基于FCM的多Agent协调模型在物流管理中的应用

运用认知科学的方法探讨物流管理系统具有一定的科学意义,也具有重要的应用前景。本文简介了模糊认知图和C型神经网络,建立了物流管理系统的一个智能协作系统结构,通过多Agent间的合作和协调使对物流系统的认知更加完整,为物流管理决策提供更科学的方法。     

基于神经网络的企业财务困境预警研究

本文首先论述了神经网络的结构和学习原理，接着在阐述基于神经网络的财务困境预警方法的基础上。构建了基于神经网络的企业财务困境预警模型，最后，对模型的有效性进行了检验。实验结果表明，该方法应用于财务困境预警中是有效的，不仅能发现企业是否存在风险以及企业是否会陷入财务困境，向经营者提出警示．以便及时采取相应管理对策，而且还为广大的投资者和包括银行在内的债权人判定上市公司质量和经营业绩提供科学的手段和可靠的依据，该方法具有预测精度高，学习和泛化能力强，适应性广等优点，为财务困境的动态预警提供了新的研究思路和方法．     

优化算法在城市给水管网优化布置中的应用

本文在阐述城市给水管网特点的基础上,分析了给水管网优化布置的必要性,同时给出了相应的优化数学模型,最后通过一工程实例,对最优布置进行了有效的识别,为城市给水管网设计提供了一定的参考。     

“小巧手”自动收纳机器人抓取分析及评测

“小巧手”自动收纳机器人搭建在Jetson TX2主板的嵌入式平台下,在传统的机械手中安装双目摄像机,通过视觉系统架构设计实现目标抓取。双目摄像机对空间布局进行扫描,视觉检测系统平台和线结构光扫描测量平台在像素坐标系、图像坐标系、摄像机坐标系、世界坐标系等特有坐标系下完成路径规划。立足卷积神经网络（CNN）进行视觉分类,基于SSD模型进行训练、校验和部署,实现CNN框架下的物体识别。开展系统电路及机构设计,机构底盘搭载了防跌落、红外测距等多种传感器,通过爪力感知系统对抓取物体操作进行抓取力的调节,最后将物体放置于指定地点完成收纳。     

基于深度学习的智能教育系统研究与设计

深度学习是一个非常先进的模式识别算法,其可以从海量的数据中挖掘潜在的有价值的知识,为人们科学决策提供支撑。智能教育系统作为一个在线学习平台,通过多年的积累和运行,已经存储海量的数据资源,因此引入深度学习技术,充分利用这些运行资源,提高“互联网+教育”的智能化、自动化,实现教育的差异化和个性化,具有重要的作用和意义。     

成都市臭氧生成对气象因素的敏感性分析

气象因子对臭氧生成的大气化学过程具有显著影响。为探究影响成都市臭氧生成的主要气象因子序列,本研究利用2016—2019年四川省环境空气质量综合监测站的臭氧浓度数据及同期同站点气象监测数据,构建BP神经网络臭氧预测模型,并基于Sobol法分析成都市臭氧浓度对各气象因素的敏感性。结果显示,BP神经网络模型可以较好地反映臭氧浓度变化趋势。根据一阶敏感性指数分析结果,各气象因子对成都市臭氧浓度的影响大小排序为太阳辐射强度(0.220 3)>温度(0.218 7)>混合层高度(0.068 2)>相对湿度(0.037 3),气压(0.005 8)和风速(0.000 8)的单独作用对臭氧的影响极小。根据二阶敏感性指数分析结果,臭氧浓度对温度、太阳辐射强度和混合层高度的相互作用较为敏感,其中,臭氧对温度和太阳辐射的相互作用最为敏感(0.020 9),对温度和混合层高度的相互作用(0.015 5)、太阳辐射和混合层高度的相互作用(0.012 3)次之。总敏感性指数分析结果表明,各气象因子对臭氧的敏感程度排序为太阳辐射(0.616 9)>温度(0.560 7)>混合层高度(0...     

基于神经网络对购买力平价理论的实证研究及其政策含义北大核心

本文首先介绍了现有关于购买力平价的实证研究,并提出购买力平价之所以不为现有的实证所支持很可能是其所采用的实证工具有缺陷。然后本文以自然科学中的神经网络为实证工具,对购买力平价理论进行了实证研究,得出在长期购买力平价理论为实践所支持的结论。最后,以此结论为基础,提出追求实际汇率稳定的国家应该采用浮动汇率制与钉住通货膨胀货币制度的政策组合,同时这一政策组合与当前世界经济发展的总体要求也是相适应的。     

基于BPNN-AdaBoost的隧道交通事故数预测研究

为了对高速公路隧道网进行综合全面的分析,预测交通安全的变化趋势,从而为评价区域交通安全形势题提供依据,本文基于BPNNAdaBoost组合模型对山西省高速公路隧道交通事故数进行了预测。设计了BPNN-AdaBoost的模型为预测不同隧道在不同年份的事故数,所用输入变量包括所在隧道的线形因素、交通因素以及往年历史事故信息等信息。模型的测试结果表明,BPNN-AdaBoost组合模型取得了较好的预测精度。本文还将BPNN-AdaBoost模型的预测精度与不经改进的BP神经网络进行了对比。结果表明,对于MAE、RMSE以及两起误差范围内的准确率3个指标,BPNN-AdaBoost模型均优于BP神经网络,说明BPNN-AdaBoost模型能很好地应用于事故预测中。     

物流成本预测方法研究

物流成本可以反映国家地区和企业的物流运行的规模、效率、结构等重要信息,通过预测物流成本不仅可以为相关政府部门了解物流成本的变化趋势,制定物流政策提供一定时期的依据,还对企业的物流成本控制起到一定作用,为国家地区和企业的发展具有重要意义,因此预测方法的选择也须重视.本文从传统的物流成本预测方法出发,对其做了简单介绍,并总结归纳了三种新的物流成本预测方法,通过分析比较各种方法,提出了各种方法的优缺点,以期对未来社会和企业物流成本的预测提供一定的参考价值和理论意义.     

区域性金融风险早期预警体系研究——以安徽省为例

2008年国际金融危机爆发以来,世界各国应对金融危机的经验表明,构建金融体系风险预警机制是必要且可行的。本文通过借鉴国内外关于建立金融风险预警指标体系的既有研究成果,综合运用模糊聚类分析、BP神经网络建模等,提出符合中国特色的区域金融风险预警体系框架,在此基础上对安徽省区域金融风险状况进行预测分析并提出相关建议。