基于神经网络训练的战略分析和协商机制的绩效评价

论述了绩效管理模型的发展历程和发展趋势，介绍了BP神经网络评价模型形成的原理，综合运用多种方法建立了财务指标和非财务指标相结合的企业投资决策战略绩效评价的一般指标体系，采用了主成分分析和专家判断相结合的方法对企业投资决策绩效评价指标进行筛选。建立了基于SWOT战略分析和BP神经网络训练的企业投资决策绩效评价模型，并运用该模型对武钢焦化企业投资项目进行了实证分析。     

基于BSC和ANP的企业综合绩效评价应用研究

以平衡计分卡法为基础构建了企业三级综合绩效评价体系,根据BSC中的因果关系链选择网络分析法ANP作为评价方法,一改以往评价指标独立、忽视它们之间联系的评价方法,从而体现出综合绩效评价体系中各维度指标之间相互影响、相互作用,最后给出了基于SD软件的部门绩效评价的实证研究.     

企业绩效评价的思考

企业绩效评价,应当是在企业经营效益的基础上,企业整体运营的综合评判。通过探讨绩效评价的评价体系、目标、报酬与激励等相关问题,建议注重完善绩效管理、更新观念和完善绩效评价指标。     

成本管理新模式研究

企业绩效评价制度是任何经济体系的核心问题,成本管理是企业永恒的主题和绩效评价的关键内容。本文对成本管理理论的新进展进行概括并以其为视角来探讨企业绩效评价问题,从而在绩效评价与成本管理理论之间搭建了一座沟通的桥梁,有助于更深入地研究企业绩效评价这一理论界和实务界的热点问题。     

BP神经网络在公路工程项目沟通绩效评价体系的应用

本文通过深入分析影响工程项目沟通管理的因素,建立沟通绩效评价体系,并运用BP人工神经网络方法对项目沟通绩效进行综合评价。结合海南G98海口绕城高速公路改扩建项目,对建立的BP模型进行实际应用分析,有针对性地采取管理措施,从而推动项目的顺利进行。     

基于PCA的生产企业物流绩效评价

目前我国在物流绩效评价方面的研究大多数集中在第三方物流、供应链物流方面,而生产企业物流方面的研究比较少。拟对生产企业的物流绩效评价进行研究,构建一套符合生产企业物流的绩效评价体系,运用PCA方法对企业内部的物流进行绩效评价,有助于企业降低生产成本,提高服务质量。     

面向航天型号研制体系的企业质量绩效评价

针对航天型号研制体系中参研厂所质量绩效的评价问题展开研究,提出了将平衡计分卡与数据包络分析相结合的质量绩效评价方法.首先,基于平衡计分卡思想从财务、顾客、内部业务过程、学习和成长4个维度构建了与航天型号研制体系相适应的质量绩效评价指标体系.在此基础上,利用数据包络分析法,从各维度对企业进行局部绩效评价与分析,指出存在的不足与改进方向.然后,在局部评价的基础上,采用线性加权法对企业进行总体质量绩效评价.最后,以航天某企业为例验证了该质量绩效评价方法的有效性.     

企业研发人员绩效评价探析

在企业的生产和管理中,研究活动以其复杂性而给企业研发人员的绩效评价带来了很大的挑战。文章首先阐述了研发人员绩效考核指标体系的设计原则、支持性体系,在此基础上,分析了我国企业研发人员绩效评价存在的问题,并针对这些问题试图提出解决措施。     

BP神经网络在供应链管理绩效指标评价中的应用研究

依据平衡记分法原理,建立供应链管理绩效评价的指标体系;依据BP神经网络原理,建立用于企业供应链管理绩效指标评价的BP神经网络评价模型,利用该模型对上海某动力设备有限公司的供应链绩效指标进行了评价,同时探讨了BP神经网络在供应链绩效指标评价中的特点和适用性.     

宁夏企业技术中心绩效评价指标体系研究

企业技术中心是企业技术创新体系的核心和组织保障,是提升企业技术创新能力的关键环节和重要内容.加强对企业技术中心绩效评价,对管理和决策部门制定和完善企业技术中心管理,评价其运行状况具有重要的理论意义和实践意义.文章结合宁夏企业技术中心运行实际情况,研究制定了宁夏地区企业技术中心绩效评价指标体系.     

BP网络技术在LED系统总体性能评估中的应用研究

文章首先给出了LED总体系统性能指标体系,然后阐述了基于BP网络技术的LED系统总体性能评价方案,最后就指标数据进行仿真。研究表明,该方法能够降低人为因素的影响,从而提高了性能需求方案评价的准确性。     

BP神经网络在备货型企业销售预测中的应用

结合BP神经网络能学习和存贮大量的输入-输出模式映射关系,无需事前揭示描述这种映射关系的数学方程的特点,分析了BP神经网络在备货型企业销售预测中算法实现过程,根据某备货型企业的销售记录情况,建立了基于BP神经网络的销售预测模型。实例结果表明,此方法计算结果误差较小,结果明显优于移动平滑法等方法,可用于指导实际生产决策。     

