基于贝叶斯正则化神经网络的企业资信评估

在市场经济系统研究中,资信评估作为市场经济中的监督力量,是投资者的重要参考依据.科学准确的资信评估可以辅助决策,降低投资者风险.针对当前企业资信评估方法的不足,为了准确评估资信效果,提出将基于贝叶斯正则化的前向多层神经网络用于企业资信评估,通过新的误差函数可以减少网络的有效权值和阈值,并使网络训练输出更加平滑,从而增强网络的泛化性能.并通过MATLAB软件及其神经网络工具进行仿真计算.结果表明,贝叶斯正则化神经网络稳定、快捷、评价结果可靠准确,可作为于企业资信评估依据.     

基于贝叶斯正则化网络的绿色创新战略选择

科学、准确地进行企业绿色技术创新战略选择对环境保护和企业长期持续发展具有重要意义。文章提出将基于贝叶斯正则化神经网络用于企业绿色技术创新战略选择,并通过MATLAB神经网络工具对其进行模拟计算。实验结果表明了该方法的有效性。     

基于改进贝叶斯正则化BP神经网络的测试性评估技术研究

测试性评估是整个测试性设计工作的关键环节,能够反映设计方案的正确性、识别设计缺陷以及检验设计要求;针对当前有效评估手段的缺乏,本文提出了一种新的测试性评估方法;在建立测试性评估指标体系的基础上,利用BP网络解决非线性问题的优势,建立了评估模型,同时采用贝叶斯正则化(BR)训练方法,提高网络的泛化能力,并提出带自适应变异的质心量子粒子群(AMCQPSO)算法,以优化BP网络初始权值和阈值,以提高评估模型结果的准确度;经实验验证,评估方法具有较高的准确性和实用性,能够更好地为装备测试性设计服务.     

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.     

虚拟企业的敏捷性及其度量方法研究

分析了虚拟企业公认的敏捷性特点以及虚拟企业敏捷性度量的必要性和意义。探讨了虚拟企业敏捷性的度量体系和方法,最后提出基于模糊逻辑的度量方法并给出实例分析。     

贝叶斯正则化神经网络预测金属晶体结合能的研究

采用贝叶斯正则化神经网络(BRNN)对61种金属晶体结合能进行了预测。对网络结构、训练集、预测集以及学习次数进行了优化,并用独立预测样本对贝叶斯正则化神经网络作了检验。预测结果表明,在推广能力方面,贝叶斯正则化神经网络优于熟知的反向传播(BP)神经网络和多元线性回归方法(MLR)。它可望成为元素和化合物构效关系研究的辅助手段。     

基于小波域正则化和贝叶斯规则的图像恢复算法

提出了将小波变换的正则化图像恢复与贝叶斯统计模型分析相结合的方法用于对图像进行消噪处理。正则化图像恢复是条件约束的最优化问题,而小波系数的贝叶斯统计选择是基于图像的随机场观点。两者的有机结合可以辨证地处理正则化参数和算子的选择以及先验模型的分布计算问题。     

基于L1正则化的贝叶斯网络分类器

目前基于节点排序的贝叶斯网络分类器忽略了节点序列中已选变量和类标签之间的信息,导致分类器的准确率很难进一步提高。针对这个问题,提出了一种简单高效的贝叶斯网络分类器的学习算法:L1正则化的贝叶斯网络分类器(L1-BNC)。通过调整Lasso方法中的约束值,充分利用回归残差的信息,结合点序列中已选变量和类标签的信息,形成一条优秀的有序变量拓扑序列(L1正则化路径);基于该序列,利用K2算法生成优良的贝叶斯网络分类器。实验表明,L1-BNC在分类精度上优于已有的贝叶斯网络分类器。L1-BNC也与SVM,KNN和J48分类算法进行了比较,在大部分数据集上,L1-BNC优于这些算法。     

基于正则化一维卷积神经网络的网格模型显著性检测

三维形状的显著性在形状分析与处理中有不可忽视的作用.现有的三角网格显著性检测方法大多依赖某种人工设计的几何特征,缺乏灵活性.为此,提出一种基于特征融合学习的显著区域检测方法,以适应不同类别的形状.首先计算形状的多种几何特征,然后把多尺度的低层次特征输入到一维卷积神经网络中;通过优化中心正则化损失函数,得到高层次、可判别的特征向量,同时也得到显著区域检测结果.在普林斯顿网格数据集上的实验结果表明,该方法适用于不同形状的显著性检测,检测结果具有一致性,并且相比对照算法具有更好的视觉效果和定量化指标评价.     

