我国上市公司信用风险预警研究

本文以我国上市公司作为研究样本,构建基于组合预测模型的我国商业银行信用风险管理预警系统。在结合目前国内外各商业银行信用风险预警指标体系的基础上,筛选构建较为合理并适合我国国情的信用风险预警指标体系;进而选择传统数理统计模型Logistic回归模型和人工智能模型RBF神经网络模型建立组合预测预警模型,以求能够组合不同单一模型的优点,解决信用风险预警模型的准确性和稳定性兼顾的问题,仿真结果表明:组合预测模型解决了单一模型应用中精确性和第二类问题处理能力不能同时兼得的问题,达到了预期的效果。     

基于BP神经网络的企业资源规划(ERP)应用绩效评价

以平衡计分卡理论为基础,建立企业ERP应用绩效评价指标体系.将BP神经网络应用于绩效评价中,以江苏某城市20家企业ERP应用数据作为BP神经网络的训练样本,用训练好的BP神经网络评价企业ERP应用的绩效,实证分析结果令人满意.     

基于数据挖掘的客户忠诚度的预测与实现

客户忠诚度对企业效益有巨大的影响。本文在构建客户行为评价指标的基础上,采用神经网络算法,对客户忠诚度进行了分析和评价,并实现了客户忠诚度评价和预测的完整数据挖掘流程。     

基于BP神经网络的茶叶物流金融模式仿真优化

针对茶叶物流金融运作模式选择中的复杂性以及传统优化方法的局限性,将BP神经网络理论和仿真方法引入茶叶物流金融模式优化,考虑样本数量不足的实际问题,采用B样条函数插值方法扩充数据量,构建BP神经网络模型并加以训练。结果表明:BP神经网络具有精度较高的智能学习能力,适合于茶叶物流金融模式选择优化。     

基于GNNM(1.1)模型的货运量及货运周转量预测

通过各种算法对货运指标进行有效预测,对于把握未来货运发展趋势有着非常重要的作用。文章将灰色预测与神经网络预测方法进行了有机结合,建立了一个基于灰色神经网络的预测(GNNM)模型。通过模型对货运量及货运周转量进行了预测,得到了较满意的结果,表明了模型具有较高的可靠性及实用性。     

基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

一种算法改进的模糊神经网络及其性能分析

将T-S模糊模型与前馈神经网络相融合构造了一种新型的模糊神经网络,该模型采用基于梯度下降法和算法相结合的混合学习方法,其中梯度下降法用来训练高斯型隶属度函数的非线性参数,而算法用来训练线性参数,即权值。从理论上,证明了该模型对非线性函数的万能逼近能力。仿真实验表明,该模糊神经网络用于非线性动态系统辨识的有效性。     

基于BP神经网络方法的城市土地生态安全评价——以广州市为例

选取18个指标构建城市土地生态安全评价指标体系,运用BP神经网络方法评价城市土地生态安全。研究结果:2006年及2007年广州市土地生态安全等级为Ⅲ,2008年安全等级为Ⅳ。研究结论:BP神经网络通过对历史数据的学习,能够实现城市土地生态安全评价,对探索城市土地生态安全评价方法具有重要意义。     

一种基于支持向量机的带钢表面缺陷识别方法

鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM）,利用交叉验证进行了参数和模型的选取,对冷轧带钢中几种现场易出现的缺陷进行分类,并与BP神经网络进行比较分析。实验结果表明,这类基于SVM的算法识别效率较高,较好地解决了小样本学习问题,避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点,可有效地应用于带铜表面缺陷检测。     

高速铁路综合检测数据分析关键技术研究

自京津城际铁路开通运营以来,我国铁路采用综合检测列车进行基础设施安全检测。自主研制的高速综合检测列车采用先进的检测手段,具有轨道、接触网、通信、信号、轮轨动力学等测试功能。基于多体动力学仿真、神经网络分析、双指数函数方法,提出的仿真模型、轮轨力预测方法、轨道状态变化规律,经试验验证结果正确,为建立和完善我国高速铁路综合检测数据分析专家系统打下了基础。