基于模型的虚拟企业伙伴选择研究与应用

选择正确的合作伙伴是组建虚拟企业的关键因素之一，而要保证伙伴选择过程中决策的正确性，就必须采用合理的合作伙伴评价指标体系，并采用适当的优化决策方法。本文从虚拟企业建模的角度出发，提出了虚拟企业伙伴选择的三阶段模型，给出了评价指标体系，并用AHP算法给出了伙伴选择系统的实现方式。     

基于BP神经网络的虚拟企业风险评价研究

虚拟企业是21世纪企业的潜在发展模式,虚拟企业在帮助企业获得反应灵活性的同时,也不可避免地蕴涵了诸多的风险因素.在研究阐述风险管理理论的基础上.全面考察影响虚拟企业整体风险水平的各种因素,针对目前风险研究不足的现状,根据虚拟企业的特点,构造了虚拟企业风险评价指标体系,提出了一种基于BP神经网络的虚拟企业风险评判方法,通过MATLAB神经网络工具对其进行仿真计算,并给出了一个实例来验证模型的可靠性,实例研究表明该方法为虚拟企业风险评价提供了一种有效的管理工具.     

基于Web挖掘的虚拟企业合作伙伴选择决策支持系统研究

建立虚拟企业关键的一步是核心企业根据分解的任务寻找一定数量的候选合作伙伴,然后再应用不同的评价方法从众多侯选伙伴中确定最佳合作伙伴.本文研究基于WEB挖掘技术的虚拟企业合作伙伴选择支持系统的总体框架,并设计灵活实用的虚拟企业合作伙伴选择过程.     

基于Agent虚拟企业选择伙伴的决策支持系统

虚拟企业成功的关键是能否选择出理想的合作伙伴。文章法提出基于Agent的虚拟企业组建模型,模型中的每一个Agent代表电子商务这个大商场中一个企业实体去竞争投标,成为虚拟企业成员。研究了代表企业的Agent的属性、选择企业成员的有效函数。这种评价函数是基于整体团队协同工作考虑,而不是考察单个企业能力。     

基于Web服务架构的动态虚拟企业伙伴选择

在研究基于Web服务架构的动态虚拟企业理论基础上,提出一种支持企业扩展QoS约束和大规模的动态虚拟企业合作伙伴选择模型,对传统QoS进行扩展,利用QoS监控系统对企业扩展QoS进行实时监控和处理,给出该模型下的伙伴选择流程,并分析伙伴选择实现中的关键问题。对模型性能进行评价,实验结果表明了模型的合理性和可行性。     

基于任务分解结构的供应链合作伙伴优化选择

为实现虚拟企业供应链构建中的多目标合作伙伴优化选择，根据任务完成的交货期、质量、成本和服务四个评价指标，利用总任务下各评价指标的权重以及在每个评价指标下各子任务之间的关联特性,建立了基于任务分解结构的供应链伙伴选择多目标决策模型。基于该模型实现了分解任务完成时间的定量计算，给出了基于自适应遗传算法模型求解方法，并应用实例验证了该模型和算法的有效性。     

用模糊综合评价方法选择虚拟企业合作伙伴的研究

提出了采用模糊综合评价的方法解决虚拟企业候选合作伙伴的选择问题,包括用层次分析法确定模糊评价的权系数,建立虚拟企业伙伴选择的模糊评价数学模型.并结合具体应用进行了实例分析,证明了该方法的有效性.     

基于BP神经网络的产品造型设计评价

为了对产品的造型设计进行评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价产品造型设计的方法.根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了产品造型设计BP神经网络评价模型,选择某一产品造型设计的13款方案作为样本,利用Matlab软件进行了BP网络的实例训练和验证.实验结果表明,BP神经网络模型可以较准确的对产品造型设计进行评价.     

主成分分析与BP网络结合的教学质量评价

为了进一步提高教学质量评价精度,提出了一种基于主成分分析和BP神经网络相结合的教学质量评价模型。首先利用主成分分析对教学质量评价体系中的12个评价指标的原始特征变量进行分析,然后作数据降维处理,提取出前4个主成分,再以这些主成分作为BP神经网络的输入,构建了3层神经网络评价模型。仿真结果表明:与标准BP神经网络相比,PCA-BP网络模型的结构更为简化,收敛速度更快,评价精度更高且泛化能力强。     

第三方网上支付企业核心竞争力评价

通过对网上支付行业环境、产业链和主要企业的分析,构建了具有14个评价指标的第三方网上支付企业核心竞争力评价指标体系。设计了BP神经网络模型,选择了6家样本企业进行训练、3家企业进行测试,并运用BP神经网络模型定量识别第三方网上支付企业核心竞争力强弱。研究表明:BP评价模型与传统的线性评价模型相比,具有更高的动态性和自学习性,评价结果误差小,精度高,能充分反映第三方网上支付企业核心竞争力的真实状况,为第三方网上支付企业核心竞争力的打造提供了基准,同时对第三方网上支付企业核心竞争力进行定量评价开辟了一条新途径。     

水资源承载力的BP神经网络评价模型研究

针对当前水资源承载力评价方法的不足,提出了基于BP神经网络的综合评价方法。构建了水资源承载力的评价模型和指标体系,描述了方法的应用过程,并通过MATLAB神经网络工具对其进行模拟计算。最后,给出了一个算例。     

