基于多变量神经网络模型的菜品销量预测

随着互联网技术的发展,人们进入了数字化和智能化的“互联网共享”时代。餐饮企业越来越重视利用数据指引企业理性发展,而餐饮业菜品库存过多或过少会直接影响企业的成本与净利润,因此能够精准预测菜品销量有利于降低餐饮企业的生产成本和提高净利润。为了减少采购菜品的浪费和保持菜品的新鲜度,提出了多变量神经网络模型,并利用该模型预测陕西省某餐饮企业近两年的销量数据。结果表明,多变量长短时记忆神经网络模型(Multivariable Long Short-Term Memory,Multi-LSTM)的预测精度明显优于季节性差分自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average,SARIMA)和时间序列与神经网络组合模型,且略优于单变量长短时记忆神经网络模型(Sing le-var iable Long Short-Term Memory,Single-LSTM)。     

一种基于多模式影响力的微博信息扩散预测方法

摘 要: 微博服务已经成为加强人们互相沟通的重要媒体。微博区分于传统社交网络最重要的特征为信息的分裂式传播。微博的信息扩散能够带来巨大的商业价值,同时也为谣言的传播带来了良好滋润环境。如果能够预测某个信息是否会被爆发式地传播,以及哪些用户会加入到信息的传播中将是非常有意义的工作。本文中定义了三种模式的影响力：1）面向兴趣的影响力,2）面向社交关系的影响力,3）面向传播能力的影响力。本文提出了一种基于扩散的影响力模型来区分和度量不同类型的影响力。进一步地,本文利用微博用户传播博文给影响力用户的意图来对影响力传播预测建模。预测模型能够预测新博文将来的扩散状态。本文利用真实的微博数据来评测预测模型,实验结果表明本文提出的方法准确性由于传统的预测模型。     

基于BP神经网络的包装产品销量预测研究

在研究农副产品包装产品历史销售数据和影响农副产品包装销量主要因素的基础上,建立了一个基于BP神经网络的包装产品销量预测模型,并利用该模型预测主要包装产品的销量,根据预测值对产供销管理系统中原材料采购和生产计划制定进行指导。     

消费者口头传播导致品牌扩散的仿真研究

基于多Agent的建模仿真方法是研究竞争性市场消费者之间口头传播效应的有效手段。从一个基本的口头传播模型的构建着手,通过引入代表不同经济意义的基本参数和假设条件,在Repast仿真平台下对两品牌、规模不变市场中消费者口头传播影响品牌扩散进行了仿真研究。研究结论表明,口头传播模型的结构参数（参考其他消费者数量、品牌初始市场份额、初始效用、外界影响因素等等）是决定所有消费者是否最终都会选择同一品牌的关键因素。     

基于多模糊模型的非线性预测控制

研究了基于多模糊模型的非线性预测控制问题 ,提出了基于多模型融合的非线性预测控制方法 .首先根据实际对象在不同运行点附近的状态建立了非线性系统的线性多模糊模型表示 ,然后给出了基于多模糊模型的预测控制原理结构框图 .非线性多模糊模型被用来作为预测模型 ,CSTR过程的仿真研究表明是一种有前景的非线性预测控制方法 .     

基于多神经元模型的非线性系统预测控制

利用单神经元来逼近非线性系统在平衡点邻域内的泰勒展开式的直至二次项,首次提出了一种用多个单神经元模型来拟合非线性系统的建模方法,引入多模型参考轨迹,得到一种新的多模型预测控制。仿真结果表明,基于二阶泰勒级数得到的多神经元模型的预测控制器的性能要优于采用泰勒级数一阶线性项得到的多模型预测控制器,但计算量并未显著增加。     

中国智能手机的品牌小故事

魅族梦想 梦想,一个多么美好的词汇,相信每个人心中都有自己的梦想,只是各有不同而已。你的梦想可能是环游世界,他的梦想可能是去西部山区支教,而对于黄章来说,做梦想中的手机,或许就是他梦想中的一个。正是因为J．Wong有了这样的梦想,才有了今天的魅族MX。     

基于多Agent的新产品市场扩散仿真研究

基于多Agent的仿真是一种基于微观层次的建模仿真方法，具有广泛适用性、分布性、智能性和交互性等特征。该文探讨了多Agent仿真的基本思路和系统分析过程，构建了一个基于多Agent的新产品市场扩散仿真模型，并在AgentSheets平台上实现了该模型。     

基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统，提出一种基于多模型的广义预测控制方法．通过在平衡点附近建立线性模型，并用径向基函数神经网络来补偿匹配误差，形成了非线性系统的多模型表示，然后采用模糊识别方法作为切换法则，并结合广义预测控制构成了多模型广义预测控制器．通过对连续发酵过程的计算机仿真，表明了该方法的有效性．     

基于XML-Glue的DIY智能手机UI设计与实现

XML-Glue技术为智能手机用户界面的DIY需求提供了可行性方法, 该方法可以在不改变智能手机应用逻辑实现的情况下, 通过脚本灵活的组织和控制界面的显示; 不仅便利了智能手机UI程序员的开发和维护, 而且降低了整个智能手机应用的开发成本.给出了XML-Glue的开发框架并详细介绍了它的各种技术元素和应用实例, 最后说明了它在智能手机换肤技术上带来的便捷性.     

