基于BP神经网络的随机(s,S)库存系统仿真及优化研究

针对存储论中随机(s,S)库存算法不能反映定性因素,造成计算结果无法反映真实再订货点的问题,通过建立定量化模型,应用弹性BP神经网络算法对库存系统进行仿真.最后结合实例验证方案的可行性.     

浅谈文本聚类研究

针对传统聚类算法在确定聚类类别数方面所存在的问题:无先验知识所导致的盲目性以及繁杂统计指标的难理解性,提出一种基于SOM的可视化聚类算法.VC-SOM,利用SOM网络数据集的聚簇分布特征.进而确定聚类类别数.并进行了仿真研究,获得了较满意的结果.     

基于BP神经网络的随机（s，S）库存系统仿真及优化研究

针对存储论中随机（s，S）库存算法不能反映定性因素，造成计算结果无法反映真实再订货点的问题，通过建立定量化模型，应用弹性BP神经网络算法对库存系统进行仿真，蕞后结合实例验证方案的可行性。