基于SCADA数据和改进BP神经网络的塔筒应力预测

针对风电机组载荷监测中应变片寿命短的缺陷,基于风电场海量状态监测数据,利用遗传算法和粒子群算法对BP神经网络进行改进,建立塔筒应力预测模型,并通过综合相关系数实现输入参量的有效选择。仿真结果表明,改进后的GA-BP神经网络预测模型和PSO-BP神经网络模型,预测结果的最大、最小相对误差等指标均比BP神经网络预测模型好;GA-BP神经网络预测模型的塔筒应力预测平均误差为7.04%,相对BP神经网络预测结果误差减少了4.38%,预测精度满足工程需求。所提出的方法建立风电场海量监测数据和塔筒应力数据之间的有效关系模型,可为风电场长期有效的载荷监测提供新的手段。     

遗传算法和BP神经网络在电机故障诊断中的应用研究

人工智能方法在电机故障诊断中的应用,使得电机故障能够得到及时准确的预测和诊断,保障了电机的安全运行。介绍了BP神经网络及遗传算法的基本原理及组成结构,针对BP神经网络容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值优化,改善了BP神经网络的诊断性能;通过GA-BP网络对电机的三种故障模式进行了诊断识别,其实验仿真结果表明：无论是在诊断速度上还是诊断精度上,GA-BP神经网络诊断性能都比单独的运用BP网络有了很大提高。     

BP神经网络在测试系统动态补偿中的应用

测试系统的非线性动态补偿是仪器技术的一个重要方面．采用BP神经网络对测试系统进行动态补偿．BP神经网络的结果决定于网络输入、隐层和输出节点．由于其非线性映射特性,BP神经网络完全能够反映测试系统的动态响应特性．采用了收敛速度较快的递推预报误差算法训练神经网络．试验结果表明,BP神经网络的特性完全能够满足测试系统的动态补偿要求．表明本文的方法是有效的．     

基于BP神经网络PID的纸浆浓度自适应控制

目的为了克服纸浆浓度控制系统的滞后性、非线性和时变性,以提高纸浆浓度控制性能。方法针对纸浆浓度控制问题提出一种BP神经网络PID控制技术,构建3-4-3的BP神经网络结构,并在该基础上建立BP神经网络PID控制的数学模型,利用BP神经网络实现PID参数的自适应调整。结果仿真结果表明,BP神经网络PID控制相较于传统PID控制收敛速度更快、超调量更小、抗干扰能力更强、鲁棒性更好。结论该控制方法实现了纸浆浓度的自适应控制,为纸浆浓度的最优控制提供了一种有效可行的控制方法。     

非线性质量补偿方法在微量包装系统中的应用

目的 为解决微量包装系统中称量传感器输出电压与质量之间的非线性关系、提高称量精度,基于改进BP神经网络设计一种非线性补偿方法.方法 阐述电阻应变式称量传感器的非线性补偿原理,根据称量传感器输入和输出之间的关系,设计一种神经网络补偿器.为提高神经网络控制性能,引入一种惩罚因子,可解决因训练不足导致的误差偏大等问题.结果 经对比发现,改进型BP神经网络具有较快的收敛速度、较高的精度,可提高微量称量包装系统的控制性能.高速模式下,称量误差可以控制在0.5％以内,实际称量结果较理想.结论 该方法能够改善系统动态性能,提高测量精度,可满足称量、包装行业等精度要求.     

基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测

目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。     

语音编码算法的神经网络增益滤波器

增益-波形乘积码书结构广泛用于 CELP 语音编码算法, 它们使用 Levinson-Durbin(L-D)方法更新增益滤波器系数. 本文对 BP 神经网络算法与 L-D 方法进行了比较. 用 BP 神经网络增益滤波器进行语音编码, 其计算量仅为 G.728 的 L-D 方法的 6.7%, 但平均分段 SNR 高出 G.728 算法 0.156 dB. 同时, 用 BP 神经网络算法评价了 16 和 20 样点激励矢量增益滤波器, 效果同样很好. 但是, 由于考察增益预测器时量化器还不存在, 因此无法用量化信噪比评价滤波器性能. 本文提出一种信噪比估计方法, 可使增益预测器的优化与量化问题分开处理. 实验表明用这种信噪比估计方法选择增益滤波器十分有效.     

Modified Elman neural network controller with improved particle swarm optimisation for linear synchronous motor drive

A modified Elman neural network controller is proposed to control the mover of a permanent magnet linear synchronous motor (PMLSM) servo drive to track periodic reference trajectories. First, the dynamic model of the PMLSM drive system is derived. Next, a modified Elman neural network is proposed to control the PMLSM. Moreover, the connective weights of the modified Elman neural network are trained online by back-propagation (BP) methodology. However, the learning rates of the online-training weights are usually selected by trial-and- error method, which is time-consuming. Therefore an improved particle swarm optimisation (IPSO) is adopted in this study to adapt the learning rates in the BP process of the modified Elman neural network to improve the learning capability. Finally, the control performance of the proposed modified Elman neural network controller with IPSO is verified by the simulated and experimental results.