北京市技能型人才发展状况与趋势研究

北京在经济发展过程中需要相当数量的技能型人才。本文对北京技能型人才的发展状况及趋势做了区域的对比研究。结果表明北京技能型人才的数量和结构与城市发展的需求相比都还有一定距离。技能型人才占从业者的比例为21％,低于发达国家70％的水平;技能型人才的高：中：初级的比例（21：24：55）与发达国家（35：50：15）有差距,各行业高技能人才的含量也大不相同,金融行业尤其低。从技能型人才的发展趋势来看,呈现出明显的增长态势,但是高技能型人才增长非常缓慢。文章还分析了技能型人才的培养中,中职教育、职业技能培训这两种渠道的基本状况。     

基于BP神经网络的风险投资退出模式研究

风险投资的退出方式受多种因素的影响,选用何种退出方式退出成了难点.IPO对于风险企业来说,可以保持风险企业的独立性还可获得在证券市场上持续融资的渠道.对于风险投资家而言可获得高额的投资回报,因此,IPO被认为是最佳的退出方式.虽然并购收益比不上IPO,但资金能很快从风险企业中退出进行新的投资.因此,并购也是风险投资退出的重要方式.通过建立风险投资退出方式的指标评价体系,并应用BP神经网络求解模型,对风险投资退出方式的综合评价结果说明,分值越高,评价指标上综合表现越佳,应优先选用IPO退出.分值越低,指标上综合表现欠缺,应优先选用清算退出.     

改进BP神经网络在企业网络营销绩效评价中的应用

在研究网络营销本质及其绩效特征的基础上,建立企业网络营销绩效评价指标体系并采用BP神经网络建立评价模型。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢的缺点,通过采用LM算法和学习速率的自适应调整来建立新型的BP神经网络,利用模糊综合评价法生成训练样本。该评价模型有效地利用了BP神经网络的优点,避免了评价过程的人为失误。仿真试验表明,该模型取得了较好的效果。     

基于DEA和BP神经网络的企业科技成果转化综合评价及实证分析

构建了企业科技成果转化综合评价指标体系,将数据包络分析（DEA）与BP神经网络两种评价方法有机结合,建立了DEA-BP神经网络综合评价模型,利用该模型对1998年至2009年间上海市规模以上企业的相关数据进行了实证分析,验证了本文所构建的评价模型具有较高的精确度和预测能力,并根据评价结果,提出了上海市促进科技成果转化的一系列建议。     

基于BP神经网络的企业技术创新绩效评价模型构建——以福建45家高新技术企业为例

对企业技术创新绩效进行评价有助于查找技术创新过程的薄弱环节,制定更加有效的技术创新决策。本文从技术创新研发、技术创新管理、技术创新商业三个阶段来构建评价指标体系,利用福建45家高新技术企业的调查数据,建立了基于BP神经网络的技术创新绩效评价模型。     

基于BP神经网络的征地区片综合地价评估

文章提出了征地区片综合地价的BP神经网络系统的基本构造,并在充分考虑城市规划和生活水平对征地区片土地价格影响的基础上,对神经网络的评估系统进行了设计.给出了征地区片综合地价评估的指标体系及特征指标的量化计算公式.以雅安市雨城区最新的征地区片综合地价为基础,利用改进的BP神经网络模型对它们进行了训练和模拟,取得了良好的模拟结果,证明了ANN法用来测算征地区片综合地价的可行性和先进性.     

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。     

基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。     

基于BP模型的海关运作对IT加工贸易领域供应链核心竞争力的影响分析

运用BP神经网络模型定量地分析了中国海关运作对IT加工贸易领域供应链核心竞争力的影响，为海关在这一领域的改革提供了理论依据。     

电力企业信息安全风险评估模型研究

以信息安全管理标准ISO17799的规定为基础构建了电力企业信息安全风险评估指标体系,运用熵权法确定评价指标权重,并以此作为BP神经网络输入的初始权重,提出了BP神经网络信息安全风险评估模型,仿真结果显示,评价结果是令人满意的。