基于CAS的企业竞争模型与仿真研究

企业系统本质上是一个复杂适应系统,是一个开放的、动态演化的、具有自组织能力的系统。人工神经网络具有非线性逼近能力和自组织、自适应能力。提出运用神经网络的学习能力模拟Agent适应性的方法,借鉴Holland的CAS理论的建模思想,建立基于CAS理论的企业竞争模型。通过开发基于Swarm平台的仿真程序,模拟不确定环境下企业的规模分布和动态演化过程。     

基于内容和信任度的舆情扩散研究

为提高微博网络中预测舆情转发规模和扩散深度的准确度,提出一种基于内容和信任度的舆情扩散预测算法。首先,依据微博网络中用户和舆情的内容信息,提取影响舆情扩散的特征指标,同时,结合用户间的信任关系,建立在单一邻居已转发舆情情况下用户转发行为的预测模型。继而,基于该模型和线性阈值模型,对多邻居已转发舆情的情况进行深入分析,最终完成对舆情转发规模和扩散深度的预测。实验结果表明,该算法显著提高了转发规模和扩散深度的预测准确性。     

基于智能手机用户行为习惯的App使用预测算法研究

互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。     

一种基于轮廓波变换和各向异性扩散的图像去噪模型

提出一种采用轮廓波变换和各向异性扩散的图像去噪模型。利用轮廓波变换较好的稀疏性、多方向性等特点,通过对噪声图像经轮廓波变换后的不同尺度上的子带图像进行扩散,并采用P范数方法在轮廓波域计算子带图像的梯度阈值,实现建立在图像精细分析基础上的新的各向异性扩散模型。仿真结果表明,提出的扩散模型较好地抑制了传统各向异性扩散模型出现的边缘模糊效应,在对图像去噪的同时保留了更多的边缘、纹理等细节信息。     

基于决策树和条件概率的基频预测模型

介绍了一种基于决策树和条件概率的基频预测模型(FO Prediction with Integrated Decision Tree and Condi-tional Probability Model,IDBCPM).基频是一种重要的韵律特征参数,高精度的基频预测模型是高质量合成语音系统的必要保证.基频模型是根据从文本分析得到的信息预测相应于当前文本的合理基频曲线.IDBCPM一定程度上避免了其它基频模型预测时,在相邻音节处的预测结果不匹配问题.这种不匹配产生于预测当前音节基频时不能有效考虑相邻音节的预测结果.IDBCPM充分利用决策树的输出信息,包含决策树的输出类别和类别相应的概率,另外IDBCPM可以有效应用从训练数据中得到的先验条件概率,消除决策树输出的不合理结果.实验证明这种方法的预测精度比单纯决策树预测精度有明显提高.     

基于神经网络与eTOM信息模型的电信计划预测研究

为了解决综合多种因素对于电信计划预测的影响问题,提出将神经网络与eTOM(enhance Telecom Operations Map)信息模型结合的解决方法。电信计划预测需要采集多个不同专业系统的信息,基于TMF(Telecom Management Forum)提出的eTOM的流程,在电信计划预测需求分析的基础上用UML语言对该信息模型进行了描述,提出数据采集的建议。另外电信计划预测需要综合各种影响因素,在分析了产品消费量、服务质量、用户数量、设备性能、收入、投资等因素影响后,提出基于BP神经网络预测方法。结合电信计划案例,给出电信计划预测的神经网络模型设计,并以一个城市的电信计划预测的真实情况为例,通过对预测仿真结果的分析,验证了方法的精确性与有效性。     

基于组合函数法的灰色模型预测研究及应用

结合运用组合函数法,尤其是对数函数和幂函数在进行原始数据列转换后能提高数据列的光滑度和预测精度的优点,提出了基于组合函数法的灰色预测模型,利用此模型实例预测某油田的年产量,并利用相对误差法将预测值与实际值进行精度检验,取得了较好的结果。     

基于DE-EDA-SVM的瓦斯浓度预测建模仿真研究

瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计（DE-EDA）算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪处理后作为训练样本。采用DE-EDA算法对SVM模型的惩罚参数C、损失参数ε以及径向基参数γ进行优化,利用优化后的模型进行瓦斯浓度的预测。通过MATLAB软件仿真可以得出,所采用的优化模型能够准确的预测煤矿瓦斯浓度的变化趋势。并与经过粒子群（PSO）算法优化的预测模型相比较。结果表明,经过DE-EDA算法优化的SVM模型具有训练速度更快、预测更准确的特点,为实际煤矿瓦斯浓度的预测和处理提供了更加可靠的理论基础。     

基于智能手机的室内定位

针对基于wifi指纹的室内定位中存在的定位精度不高的问题,提出一套基于加权三点定位的wifi指纹定位系统。首先利用最近邻匹配方法进行wifi指纹定位,选择出参考点;其次利用多个参考点进行加权三点定位。实验表明,相对于单独使用wifi指纹定位技术,该系统可以有效提高室内定位的精度和稳定性,并具有较高的实时性。