贝叶斯神经网络在股票时间序列预测中的应用

针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化（Bayesian Regularization,BR）算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%。     

基于灰色关联分析的敏捷虚拟企业伙伴选择

通过分析敏捷虚拟企业的内涵及特征,将灰色关联理论运用在敏捷虚拟企业伙伴选择的决策中。首先给出了灰色关联的数学模型,然后重点论述敏捷虚拟企业评价指标体系,在对该指标系统量化模型的基础上,通过实例分析给出了敏捷虚拟企业多层次灰色关联选择的原理、方法及步骤。     

基于Internet的虚拟企业ESM系统设计

Internet为企业应用系统提供了新的发展空间,虚拟企业网络利用Internet为跨地域的企业应用提供了平台.虚拟企业的分布式、动态组合等特点对虚拟企业应用系统提出了特殊的需求.在介绍了虚拟企业网络的需求和与其相适应的虚拟企业应用系统体系构架的基础上,分析和设计了一个基于的虚拟企业网络的电子销售管理（ESM）系统,并讨论了其在用户认证、信息传输等方面的安全性.     

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.     

基于虚拟企业的安全技术研究

虚拟企业是管理科学、信息技术、通信技术相结合的产物。IT技术特别是WebServices的迅猛发展为虚拟企业的构建提供了新的模式。提出了一种基于PKI的和针对虚拟企业成员身份管理、访问者身份鉴别、合作伙伴的授权协作交互过程中的完整性、保密性等问题的一体化的解决方案。     

基于改进型BP神经网络的信用评估系统研究

通过研究企业信用评估中的模型问题,为企业经营活动和决策过程提供信息支持。介绍了几种常用的信用评估模型,通过分析它们在评估中的缺陷,提出基于改进型BP神经网络的信用评估模型。在建立指标体系和输出机制的基础上,讨论了基于信用评估模型的评估系统的设计与实现。对模型和评估系统的不足进行了分析,并提出了改进建议。     

基于BP神经网络的多媒体课件评价模型研究

给出了一种评价多媒体课件效果的新方法。模型采用了基于认知心理学的评价指标,充分考虑了人的主体地位,同时运用BP神经网络的方法建立评价的数学模型。通过样本数据的训练、检验、输出结果的分析,表明该模型对课件效果评价结果与专家的评分结果基本一致。     

基于敏捷虚拟企业的书业集团信息框架研究

分析了大型书业集团供应链的过程模型和集成方法,指出了信息化建设的实施要点,提出了书业敏捷虚拟企业的概念,从物流、资金流、信息流和人才流出发研究了基于Internet/Extranet的电子订货系统/电子数据交换的使能技术,建立了基于数据集市和数据仓库的数据库体系化环境,开发了基于多代理系统的信息框架,指出了书业敏捷虚拟企业的发展趋势.     

基于遗传算法的BP神经网络在企业资信评估中的应用

提出了一种新的企业资信评估方法.通过把神经网络和遗传算法有机地结合起来,既克服了传统BP网络训练时间长、易陷入局部极值的缺点,又利用遗传算法提高了网络全局收敛的效率.该模型采用C#.NET SQL server 2000实现.实验结果表明,基于遗传算法的BP神经网络系统对企业资信评估有着良好的性能.     

基于BP网络模型的立项评估研究与应用

在项目管理立项评估数据的基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件将BP算法的评估模型首次应用在科研项目的立项评估中。通过科研项目立项评估模型的实际运行,证明了该评估算法的有效性,有力提高了科研部门的立项评估水平。     

一种基于神经网络的混合气体体积分数预测模型

针对目前混合气体预测建模中的建模时间过长和泛化能力较差的问题,采用主成分提取(PCE)结合贝叶斯正则化神经网络法进行了改进.通过对4种常见污染气体CH4,CO,SO2,NO2的混合红外吸收光谱进行了分析,得到了各单一气体的体积分数.使用Matlab软件编程构建了网络,并优化了网络参数.结果表明:该方法使网络建模时间从4...