基于贝叶期神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度，该文探索了贝叶期神经网络的非参数回归的建模方法，通过融入模型参数的先验知识，在给定数据样本及模型假设下进行后验概率的贝叶期推理，使用马尔可夫链蒙特卡罗算法来优化模型控制参数，实现了对神经网络模型中不同部分复杂度的控制，获得了模型和的后验分布及预测分布，在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整，并给出了较好的预测结果。     

基于深度双向分类器链的多标签新闻分类算法

在多标签新闻分类问题中,针对传统分类器链算法难以确定标签依赖顺序、集成模型运行效率低和无法应用复杂模型作为基分类器的问题,提出基于深度神经网络的双向分类器链算法. 该方法利用正向分类器链获取每个标签和前面所有标签的依赖关系,引入逆向分类器链,从正向链最后一个基分类器的输出开始反向学习每个标签和所有其他标签的相关性. 为了提取非线性标签相关性和提高预测性能,使用深度神经网络作为基分类器. 结合2条分类器链的均方误差,使用随机梯度下降算法对目标函数进行有效优化. 在多标签新闻分类数据集RCV1-v2上,将所提算法与当前主流的分类器链算法和其他多标签分类算法进行对比和分析. 实验结果表明,利用深度双向分类器链算法能够有效提升预测性能.     

基于GRU-RNN的网络入侵检测方法

针对数据集中少数分类用例过采样问题,本文依据网络入侵行为具有时序特征的特点,将门控循环单元记忆模块引入递归神经网络当中,提出了一种基于记忆和时序的入侵检测网络模型——GRU-RNN模型。针对原始攻击数据具有离散性且分布较广的问题,对数据进行数值化及归一化的预处理操作,并对攻击的时序性进行分析,探讨门控循环单元在递归神经网络中应用于入侵检测的可行性,构建GRU-RNN网络模型,选取最优的损失函数、分类函数,提出了基于时序的不平衡学习入侵检测模型,用于检测具有时序特征的攻击行为。将模型应用在KDD数据集中进行实验测试,表明与其他不平衡学习方法相比,本模型具有更好的识别率与收敛性。     

一种集成卷积神经网络和深信网的步态识别与模拟方法

针对高斯过程的条件受限玻尔兹曼机(Gaussian-based conditional restricted Boltzmann machine, GCRBM)时序模型可以对单一种类的步态时序数据进行很好的预测,但对多类步态时序数据难以识别和预测的问题,提出一种集成卷积神经网络(convolutional neural network, CNN)和深信网(deep belief network, DBN)的步态识别与模拟方法。利用所有类步态数据训练多个不同结构的CNNs模型,利用多类数据训练多个DBNs模型学习低维特征,并通过低维特征训练多个GCRBMs模型。在步态识别与模拟时,CNNs分类器通过投票法确定步态数据的类别;通过识别到的类所对应的DBNs模型低维特征作为对应GCRBMs模型的输入预测目标数据的后期时序低维特征;利用DBNs重构阶段将后期时序低维特征模拟出步态图像。在CASIA系列步态数据集上的试验结果表明:与支持向量机(support vector machine, SVM)、集成DBN和CNN等方法相比,本研究方法的识别率有一定的提高,提出的模型能够根据步态时序预测结果模拟出真实的步态序列图像,证实了模型的有效性。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度.该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果.     

一种基于混合模型的时间序列数据挖掘系统

时间序列数据挖掘是在从数据仓库中提取出有效历史数据的基础上，对其进行一定的处理，从而发现隐含、未知的有效信息．本阐述了一种新的基于灰色—回归—模糊神经网络混合模型的时间序列数据挖掘系统，重点讨论了灰色—回归—模糊神经网络混合模型的建立过程，并应用于浙江省可持续发展预测，取得了满意的结果．该混合模型融合多种智能计算方法优点于一体，为时序数据挖掘提供了一种新的实用方法．     

集成供应链管理系统的分解-协调模型

旨在对供应链管理系统进行集成优化，克服目前研究中只关注局部优化的缺点．运用大系统理论的分解-协调方法建立了集成化供应链的动态优化模型，并给出了优化算法，为实现对供应链的集成优化进行了有益尝试．     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

神经网络技术在设备故障诊断中的应用进展

概述了国内外设备故障诊断的发展状况、神经网络在设备故障诊断的发展状况．对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．考虑到设备故障的复杂性，利用集成神经网络对旋转机械故障进行诊断并对集成神经网络在设备故障诊断中的应用进行了预测．     

知识发现与数据可视化技术浅析

数据挖掘和知识发现、数据可视化技术都是发现数据库中数据中隐藏的信息的有效途径。知识发现过程离不开数据可视化的支持，数据可视化分析本身是一种知识发现的过程，并提到将知识发现与数据可视化有机集成的问题。     

煤炭供应链的工作流描述方法

针对流程供应链结构描述问题，对供应链构成体进行了分解，用链节、子链、过程、子过程等作为供应链的基本构成体，为供应链建模提供一种描述型语言；对供应链工作流进行形式化定义，用工作流图、前趋链节、前趋链集等的概念定义为下一步的流程供应链建模及分析提供了概念自包的方法；结合上述方法以煤炭流程供应链中物流为对象，进行工作流建模，为流程供应链的描述及分析提供了一种形式化的工具．     

