基于BP神经网络的物流量预测方法研究

人工神经网络作为重要的综合评价方法,能够解决众多非线性问题,把它运用到地区货运量的预测中,可以解决因数据资料缺失,预测结果与真实结果相差较大的问题,为物流业发展提供重要的数据参考。经过实例分析证明基于神经网络的物流量预测模型是行之有效的。     

人工神经网络审计模型及在金融领域中运用的探讨

人工神经网络模型是替代传统审计方式的一个重要工具,本文介绍了神经网络的基本特征,同时,基于我国金融领域中保险企业的财务数据进行了使用人工神经网络的测试,测试结果证明人工神经网络用于保险企业的审计是可行的.     

智能控制与人工神经网络

本文首先介绍了智能控制的发展和智能控制系统与传统控制系统的比较，然后综述了几种智能控制的主要实现技术，并着重讨论了基于人工神经网络的智能控制。     

一种基于人工神经网络的时间序列拟合方法

目前对股票价格的分析和预测尽管有大量的分析工具和模型,本文将要讨论的是近几年非常流行的计算智能技术,作为对人类智能的模拟,作为一种新兴的信息处理技术,计算智能技术现在已经成为重要的分析与预测工具。计算智能技术有普通统计方法所不能比拟的优点,它的预测更加精准,并且具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点。在计算智能技术中,最有名的当属人工神经网络,此模型在过去的二十年间有着很快的发展,因为其在认知的输入和输出的映射的表现公认的非常有效,甚至在面对一些难以判断的不确切输入输出关系时,仍表现出很好的拟合性,因此现在成为了时间序列非线性方法中最常被使用的到模型,本文将会采用该模型对上证指数进行实证性分析。     

基于SVM神经网络的沪深300股指期货的实证研究

期货市场作为我国资本衍生品市场的新兴力量,在推动我国经济发展中起到了重要的作用。为了更好的理解期货市场的特征以及变化规律,期货价格的预测成了众多投资者和学者的热点研究问题。然而,众所周知期货市场是一个典型的复杂演化的动态市场,并不能很好的刻画整体价格体系变动的特征。所以,本文旨在运用SVM人工神经网络方法对以HS300股指期货为代表的期货市场做回归预测。并且结果表明,SVM能够充分反映期货价格时间序列的变动特征,是SVM价格预测的有效方法。     

新的Hopfield神经网络分类器在葡萄酒质量评价中的应用

建立一种新的Hopfield神经网络分类器模型,该模型通过训练单层前向神经网络来设计,数据兼容性强,可以直接处理来自UCI数据库的葡萄酒的理化性质测试指标数据和专家的感官评价等级数据,实现葡萄酒质量分类。仿真结果表明,该分类器设计简单,耗时短,分类效果明显。     

基于人工神经网络的时间序列分析方法在物流需求预测中的应用

当在对物流需求进行预测遇到较大波动的时间序列数据时,传统的以统计学为基础的预测方法在进行预测分析时误差会很大,本文建立了基于人工BP神经网络的预测方法并证明了其有效性。     

略论人工神经网络方法在经济管理领域的应用

人工神经网络方法在经济管理领域的应用与发展主要表现在应用领域的拓展和与其他经济管理研究方法的结合。本文首先论述了人工神经网络发展历史，其次分析了该方法在微观经济、宏观经济，以及金融、证券、社会评价和辅助决策领域的应用，最后阐述了该方法在与主成分分析、计量经济、专家系统的结合中取得的进展。     

数据挖掘技术的应用分析

本阐述了数据挖掘技术的概念，方法和数据挖掘的工作过程，对数据挖掘技术的应用现状和未来发展作了简要分析。     

BP人工神经网络在我国工业企业景气指数预测中的应用

影响企业景气指数波动的因素十分复杂,采用常规的数理统计预测方法难以准确及时地反映景气运行的真实规律.因此,本文引入人工智能技术,利用神经网络能从历史数据资料中自动提取特征规律并进行智能预测的优点,对我国2000～2005年24个季度的工业企业景气指数进行了仿真和预测,并获得了满意的结果.