RBF人工神经网络在纬编摇粒绒保暖测试中的应用

本文在纬编摇粒绒织物的保暖性能测试中,利用RBF人工神经网络的智能鉴别和预测功能,在实验测试中进行实验数据的预测、鉴别和修订,排除错误的数据;利用RBF人工神经网络强大的数据处理能力,来进行数据分析,保证数据处理的准确性,以便得到更加客观真实的结论。     

基于模糊神经网络的商品价格预测模型

为了方便地预测大型商品的价格,建立了一个模糊神经网络预测模型。该模型能够通过分析影响商品价格的各种参数及历史数据来评定一个新商品的大致价格水平。同时,在比较了FNN与ANN的基础上得出了FNN的优势。     

基于人工神经网络的贵州省用电量预测

文章利用人工神经网络对贵州省月度用电量数据进行分析,使用递增窗口交叉验证和网格调参选择最优参数,对贵州省用电量数据进行预测;以支持向量机及ARIMA模型作为基准模型对模型预测效果进行对比分析。结果表明:(1)利用独热编码量化用电量时间序列特征可有效提高预测精度;(2)人工神经网络对用电量数据的预测效果优于支持向量机和ARIMA模型;(3)含3个隐藏层的人工神经网络预测效果优于单隐藏层人工神经网络预测效果。     

软计算技术在金融预测应用进展研究

金融时间序列本质上是复杂的、高度噪声的,呈现出非线性行为,使得传统的统计方法难以有效地预测。随着计算技术的发展,已经出现了一些软计算技术用以支持金融时间序列预测。通过综述软计算技术在金融时间序列预测的数据准备、算法模型、自我训练学习、预测评估及优化方面的最新进展,从而便于研究者对已有软计算技术进行改进和研究新的预测算法。     

BP神经网络在建筑工程领域的应用研究

<正>人工神经网络是在现代神经学、心理学以及数学等研究成果的基础上发展起来的,是通过对生理学上的人脑神经网络的结构和功能以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息处理系统,使之具有像人那样的信息处理能力,从而可以实现学习、记忆、识别和推理等功能。     

人工神经网络在宏观经济预测中的应用

本文运用人工神经网络方法，以我国特定时间段工业总产值为样本，进行宏观经济模拟预测分析，结果证明与其他统计学方法相比较，其预测精度较高。人工神经网络应用于宏观经济预测具有广泛的实际应用前景。     

基于AHP与ANN的企业经济效益综合评价

经济效益评价是企业经营活动中一项不可缺少的工作。为了科学、准确的评价企业经济效益,采用层次分析法(AHP)和人工神经网络(ANN)相融合的组合综合评价方法来建立经济效益评价模型,最终给出科学、准确的经济效益评价结果。     

基于人工神经网络的财务危机预警

针对目前企业财务危机预警模型存在的问题,提出一种基于神经网络的企业财务危机预警方法,重点阐述了前向三层BP网络企业财务危机预警系统的构建,运用此模式可选30家上市公司作为样本,进行网络训练和测试,通过测试结果可表明所设计的预警模式是有效的.     

技术交易规则预测能力与收益率动态过程——基于Bootstrap方法的实证研究

本文对我国股票市场技术交易规则预测能力进行了实证检验,发现移动平均规则所产生的买入区间收益率更大而波动率却更小,卖出区间的收益率为负而波动率却更大。运用自举(Bootstrap)方法检验发现,四种常用的收益率线性模型均不能解释买卖出区间收益率与波动率所表现出的非对称现象,尤其无法解释卖出区间收益率为负的现象。为此,本文通过人工神经网络方法,将条件异方差结构引入到现有的收益率非线性模型,发现该模型能更好地解释买卖出区间收益率与波动率模式,表明收益率动态过程中存在非线性特征。     

基于离散Hopfield网络的上市公司财务困境预警研究北大核心CSSCI

上市公司陷入财务困境直接影响投资者收益、管理者决策和股东利益,建立行之有效的财务困境评价模型已成为学术界关注的焦点。文章在阐述模型和构建指标体系的基础上,提出基于离散Hopfield网络模型开展上市公司财务困境评价的步骤,以2013-2015年沪深A股被实施ST的上市公司为实证样本,进行财务困境预警实证研究和稳健性检验。实证结果表明,本模型至少可以提前1年对ST上市公司的财务困境实现全面预警,可以提前6个季度对92%的ST上市公司进行有效预警,故适用于财务困境预警研究且具有稳健性。