并在模型的确定和收敛性上给出了理论证明。     

P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法

P2P网贷在爆发式增长的同时,也面临着重大的信用风险,个人信用评估是降低信用风险的重要方法。根据P2P网贷自身的特点,对影响P2P网贷借款人信用风险的因素进行分析,引入互联网信息领域特有的风险因素,建立了P2P网贷个人信用风险评估指标体系。基于该指标体系,考虑P2P网贷中"软信息"较多、"硬信息"缺失的特点,提出了基于BP神经网络的信用评估模型。为了提高BP神经网络的收敛速度和精度,将改进的果蝇优化算法作为BP神经网络的学习算法,对神经网络的权重进行训练。通过"人人贷"平台收集的样本数据进行实验验证。结果表明:改进果蝇神经网络评估模型比传统BP神经网络模型有更强的学习能力和预测能力,是P2P网贷个人信用风险评估的有效方法。     

粒子群优化神经网络在财务困境分析中的应用

目前BP神经网络已经成功用于公司财务分析与预测,但神经网络采用了传统梯度下降探索法致使BP神经网络存在着收敛速度慢,易陷入局部最优等缺陷,对应用效果造成了不良影响.本文提出通过改进粒子群全局搜索算法对BP网络进行训练.既保留了神经网络原有的优点,又克服了传统训练方法的缺陷.实证表明,该方法预测结果优于传统神经网络模型.     

基于GMDH方法和BP神经网络的经济预警模型

文章应用GMDH方法来确定BP神经网络的输入指标,对传统的BP算法进行了改进,使得输入指标的选择能自动实现,减少了人为因素的干预。用改进后的BP神经网络对四川省的工业经济状况进行了评价,计算结果表明,训练后的神经网络模型能准确对经济状况进行评价分类,从而实现对经济的预警。     

BP神经网络在运输企业经济效益评价中的应用

本文选取50家运输企业作为样本,采用主成分分析法对常用的财务指标进行降维,消除指标间的共线性,筛选出具有代表性的指标,构建评价指标体系。采用BP神经网络训练,对企业经济效益进行综合评价分析并得出各指标对综合评价的权重影响。     

基于神经网络模型的上市公司财务风险预警研究——来自山东省制造业数据

本文以山东省67家在沪深主板上市的制造业公司作为研究对象，选取各公司2009--2011年的数据，构建包含财务指标和非财务指标的指标体系，运用因子分析和BP神经网络模型对样本数据进行训练、测试。研究表明：BP神经网络预测结果的综合正确率符合设计标准，可以为山东省制造业上市公司提供较为准确的预警信息；BP神经网络具备自我学习、训练、调整的能力，可以科学地分析数据，使评价结果科学、准确。     

战略性新兴产业上市公司财务风险智能预警研究

本文以中国战略性新兴产业上市公司为研究对象,运用主成分分析(PCA)方法提取出对财务风险具有显著影响的特征指标,以此作为输入变量将粒子群算法(PSO)、遗传算法(GA)、网格搜索法(GS)分别与支持向量机(SVM)相结合构建财务风险预警模型,进而以样本集分类准确率和第一、二类错误率为标准对模型的可靠性进行对比研究。实证结果表明,PCA-PSO-SVM模型具有最为优越的学习能力与泛化推广能力,能够最为准确地预测财务风险,从而为我国监管机构和企业管理层提供可操作性的应用工具与方法。     

基于BP神经网络的房地产项目前期风险评价研究

本文从开发商的角度,在分析房地产项目前期风险因素的基础上,构建其指标体系,建立基于BP神经网络的风险评价模型,然后选取若干组样本作为训练集在MATLAB7.0环境中对模型进行训练,最后用测试集验证模型在房地产项目前期风险评价方面的可行性。     

基于PSO的物流节点选址模型研究

针对物流节点选址问题,提出以运输费用、仓储费用、装卸费用、滚轴费用、节点建设固定费用等费用最小为目标建立数学模型,运用粒子群算法(PSO)对目标函数进行求解.在算法中引入惯性权重,用改进的粒子群算法对数学模型进行求解,运用惯性权重调解公式使之随迭代次数线性减小,能使算法具有较好的收敛性.最后,以M企业实际数据进行运算.算例表明,改进的PSO有效地找到最优解,使总物流费用最小,目标函数收敛过程表明其收敛性良好.     

我国长三角制造业上市公司财务预警实证研究

文章设计了适合长三角制造业的引入"技术创新指标"和"人力资本指标"的"新型化"预警指标体系,通过T检验和主成分分析法筛选出显著性指标,并建立BP神经网络预警模型。     

上市公司信用风险分类准确度比较分析

信用风险管理一直是风险管理的重要组成部分,金融危机的爆发更是显示出信用风险管理和信用风险分类的重要性。本文介绍了不同信用风险分析方法,选取2005-2007年部分被进行特别处理的118家ST公司和126家非ST公司,以其财务指标为样本,进行Logistic回归和BP神经网络分类,对这两种信用风险评判模型在中国市场做了实证研究。结果发现:两种模型均适用于中国上市公司两模式分类(ST和非ST公司),而BP神经网络在中国市场上并未体现其分类的优势,分类准确度和Logistic相当。     

BP人工神经网络主成分分析预测模型及应用

本文提出了用主成分分析方法进行输入变量预处理的办法,以解决BP人工神经网络模拟预测复杂经济系统时输入变量过多导致效率下降的问题,实例证明,BP神经网络主成分分析模型在复杂经济系统模拟预测中比通常的BP神经网络模型有较好的效果。     

基于GABP神经网络的供应链合作伙伴评价方法

利用遗传算法对BP神经网络的权重和阈值进行寻优处理,得到GABP神经网络方法,以获得更快的收敛速度。利用网络训练实验论证确定BP神经网络的隐层节点数,使隐层节点数的确定更加科学合理。通过实例应用,验证了GABP神经网络方法在供应链合作伙伴评价中的有效性和优越性。     

基于BP神经网络的果品冷链物流预警模型研究

分析了我国果品冷链物流的现状,针对果品安全指标进行定性和定量分析,建立果品安全预警的BP神经网络模型,最后用MATLAB软件实现模型并进行训练,结果表明可实现果品安全指标的提前预警.     

自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确.     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确。