美国算法治理分析及思考

在算法风险现实发生和算法治理进入全球化时代的背景下,美国构建了以政府、企业行业、研究院所/机构为参与主体的多元共治模式,采用基于风险的重点领域治理、公共和私营部门兼治、打造算法治理逻辑闭环的治理策略,形成了以算法影响评估、算法披露、算法问责为框架的治理制度。美国算法治理经验,可为我国在算法治理模式完善、治理策略选择和治理制度构建方面提供有益的思考。     

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。     

证券公司算法交易系统建设概述

近年来,国内对算法交易的理论研究已是汗牛充栋,并且有部分证券、基金公司已经开发了自己的算法交易系统,推出了一些根据中国证券市场实际情况进行优化后的经典算法交易策略,     

改进BP算法在旋转机械故障诊断中的应用

针对BP算法在神经网络诊断中表现出来的学习收敛速度慢、易于陷入局部最小点等局限性，用改进BP算法一有弹回的BP算法，对转子试验台模拟几种常见的故障进行诊断研究，从中得出结论：将代表故障的信息输入训练好的神经网络后，由输出的结果，便可以判断发生故障的类型。此外，有弹回的BP算法大大地提高了网络收敛速度和稳定性，更能满足实时在线诊断的要求。     

用神经网络对开式冷挤压极限变形程度的预测

给出了基于 BP网络的极限变形程度预测的分析方法 ,得到了开式冷挤压εmax神经网络计算结果 ,与实验结果比较 ,其精度较高 ,证明了神经网络模型在开式冷挤压工艺中应用的可行性。     

基于模糊多属性群决策的维护方式选择研究

维护方式选择是维护管理中的重要工作之一,合理的维护方式既能达到保障设备的稳定运行,又能同时兼顾其它各个方面的要求.由于对维护方式的评价涉及多个部门、人员和属性,有些指标只是一个模糊的概念,因而采用模糊多属性群决策的方法对维护方式进行优先抉择.本文结合A公司的设备维护方式选择问题,尝试使用模糊多属性群决策折衷算法求解最佳...     

基于社群挖掘及决策树模型的欺诈团伙检测

当前,团伙欺诈模式越来越普遍,不同场景、不同业务对应的欺诈行为也越来越多。根据实际业务场景,基于套现欺诈用户更易和套现欺诈商户有所关联,形成聚集效应的团伙欺诈假设,通过构建商户—用户交易行为二分图,建立模型评估指标体系,对比不同社群挖掘算法fastgreedy算法、infomap算法、walktrap算法效果,最终在满足运行速度最快的基础上,用fastgreedy算法挖掘出社群最具区分度。针对挖掘出的社区,通过构建社区相关特征变量以及用户商户特征变量,设定好、坏社群标签,使用机器学习中的决策树模型,将社区结果进行分级,找出最坏的社群聚集群体。     

基于动态WSN中分簇脉冲耦合时间同步开销研究

动态无线传感器网络（Wireless Sensor Network,WSN）在时间同步收敛速度最快情况下,为减轻网络负担、通信开销,提高时间同步速度,使同步具有针对性和方向性。文章根据MPCOs模型得到参数最优情况下,再利用分簇算法将网络分成若干份,最后根据移动式脉冲耦合振荡实现动态WSN时间同步。通过仿真验证C-MPCOs算法明显比MPCOs同步周期缩短了1.670 9 s。     

基于层次聚类推理的在线品牌诊断研究及其服装系统实现

本文从服装品牌在线评估与诊断的实际需要出发,研究了面向服装品牌的在线诊断评价体系,给出了在线品牌诊断模型,提出案例推理与规则推理相结合的一种层次聚类推理方法,并根据品牌诊断流程和映射算法设计了品牌诊断推理机制,给出了一个服装在线品牌诊断系统的实现。