高技术虚拟企业知识供应链结构模式研究

针对在高技术虚拟企业中如何构建知识供应链问题,根据知识供应链理论和高技术虚拟企业的特点,提出了高技术虚拟企业知识供应链的结构模式,并根据该结构模式给出了建立高技术虚拟企业知识供应链的步骤．该结构模式有助于我国高技术企业运用现代组织理论构建虚拟企业、加强知识管理、增强企业竞争力和快速反应能力．     

知识传授型供应链模拟游戏的开发与应用

紧跟国际上知识传授型供应链模拟游戏研究的先进水平,提出了一种面向高等院校学生的知识传授型供应链模拟游戏设计方法。将采用该设计方法开发的供应链模拟游戏程序应用于香港本科生供应链知识的传授。应用结果显示,所设计的供应链模拟游戏具有趣味性强、有助于学生理解知识、能锻炼学生动手、分析、表达等能力的特点,有助于提高教学质量,培养学生的兴趣。对游戏用户(学生)接受度相关问题调查数据的统计分析得到,Cronbach s Alpha=0.981 6>0.7,表明该游戏具有效性。     

供应链知识管理能力成熟度评价研究

借鉴能力成熟度理论提出了供应链知识管理能力成熟度,并用其度量供应链知识管理水平。从供应链知识管理的基础设施支撑能力、组织结构支撑能力、企业文化支撑能力、知识获取能力、知识组织能力、知识转移能力和知识应用能力等7个方面出发,构建了供应链知识管理能力成熟度评价指标体系。基于语言评价信息的改进AHP—FUZZY方法对供应链知识管理能力成熟度进行评价,最后通过实例,说明该方法的有效性、实用性。     

供应链关系资本对企业创新绩效的影响研究——基于需求拉动型吸收能力的视角

针对受国外技术和市场牵引较严重的4个制造类企业,构建了供应链关系资本、需求拉动型吸收能力和创新绩效三者间的概念模型,实施问卷调查,用结构方程模型验证假设。得到的结果表明：以信任为基础的供应链关系资本能够促进企业及时获取和掌握市场信息和技术知识,从而提高创新绩效。但是,样本企业供应链关系资本中的关系承诺维度对知识吸收的促进作用有待加强;需求拉动型吸收能力的知识转化和利用环节对于创新进程的促进作用有待提高。     

基于电子商务的供应链绩效分析

基于电子商务的供应链体系与传统的供应链相比有很大不同。目前,针对基于电子商务的供应链绩效评价的方法尚不完善。分析了BP神经网络的特点,对BP神经网络在基于电子商务的供应链体系的绩效评价中的应用进行了探讨,并对相关数据进行了处理,从而验证模型的可用性。     

论柔性建筑供应链的构建

介绍了建筑供应链以及柔性供应链的发展现状.在分析建筑供应链存在的问题的基础上,结合柔性的特点,对柔性建筑供应链的适用性进行了分析.在此基础上,借鉴制造业供应链中的柔性系统的构建方法,构建了柔性建筑供应链的模型.     

基于BP神经网络的供应链突发风险评价模型

为评价供应链突发风险的影响,从供应链的组成和运作要素角度定义了5种类型的供应链突发风险,并建立了一套基于风险类型的供应链突发风险评价指标体系。在此基础上,以风险评价指标为输入,风险类型和风险等级为输出,建立了基于BP神经网络的供应链突发风险评价模型。该模型使用BP网络作为经验知识的学习机制来学习突发风险评价指标与突发风险类型及等级之间的映射关系,然后通过BP网络的知识记忆和泛化推理能力实现对供应链突发风险的自动识别和评价。提出的模型在一个供应链风险样本集上进行了验证,验证结果表明了模型的有效性。     

基于大数据理论的弱化"长鞭效应"研究

"长鞭效应"是供应链运作中出现的一个主要问题,"长鞭效应"的存在给供应链带来了大量的额外库存,这些库存顶替了供应链上的流动资金,给供应链的运营造成了巨大的损失.通过分析"长鞭效应"带来的负面效应,在大数据的基础上,采用其理论方法来削弱供应链上"长鞭效应",应用大数据的手段在供应链上建模,形成一个大数据体系去处理供应链上所有节点企业的链上决策,从而促进供应链协调和绩效最大化.     

信息共享对企业绩效间接影响机制研究——以供应链协同为中介变量

以供应链协同为中间变量,利用结构方程模型构建信息共享对企业绩效间接作用机理的理论模型,研究信息共享对企业绩效的间接影响机制.实证研究表明：信息共享质量对信息共享的内容有影响,而信息共享对企业绩效的间接影响作用存在两条间接影响路径,即信息共享内容-供应链协同-企业绩效和信息共享质量-供应链协同-企业绩效,这表明信息共享通过供应链协同间接地影响企业绩效,进一步丰富了信息共享研究的价值.