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。     

基于灰色神经网络融合算法的油料消耗量预测研究

后方油库油料消耗量指的是在油料供应过程中．以调拨、转供或代供的形式从本油库发出的油料数量,消耗量的科学预测是油料供应管理过程中重要的一环。本文通过对灰色RBF神经网络的研究,建立了基于灰色神经网络融合算法的油料消耗预测模型。并利用实例验证了模型的实用性。     

基于DEA和BP神经网络的城市物流能力评价研究

本文提出DEA和BP神经网络组合模型的新方法和建立了城市物流能力识别的指标体系,对12个城市物流能力进行评价与分析,并探讨了不同规模收益情况下,各个城市应该如何决策应对改善现有情况,为各城市物流发展提供了决策依据而且为评价其他城市的物流能力提供了简便的方法。     

BP神经网络算法的改进及在人侵检测中的应用

BP算法是神经网络众多算法中应用最为广泛的一种,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用。针对BP算法的缺陷,提出了几点改进措施。     

央行和商业银行视角下存款准备金率的实证分析

本文分别从央行货币政策调控目标和商业银行对存款准备金率容忍度的视角出发,利用参数法和神经网络模型对存款准备金率进行实证分析。研究发现,央行近年来多次上调存款准备金率主要是为了对抗通货膨胀以及回收货币流动性。在不考虑银行容忍度下,参数模型给出的目标存款准备金率为23%,而在考虑了存款准备金率对银行的负面影响后,根据神经网络模型得出2011年上半年合理的存款准备金率应为21.34%,与当前21.5%的实际存款准备金率相符。说明央行在货币调控时考虑到了银行的容忍度,是符合宏观审慎性原则的。而模型的敏感性分析表明,未来存款准备金率仍旧存在上调的区间与上调的可能性。