基于优化神经网络的云计算环境下供应链伙伴选择

针对云计算环境下供应链伙伴的动态性,提出一种基于优化神经网络的云计算环境下供应链伙伴选择模型.首先构建计算环境下供应链伙伴评价指标体系,并采用层次分析法计算每一个指标的权值,然后采用神经网络对采集的企业评估训练样本进行学习,并采用遗传算法对神经网络参数进行优化价,建立企业综合评估模型,最后进行了仿真模拟实验.结果表明,本文模型可以准确描述供应链伙伴的动态性,能够对云计算环境下的供应链伙伴进行全面、公正的评价.     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

Analysis of early warning of corporate financial risk via deep learning artificial neural network

To forecast the financial crisis of manufacturing corporations more accurately, a risk warning model of corporate finance is constructed based on back propagation (BP) neural network to forecast the financial crisis. Firstly, based on the principle of index selection, the forecast indexes are selected and the index system of financial risk early warning is constructed. Then the index system is optimized by factor analysis. Finally, the BP neural network algorithm model is adopted to forecast the financial crisis of 200 manufacturing corporations in 2018 and 2019, and the forecasting results are compared with the traditional method. The results show that the prediction accuracy of the enterprise financial risk early warning model based on the BP neural network for 2018 is above 85%, and the prediction accuracy for 2019 is above 95%, or even 100%. Through comparison with other traditional methods, the prediction accuracy of the BP neural network in 2018 (above 88%) is higher than that of other algorithms (below 87%). In 2019, the prediction accuracy of BP neural network (above 90%) is higher than other algorithms (less than 88%). The accuracy of the proposed financial risk warning model is 95%, and the accuracy is at least 2% higher than traditional method, which prove that the risk early warning model constructed in this study can accurately forecast the financial crisis of the corporation. This study is of important reference value for the establishment of efficient financial crisis forecasting model under deep learning.     

供应链核心企业绩效决策研究

从知识发现和数据挖掘的角度,利用粗糙集和BP神经网络的基本理论和方法,建立基于粗糙集和BP神经网络的核心企业绩效改进决策模型框架结构,并给出其中的基于分辨矩阵的指标约简方法和基于梯度的BP算法。最后结合一个实例,首先对其基于平衡记分卡的指标体系进行了约简,然后将约简的评价指标输入到BP神经网络中进行智能训练,并与未进行指标约简的训练结果进行了对照分析,二者结果基本一致。在此基础上,依据指标的权重,提出核心企业绩效改进的决策意见和措施。     

A constrained optimization method based on BP neural network

A constrained optimization method based on back-propagation (BP) neural network is proposed in this paper. Taking the maximization of output for example, using unipolar sigmoid function as transfer function, the method presents a general mathematical expression of BP neural network constrained optimization and derives the partial derivative of output with respect to input. On this basis, the fundamental idea, algorithms and related models are given in this article. When BP neural network is on the basis of fitting, this method can adjust the input values of BP neural network to make the output values maximal or minimal. Therefore, with this method the application of BP neural network is expanded by combining BP network’s fitting with optimization. At the same time, the article also provides a new method to study the black-box problem. The experiments show that the constrained optimization method is effective.

     

神经网络在信息系统安全评价中的应用研究

针对传统的信息系统安全评价方法的单一性和主观性,提出了新的基于BP神经网络的信息系统安全评价方法。根据信息系统安全等级保护基本要求,建立了信息系统安全评价的指标体系．探讨了基于BP神经网络的信息系统安全评价方法,设计构建了评价模型,运用反向传播算法对神经元网络进行训练,并通过MATLAB仿真实验证明该方法能对信息系统的安全性做出准确的评价。     

层次分析法和神经网络相融合的教学质量评价

为提高教学质量评价准确性,提出一种基于层次分析法和神经网络相融合的教学质量评价方法（AHP-BPNN）。采用层次分析法构建评价指标体系,筛选出对评价结果有重要影响的指标作为BP神经网络输入,采用神经网络建立教学质量评价模型。仿真结果表明,AHP-BPNN不仅简化神经网络的结构,而且提高了教学质量的评价精度和评价效率,是一种可行、有效的教学质量评价方法。     

Decision supporting functionality in a virtual enterprise network

Enterprises are now facing growing global competition and the continual success in the marketplace depends very much on how efficient and effective the companies are able to respond to customer demands. The Internet has provided a powerful tool to link up manufacturers, suppliers and consumers to facilitate the bi-directional interchange of useful information. The formation of virtual enterprise network is gathering momentum to meet this challenge. The idea of virtual enterprise network is meant to establish a dynamic organization by the synergetic combination of dissimilar companies with different core competencies, thereby forming a “best of everything” consortium to perform a given business project to achieve maximum degree of customer satisfaction. In this emerging business model of virtual enterprise network, the decision support functionality, which addresses the issues such as selection of business partners, coordination in the distribution of production processes and the prediction of production problems, is an important domain to be studied. This paper attempts to introduce a Neural On-Line Analytical Processing System (NOLAPS), which is able to contribute to the creation of decision support functionality in a virtual enterprise network. NOLAPS is equipped with two main technologies for achieving various objectives, including neural network for extrapolating probable outcomes based on available pattern of events and data mining for converting complex data into useful corporate information. A case example is also covered to validate the feasibility of the adoption of NOLAPS in real industrial situations.